电控系统信号采集与滤波实战指南

📚 文档概述

本指南面向电气工程师、自动化工程师和嵌入式系统开发者，系统讲解电控系统中信号采集与滤波的核心技术和工程实践。内容涵盖从传感器选型、模拟前端设计、数字滤波算法到多通道同步采集的完整知识链。

📖 目录结构

复制代码

电控系统信号采集与滤波实战指南/
├── README.md                          # 本文件
├── 第 1 章_模拟信号采集电路设计.md      # 传感器与模拟前端
├── 第 2 章_数字滤波算法实现.md          # 数字滤波算法详解
├── 第 3 章_模拟滤波电路设计.md          # 模拟滤波器与 PCB 布局
├── 第 4 章_多通道信号同步采集.md        # 多通道同步采集方案
└── code/                              # 代码示例
    ├── digital_filter_mean.c          # 均值滤波实现
    ├── digital_filter_moving_average.c # 滑动窗口滤波实现
    ├── digital_filter_kalman.c         # 卡尔曼滤波实现
    ├── adc_multi_channel_poll.c        # ADC 多通道轮询示例
    └── adc_dma_continuous.c            # ADC+DMA 连续采集示例

🎯 核心内容

第 1 章：模拟信号采集电路设计

主要内容：

✅ 传感器选型指南（热电偶、霍尔传感器、电压测量）
✅ 信号调理电路设计（放大、分压、隔离）
✅ 典型传感器应用实例（K 型热电偶、ACS712、高压采样）

关键技能：

根据测量范围、精度、成本选择合适传感器
设计仪表放大器电路处理微弱信号
计算电阻分压网络并考虑功率余量
光电隔离与隔离放大器应用

第 2 章：数字滤波算法实现

主要内容：

✅ 均值滤波算法原理与实现
✅ 滑动窗口滤波算法（环形缓冲区优化）
✅ 卡尔曼滤波算法（一维简化版）
✅ 算法性能对比与适用场景分析

代码示例：

c 复制代码

// 滑动窗口滤波 - 实时性最佳选择
MovingAverageFilter filter;
moving_avg_init(&filter, 8);  // 窗口大小=8
float filtered = moving_avg_update(&filter, new_sample);

算法选择建议：

应用场景	推荐算法	窗口大小	理由
温度测量	滑动窗口	N=8~16	计算简单，效果好
电机电流	均值滤波	N=4~8	周期性信号适合
姿态解算	卡尔曼滤波	-	多传感器融合
电池电压	中值 + 滑动	N=8	去除脉冲干扰

第 3 章：模拟滤波电路设计与 PCB 布局

主要内容：

✅ RC 低通/高通滤波器参数计算
✅ 巴特沃斯滤波器设计（1~4 阶）
✅ 电容/电阻选型原则
✅ PCB 布局技巧（地分割、去耦、走线规则）

设计工具：

RC 滤波器快速计算：

复制代码

已知截止频率 fc = 1kHz，选择 C = 10nF
则 R = 1 / (2π × fc × C) = 15.9kΩ → 选择 16kΩ
验证：fc = 1 / (2π × 16k × 10nF) ≈ 995Hz ✓

PCB 布局黄金法则：

模拟地与数字地单点连接
去耦电容距 IC 引脚 < 5mm
差分对等长等距走线
敏感信号加保护环
电源使用π型滤波

第 4 章：多通道信号同步采集

主要内容：

✅ ADC 多通道轮询架构与时序分析
✅ DMA 批量传输技术（CPU 负载降低 99%+）
✅ 数据拼接与结构化处理
✅ 同步触发与抗混叠设计

性能对比：

采集方式	CPU 占用率	同步性	适用场景
中断轮询	>50%	差	低速 (<1kSPS)
DMA 传输	<1%	一般	中高速 (>10kSPS)
多 ADC 同步	<2%	优秀	高速精密测量

STM32 配置要点：

c 复制代码

// DMA 循环模式配置
DMA_InitStructure.DMA_Mode = DMA_Mode_Circular;
DMA_InitStructure.DMA_MemoryInc = DMA_MemoryInc_Enable;
DMA_InitStructure.DMA_PeripheralInc = DMA_PeripheralInc_Disable;

💻 代码示例说明

编译与运行

所有代码示例均为 C 语言实现，可在以下平台编译运行：

Windows (MinGW):

bash 复制代码

gcc digital_filter_mean.c -o mean_filter.exe -lm
mean_filter.exe

Linux:

bash 复制代码

gcc digital_filter_kalman.c -o kalman_filter -lm
./kalman_filter

嵌入式平台 (STM32):

使用 STM32CubeIDE 或 Keil MDK
替换 HAL 库调用
配置对应外设（ADC、DMA、定时器）

示例代码清单

1. `digital_filter_mean.c`

功能： 均值滤波算法实现与测试
特点： 包含基础均值和递推优化两种版本
测试信号： 50Hz 正弦波 + 高斯白噪声
输出： 信噪比改善统计

2. `digital_filter_moving_average.c`

功能： 滑动窗口滤波（环形缓冲区）
特点： O(1) 时间复杂度，适合实时系统
测试信号： 带脉冲干扰的温度曲线
输出： 脉冲抑制率分析

3. `digital_filter_kalman.c`

功能： 一维卡尔曼滤波实现
特点： 结构体封装，参数可配置
测试信号： 线性升温过程
输出： RMSE 误差统计、参数敏感性分析

4. `adc_multi_channel_poll.c`

功能： 8 通道 ADC 轮询采集
特点： 双缓冲设计，包含数据转换
采样率： 每通道 1.25kSPS
输出： 电压值、归一化数据

5. `adc_dma_continuous.c`

功能： DMA 连续采集 + 统计分析
特点： 双缓冲切换、RMS/频率计算
采样率： 100kSPS
输出： 完整统计报告（均值/最大/最小/RMS/频率）

🔧 工程设计检查清单

原理图设计阶段

传感器量程和精度满足要求
信号调理电路增益计算正确
滤波器截止频率合理
运放供电电压匹配系统
参考电压源精度足够
过压/过流保护完善

PCB 布局阶段

软件设计阶段

📊 关键公式汇总

模拟电路

复制代码

RC 截止频率：fc = 1 / (2πRC)

分压公式：Vout = Vin × R2 / (R1 + R2)

仪表放大增益：G = 1 + 100kΩ/RG

电阻功率：P = V²/R = I²×R

数字滤波

复制代码

均值滤波：y[n] = Σx[i] / N  (i=n-N+1 to n)

滑动窗口：y[n] = y[n-1] + (x[n] - x[n-N]) / N

卡尔曼增益：K = P / (P + R)

状态更新：x = x + K × (z - x)

数据采集

复制代码

奈奎斯特准则：fs > 2 × fmax

每通道采样率：fch = fADC_max / N

过采样提升分辨率：ENOB_new = ENOB_old + log4(OSR)

🎓 学习路径建议

入门级（1-2 周）

阅读第 1 章，了解传感器基础知识
搭建简单 RC 滤波电路并测试
运行均值滤波代码示例

进阶级（2-4 周）

深入学习第 2 章数字滤波算法
对比不同滤波器的效果
实现 STM32 单通道 ADC 采集

高级（1-2 月）

研究第 3 章 PCB 布局技巧
设计完整信号链（传感器→ADC→MCU）
实现多通道 DMA 采集系统

专家级（2-3 月）

掌握第 4 章同步采集技术
优化时序，实现微秒级同步
开发工业级产品原型

🛠️ 常用工具推荐

仿真软件

LTspice - 模拟电路仿真（免费）
TINA-TI - 滤波器设计（免费）
MATLAB/Simulink - 系统建模（商业）

设计工具

KiCad - 原理图/PCB 设计（免费）
Altium Designer - 专业 PCB 设计（商业）
STM32CubeMX - MCU 配置工具（免费）

测试仪器

示波器 - 时域波形观测
频谱分析仪 - 频域特性分析
数据采集卡 - 多通道同步采集

🔗 相关资源

电控系统信号采集与滤波实战指南

模拟信号采集电路设计\](#第 1 章-模拟信号采集电路设计) * 1.1 传感器选型指南 * 1.2 信号调理电路设计 * 1.3 典型传感器应用实例
- 2.1 均值滤波算法
- 2.2 滑动窗口滤波算法
- 2.3 卡尔曼滤波算法
- 2.4 算法性能对比与适用场景
模拟滤波电路设计与 PCB 布局\](#第 3 章-模拟滤波电路设计与 pcb 布局) * 3.1 RC 低通/高通滤波器设计 * 3.2 巴特沃斯滤波器设计 * 3.3 参数计算方法 * 3.4 PCB 布局技巧与注意事项
- 4.1 ADC 多通道轮询采集
- 4.2 DMA 批量传输技术
- 4.3 数据拼接与处理
- 4.4 同步采集时序优化

第 1 章模拟信号采集电路设计

1.1 传感器选型指南

1.1.1 温度测量 - 热电偶传感器

适用场景：

工业过程控制中的高温测量（-200°C ~ +1800°C）
汽车发动机温度监测
家用电器温控系统

选型要点：

K 型热电偶：性价比高，测温范围宽（-200°C~+1250°C）
PT100 铂电阻：精度高，适合中低温测量（-200°C~+850°C）
NTC 热敏电阻：成本低，适用于常温范围（-50°C~+150°C）

关键参数：

精度等级：A 级（±0.15°C）或 B 级（±0.3°C）
响应时间：τ63 < 1s（快速响应）或 τ63 > 5s（稳定测量）
封装形式：探针式、表面贴装、螺纹安装

1.1.2 电流测量 - 霍尔传感器

适用场景：

电机驱动系统电流监测
电池管理系统（BMS）充放电电流检测
逆变器输出电流采样

选型要点：

开环霍尔传感器：成本低，带宽高（>100kHz），精度±1%
闭环霍尔传感器：精度高（±0.5%），线性度好，成本高
分流器 + 运放：小电流测量（<50A），成本低，有功率损耗

关键参数：

额定电流：根据最大工作电流选择（留 20% 余量）
供电电压：单电源（+5V）或双电源（±12V）
输出类型：电压型（0-5V）或电流型（4-20mA）
隔离电压：≥2500V（高压系统）

1.1.3 电压测量

适用场景：

电池组单体电压监测
直流母线电压采样
交流电网电压检测

选型方案：

电阻分压网络：简单经济，适合低压（<100V）
电压互感器：隔离测量，适合交流高压
光耦隔离放大器：高精度隔离测量

1.2 信号调理电路设计

1.2.1 放大电路设计

仪表放大器应用：

对于微弱信号（mV 级），如热电偶、应变片输出，需使用仪表放大器进行放大。

设计要点：

高输入阻抗（>1GΩ）减少负载效应
高共模抑制比（CMRR > 80dB）抑制干扰
低噪声、低漂移保证精度
增益可调范围：10~1000 倍

典型电路：

复制代码

传感器 → 仪表放大器（AD620/INA128） → 低通滤波 → ADC

1.2.2 分压电路设计

电阻分压网络计算：

对于高压测量，使用电阻分压将高电压转换为 ADC 可接受的范围（0-3.3V 或 0-5V）。

计算公式：

复制代码

Vout = Vin × R2 / (R1 + R2)
分压比 = R2 / (R1 + R2)

设计原则：

选择精密电阻（±0.1% 或±1%）
考虑电阻功率余量（≥2 倍实际功耗）
加入 TVS 管或稳压管过压保护
并联电容滤除高频噪声

1.2.3 隔离电路设计

光电隔离：

使用光耦（TLP521、6N137）隔离数字信号
隔离电压：≥2500Vrms
传输速率：低速（<10kbps）或高速（>1Mbps）

隔离放大器：

ISO124、AMC1301等隔离运放
用于模拟信号隔离传输
隔离电压：≥5kV
线性度：<0.01%

1.3 典型传感器应用实例

1.3.1 K 型热电偶温度采集电路

系统要求：

测温范围：0°C ~ 1000°C
测量精度：±1°C
分辨率：0.1°C

电路设计方案：

冷端补偿： 使用数字温度传感器（DS18B20）测量冷端温度
信号放大： 仪表放大器 AD620，增益 G=100
滤波电路： RC 低通滤波器，截止频率 fc=10Hz
ADC 转换： 16 位Σ-Δ型 ADC（ADS1115）

硬件连接：

复制代码

K 型热电偶 → 冷端补偿电路 → AD620(G=100) → RC 低通滤波 → ADS1115 → MCU

热电偶输出电压计算：

复制代码

E(t) = a0 + a1×t + a2×t² + ... + an×tⁿ
其中 t 为温度，系数 a0~an查 K 型热电偶分度表
灵敏度约为 41μV/°C

AD620 增益设置：

复制代码

RG = 49.4kΩ / (G - 1)
当 G=100 时，RG ≈ 500Ω

1.3.2 霍尔电流传感器应用电路

型号： ACS712-30A（双向，±30A）

技术参数：

供电电压：5V
灵敏度：66mV/A
零点输出：2.5V
带宽：80kHz
响应时间：5μs

接口电路：

复制代码

ACS712 VOUT → RC 滤波（fc=10kHz） → 运放跟随器 → ADC

电流计算：

复制代码

I = (Vout - 2.5V) / 0.066
例如：Vout = 3.16V 时，I = (3.16 - 2.5) / 0.066 = 10A

1.3.3 高压直流母线电压采样

系统要求：

输入电压：0-500V DC
输出电压：0-3.3V（适配 3.3V 系统 ADC）
隔离要求：基本隔离

分压电阻计算：

复制代码

分压比 = 3.3V / 500V = 0.0066
选择 R1 = 750kΩ, R2 = 5kΩ
验证：500V × 5k / (750k + 5k) = 3.31V ✓

电阻功率：
PR1 = (500V)² / 750kΩ = 0.33W → 选择 1W 电阻
PR2 = (3.3V)² / 5kΩ = 0.002W → 1/4W 电阻足够

保护电路：

R1 串联两个 390kΩ电阻分担电压
R2 并联 3.3V 稳压管过压保护
输入端串联 100Ω限流电阻 + TVS 管

第 2 章数字滤波算法实现

2.1 均值滤波算法

2.1.1 算法原理

均值滤波是最简单的数字滤波方法，通过计算 N 个采样点的算术平均值来平滑信号，抑制随机噪声。

数学表达式：

复制代码

y[n] = (x[n] + x[n-1] + ... + x[n-N+1]) / N

其中：

y[n]：第 n 次滤波输出
x[n]：第 n 次采样值
N：参与平均的采样点数

2.1.2 适用场景

✅ 适合：

消除随机噪声（高斯噪声）
传感器数据平滑处理
对实时性要求不高的场合

❌ 不适合：

快速变化的信号（相位滞后大）
脉冲干扰严重的场合
需要保留信号细节的应用

2.1.3 代码实现

详见代码文件：digital_filter_mean.c

2.2 滑动窗口滤波算法

2.2.1 算法原理

滑动窗口滤波是均值滤波的改进版本，维护一个固定长度的队列，每次只移除最旧数据并添加最新数据，提高计算效率。

递推公式：

复制代码

y[n] = y[n-1] + (x[n] - x[n-N]) / N

2.2.2 适用场景

✅ 适合：

实时信号处理
嵌入式系统资源受限场合
需要连续滤波的场景

❌ 不适合：

存在大幅值脉冲干扰
需要自适应调整的场合

2.2.3 代码实现

详见代码文件：digital_filter_moving_average.c

2.3 卡尔曼滤波算法

2.3.1 算法原理

卡尔曼滤波是一种最优状态估计算法，通过预测 - 校正循环，结合系统模型和测量值，得到系统状态的最优估计。

核心方程：

预测阶段：

状态预测：x̂ₖ|ₖ₋₁ = F × x̂ₖ₋₁|ₖ₋₁ + B × uₖ
协方差预测：Pₖ|ₖ₋₁ = F × Pₖ₋₁|ₖ₋₁ × Fᵀ + Q
更新阶段：

卡尔曼增益：Kₖ = Pₖ|ₖ₋₁ × Hᵀ × (H × Pₖ|ₖ₋₁ × Hᵀ + R)⁻¹
状态更新：x̂ₖ|ₖ = x̂ₖ|ₖ₋₁ + Kₖ × (zₖ - H × x̂ₖ|ₖ₋₁)
协方差更新：Pₖ|ₖ = (I - Kₖ × H) × Pₖ|ₖ₋₁

2.3.2 参数说明

x̂：状态估计值
P：估计协方差矩阵（不确定性度量）
F：状态转移矩阵
Q：过程噪声协方差
R：测量噪声协方差
K：卡尔曼增益
z：实际测量值

2.3.3 适用场景

✅ 适合：

多传感器数据融合
动态系统状态估计（如目标跟踪）
GPS/IMU组合导航
电池 SOC 估算

❌ 不适合：

非线性系统（需使用扩展卡尔曼 EKF）
计算资源极度受限的 8 位 MCU
简单的一维信号滤波（杀鸡用牛刀）

2.3.4 代码实现

详见代码文件：[digital_filter_kalman.c](./code/digital_filter_kalman.``

2.4 算法性能对比与适用场景

2.4.1 性能对比表

算法类型计算复杂度内存占用滤波效果相位延迟实时性

均值滤波 O(N) O(1) ★★☆☆☆ 大一般

滑动窗口 O(1) O(N) ★★★☆☆ 中等好

中值滤波 O(NlogN) O(N) ★★★★☆ 中等一般

限幅滤波 O(1) O(1) ★★★☆☆ 小好

卡尔曼滤波 O(n³) O(n²) ★★★★★ 小较好

2.4.2 选择建议

简单温度测量（如恒温箱）：

复制代码

推荐：滑动窗口滤波（N=8~16）
理由：计算简单，效果够用

电机转速测量：

复制代码

推荐：均值滤波（N=4~8）
理由：转速信号周期性强，均值滤波效果好

无人机姿态解算：

复制代码

推荐：卡尔曼滤波
理由：需要融合加速度计、陀螺仪、磁力计多源数据

电池电压采样：

复制代码

推荐：中值滤波 + 滑动窗口
理由：去除偶发毛刺，平滑波动

工业传感器接口：

复制代码

推荐：限幅滤波 + 滑动窗口
理由：快速响应，有效抑制尖峰脉冲

2.4.3 组合滤波策略

实际工程中常采用多级滤波：

ADC 采样 → 中值滤波（去毛刺） → 滑动窗口滤波（平滑） → 工程单位转换

示例代码结构：

// 三级滤波处理流程

raw_adc = ADC_Read();

median_filtered = MedianFilter(raw_adc); // 第一级：去脉冲干扰

moving_avg = MovingAverage(median_filtered); // 第二级：平滑处理

voltage = ADC2Voltage(moving_avg); // 第三级：单位转换

2.5 中值滤波算法

2.5.1 算法原理

中值滤波是一种非线性滤波方法，通过取滑动窗口内所有采样值的中位数来替代当前值，对脉冲噪声（椒盐噪声）有极佳的抑制效果。

数学表达式：

y[n] = median(x[n], x[n-1], ..., x[n-N+1])

其中 median() 函数返回窗口内 N 个采样值排序后的中间值。

2.5.2 适用场景

✅ 适合：

复制代码

消除脉冲干扰（尖峰噪声）
传感器偶发异常值剔除
图像处理中的去噪

❌ 不适合：

复制代码

高斯噪声（效果不如均值滤波）
实时性要求极高的场合（排序耗时）
需要保留信号边缘细节

2.5.3 代码实现

/**

@brief 中值滤波实现
@param window 采样值窗口数组
@param size 窗口大小（建议奇数，如 3、5、7）
@return 中值结果
*/
#include <stdlib.h>

// 比较函数用于 qsort

int compare(const void a, const void b) {
return ((float )a > (float )b) ? 1 : -1;

}

float median_filter(float *window, int size) {

// 创建副本进行排序，不破坏原始数据

float temp = (float )malloc(size * sizeof(float));

if (temp == NULL) return window[size / 2]; // 内存分配失败时返回中间值

复制代码

for (int i = 0; i < size; i++) {
    temp[i] = window[i];
}

// 快速排序
qsort(temp, size, sizeof(float), compare);

// 取中位数
float result = temp[size / 2];
free(temp);

return result;

}

// 使用示例

void median_filter_example(void) {

// 模拟传感器数据（含脉冲干扰）

float samples[] = {25.0, 25.1, 25.2, 100.5, 25.0, 24.9, 25.1, 25.0};

int window_size = 5; // 窗口大小

float window[5];

复制代码

printf("原始数据：\n");
for (int i = 0; i < 8; i++) {
    printf("%.1f ", samples[i]);
}
printf("\n\n中值滤波结果（窗口=5）：\n");

for (int i = 0; i < 8; i++) {
    // 填充窗口
    for (int j = 0; j < window_size; j++) {
        int idx = i - window_size / 2 + j;
        if (idx < 0) idx = 0;
        if (idx >= 8) idx = 7;
        window[j] = samples[idx];
    }
    float filtered = median_filter(window, window_size);
    printf("采样%d: 原始=%.1f, 滤波后=%.1f\n", i, samples[i], filtered);
}

}

输出示例：

原始数据：

25.0 25.1 25.2 100.5 25.0 24.9 25.1 25.0

中值滤波结果（窗口=5）：

采样0: 原始=25.0, 滤波后=25.0

采样1: 原始=25.1, 滤波后=25.1

采样2: 原始=25.2, 滤波后=25.2

采样3: 原始=100.5, 滤波后=25.1 ← 脉冲被有效抑制

采样4: 原始=25.0, 滤波后=25.1

采样5: 原始=24.9, 滤波后=25.0

采样6: 原始=25.1, 滤波后=25.0

采样7: 原始=25.0, 滤波后=25.0

2.6 限幅滤波算法

2.6.1 算法原理

限幅滤波（又称程序判断滤波）通过限制相邻两次采样值的最大变化幅度来抑制脉冲干扰。如果当前采样值与上次有效值的差值超过阈值，则丢弃当前值。

数学表达式：

if |x[n] - y[n-1]| <= Δ:

y[n] = x[n]

else:

y[n] = y[n-1]

其中 Δ 为最大允许变化量（限幅阈值）。

2.6.2 适用场景

✅ 适合：

复制代码

快速响应的实时系统
传感器信号中的偶发尖峰抑制
保护性滤波（防止异常值导致系统误动作）

❌ 不适合：

复制代码

连续噪声环境（需要配合其他滤波）
信号本身变化剧烈的场合
需要平滑输出的场景

2.6.3 代码实现

/**

@brief 限幅滤波实现
@param new_sample 当前采样值
@param last_valid 上次有效值（指针，会被更新）
@param threshold 最大允许变化量
@return 滤波后的有效值

*/

float limiting_filter(float new_sample, float *last_valid, float threshold) {

float delta = new_sample - *last_valid;

// 取绝对值

if (delta < 0) delta = -delta;

if (delta <= threshold) {

// 变化在允许范围内，接受新值

*last_valid = new_sample;

return new_sample;

} else {

// 变化超出阈值，保留上次值

return *last_valid;

}

}

// 使用示例

void limiting_filter_example(void) {

// 模拟温度传感器数据（含偶发尖峰）

float samples[] = {25.0, 25.1, 25.3, 50.0, 25.2, 25.0, 24.8, 25.1};

float last_valid = samples[0]; // 初始值

float threshold = 2.0; // 最大允许变化 ±2°C

复制代码

printf("限幅滤波示例（阈值=±%.1f°C）：\n", threshold);
printf("采样\t原始值\t滤波后\t状态\n");
printf("--------------------------------\n");

for (int i = 0; i < 8; i++) {
    float filtered = limiting_filter(samples[i], &last_valid, threshold);
    const char *status = (filtered == samples[i]) ? "接受" : "丢弃";
    printf("%d\t%.1f\t%.1f\t%s\n", i, samples[i], filtered, status);
}

}

// 限幅+滑动窗口组合滤波

typedef struct {

float last_valid;

float threshold;

float buffer[16];

int index;

int count;

float sum;

} ComboFilter;

void combo_filter_init(ComboFilter *f, float threshold, int window_size) {

f->last_valid = 0;

f->threshold = threshold;

f->index = 0;

f->count = 0;

f->sum = 0;

}

float combo_filter_update(ComboFilter *f, float sample, int window_size) {

// 第一级：限幅滤波

float limited = limiting_filter(sample, &f->last_valid, f->threshold);

复制代码

// 第二级：滑动窗口滤波
if (f->count < window_size) {
    f->sum += limited;
    f->buffer[f->index] = limited;
    f->index = (f->index + 1) % window_size;
    f->count++;
    return f->sum / f->count;
} else {
    f->sum -= f->buffer[f->index];
    f->buffer[f->index] = limited;
    f->sum += limited;
    f->index = (f->index + 1) % window_size;
    return f->sum / window_size;
}

}

输出示例：

限幅滤波示例（阈值=±2.0°C）：

采样原始值滤波后状态

0 25.0 25.0 接受

1 25.1 25.1 接受

2 25.3 25.3 接受

3 50.0 25.3 丢弃 ← 尖峰被剔除

4 25.2 25.2 接受

5 25.0 25.0 接受

6 24.8 24.8 接受

7 25.1 25.1 接受

2.7 综合应用示例：多级滤波在温度采集系统中的应用

2.7.1 系统需求

设计一个工业温度采集模块，要求：

复制代码

测温范围：0°C ~ 200°C（PT100 传感器）
采样频率：10Hz
滤波要求：有效抑制工频干扰（50Hz）和偶发脉冲
输出更新率：2Hz（每 500ms 输出一次滤波结果）

2.7.2 滤波方案设计

ADC 原始数据

↓

电控系统信号采集与滤波实战指南

电控系统信号采集与滤波实战指南

📚 文档概述

📖 目录结构

🎯 核心内容

第 1 章：模拟信号采集电路设计

第 2 章：数字滤波算法实现

第 3 章：模拟滤波电路设计与 PCB 布局

第 4 章：多通道信号同步采集

💻 代码示例说明

编译与运行

示例代码清单

1. digital_filter_mean.c

2. digital_filter_moving_average.c

3. digital_filter_kalman.c

4. adc_multi_channel_poll.c

5. adc_dma_continuous.c

🔧 工程设计检查清单

原理图设计阶段

PCB 布局阶段

软件设计阶段

📊 关键公式汇总

模拟电路

数字滤波

数据采集

🎓 学习路径建议

入门级（1-2 周）

进阶级（2-4 周）

高级（1-2 月）

专家级（2-3 月）

🛠️ 常用工具推荐

仿真软件

设计工具

测试仪器

🔗 相关资源

电控系统信号采集与滤波实战指南

目录

第 1 章 模拟信号采集电路设计

1.1 传感器选型指南

1.1.1 温度测量 - 热电偶传感器

1.1.2 电流测量 - 霍尔传感器

1.1.3 电压测量

1.2 信号调理电路设计

1.2.1 放大电路设计

1.2.2 分压电路设计

1.2.3 隔离电路设计

1.3 典型传感器应用实例

1.3.1 K 型热电偶温度采集电路

1.3.2 霍尔电流传感器应用电路

1.3.3 高压直流母线电压采样

第 2 章 数字滤波算法实现

2.1 均值滤波算法

2.1.1 算法原理

2.1.2 适用场景

2.1.3 代码实现

2.2 滑动窗口滤波算法

2.2.1 算法原理

2.2.2 适用场景

2.2.3 代码实现

2.3 卡尔曼滤波算法

2.3.1 算法原理

2.3.2 参数说明

2.3.3 适用场景

2.3.4 代码实现

限幅滤波示例（阈值=±2.0°C）：

1. `digital_filter_mean.c`

2. `digital_filter_moving_average.c`

3. `digital_filter_kalman.c`

4. `adc_multi_channel_poll.c`

5. `adc_dma_continuous.c`

第 1 章模拟信号采集电路设计

第 2 章数字滤波算法实现