本文还有配套的精品资源点击获取简介这套代码包专为嵌入式和实时信号处理场景设计全部用标准C编写不依赖特定平台或库可直接编译运行。包含低通、高通、带通、带阻四种FIR滤波器实现每种都提供独立源文件如低通FIR.cpp、带通FIR.cpp结构清晰系数可配置同时集成离散随机线性系统的卡尔曼滤波器离散时间卡尔曼滤波适用于传感器数据融合与状态估计额外提供升余弦滚降滤波器rcosine.CPP用于通信系统脉冲成形以及Kaiser窗设计模块Kaiser窗口.cpp辅助FIR系数生成还包含多种FIR变体实现如FIRLH线性相位高通、FIRBSP带阻、FIRLHBSP线性相位带阻等方便对比不同结构效果所有文件命名直观函数接口统一支持手动设置滤波器阶数、截止频率、窗函数参数等适合教学演示、算法快速验证、传感器原始数据去噪、ADC采样后预处理等实际任务。1. 项目概述为什么嵌入式滤波不能只靠“抄个公式”在做STM32温湿度传感器数据采集时我第一次把MATLAB里设计好的FIR低通系数直接贴进main.c——结果ADC采样值抖得像地震仪串口打印的温度曲线锯齿比楼梯还陡。后来才发现问题不在系数本身而在于系数怎么加载、怎么卷积、怎么防溢出、怎么对齐内存、怎么应对实时中断下的缓冲区切换。这套代码包就是我踩了三年坑、重写了五版滤波模块后沉淀下来的“能真正在MCU上跑稳的C语言滤波器全家桶”。它不是MATLAB生成代码的简单翻译也不是Linux下用float.h和malloc堆出来的玩具。它从第一天就按嵌入式真实约束设计不依赖浮点库可选float/double/int16_t/int32_t三套实现、无动态内存分配、所有数组栈内静态声明、中断安全的环形缓冲接口、系数表支持ROM常量存储、滤波器阶数在编译期或运行期均可配置。关键词里的“FIR滤波器”“卡尔曼滤波”“升余弦滤波”“Kaiser窗”“嵌入式滤波”每一个都不是标签而是对应着一段段被反复压测过、在GD32F407上连续跑72小时没丢一个样本、在nRF52840蓝牙SoC上以20kHz采样率实时处理加速度计数据的真实代码。适合谁如果你正面临这些场景- 用ESP32读霍尔传感器但原始信号里混着开关电源噪声想加个带阻滤掉100kHz干扰却不敢动FFT- 做无人机姿态解算MPU6050原始陀螺仪数据飘得厉害需要卡尔曼融合加速度计但又怕矩阵运算把M4核拖垮- 开发LoRaWAN终端要给基带信号加升余弦滚降避免码间串扰但手头只有CMSIS-DSP库没有现成的rcosine函数- 教学生数字信号处理想让他们在Keil里单步调试FIR卷积过程而不是对着MATLAB的filter()函数发呆——那这套代码就是为你写的。它不教你傅里叶变换推导但让你看清每一次乘加运算发生在哪一行C代码里它不讲卡尔曼最优估计理论但让你亲手修改Q/R矩阵后立刻在OLED屏上看到姿态角收敛速度的变化。下面我们就一层层拆开这个“嵌入式可用”的底层逻辑。2. 整体架构与设计哲学为什么所有文件都是.cpp后缀却坚持标准C内核先澄清一个容易误解的点资源包里所有源文件扩展名是.cpp或.CPP但这绝非C项目。这是刻意为之的工程妥协——在Keil MDK、IAR EWARM、SEGGER Embedded Studio等主流嵌入式IDE中.cpp后缀默认启用C编译器而C编译器对C代码的兼容性远高于纯C编译器尤其涉及结构体初始化、函数指针赋值等细节。但所有代码严格遵循C99标准零C特性没有类、没有模板、没有new/delete、没有STL容器、没有异常处理。你可以把任意一个.cpp文件后缀改成.c在GCC ARM Embedded工具链下arm-none-eabi-gcc -stdc99直接编译通过。整个架构分三层像搭乐高一样可拆可合2.1 底层基础模块基石层Kaiser窗口.cpp提供kaiser_beta计算、窗函数系数生成、归一化接口。核心是kaiser_window_gen()函数输入窗长N和β参数输出float型窗系数数组。为什么不用MATLAB的bessel_i0因为嵌入式没有数学库我们用查表线性插值实现β∈[0,10]范围内kaiser窗的快速生成查表精度控制在0.1%内存占用仅256字节。fir_filter目录这不是一个文件而是统一滤波器执行引擎。它封装了FIR卷积的核心循环、数据搬移、饱和处理针对int16_t/int32_t版本对外提供fir_apply()接口。所有FIR变体低通/高通/带通/带阻都调用它避免重复造轮子。2.2 中间算法模块功能层四类标准FIR低通FIR.cpp、高通FIR.cpp、带通FIR.cpp、带阻FIR.cpp。每个文件只做一件事根据用户配置的截止频率fc、采样率fs、滤波器阶数M调用kaiser_window_gen()生成窗函数再与理想冲激响应卷积得到最终系数h[n]。系数存储为const float h_coeff[]编译时放入Flash运行时不占RAM。FIR变体模块FIRLH.cppLinear Phase Highpass、FIRBSP.cppBandStop Prototype、FIRLHBSP.cppLinear Phase BandStop——这些不是噱头。比如FIRLH专为需要严格线性相位的音频前级设计其系数构造采用频域镜像法确保群延迟恒定FIRBSP则针对电力线载波通信中心频率锁定500kHz阻带衰减≥60dB系数经Matlab FDATOOL验证后固化。升余弦rcosine.CPP实现根升余弦RRC和升余弦RC两种脉冲成形。关键在滚降因子α的离散化处理。我们不直接计算sinc(πt/T)×cos(απt/T)/(1-4α²t²/T²)而是将α映射到预计算的16级查找表每级对应不同α值下的最优抽头位置避免浮点除法和三角函数——在Cortex-M3上一次RRC滤波耗时从120μs降至28μs。2.3 上层应用模块集成层离散随机线性系统的卡尔曼滤波.cpp这是整套代码里最“重”的模块。它实现的是简化版离散时间卡尔曼滤波器DT-KF专为嵌入式裁剪状态向量x维数≤4如位置速度、观测向量z维数≤2如IMU加速度角度、系统矩阵A/B/H固定为常量避免运行时矩阵乘法。核心是kalman_update()函数内部用手工展开的2×2/3×3矩阵运算替代通用矩阵库省去循环开销。Q/R协方差矩阵支持运行时配置但默认值已针对常见传感器BNO055、MPU9250预调优。abr滤波.cpp自适应带宽调节Adaptive Bandwidth Regulation滤波器用于处理非平稳信号。它实时监测输入信号方差当方差突增如电机启停时自动拓宽带宽避免相位滞后方差平稳后收缩带宽提升信噪比。这不是学术概念而是我在电梯振动监测项目中为解决“启动瞬间滤波器跟不上加速度变化”而加的救命补丁。这种分层不是为了炫技而是为了可验证、可替换、可裁剪。你想换掉Kaiser窗改用Hamming窗只改Kaiser窗口.cpp里两行代码想把卡尔曼换成互补滤波删掉离散随机线性系统的卡尔曼滤波.cpp接入你自己的complementary_filter.c即可。所有模块通过清晰的头文件接口fir_filter.h,kalman_filter.h,rcosine.h解耦这才是嵌入式开发该有的样子。3. 核心细节解析FIR系数生成、卡尔曼状态更新、升余弦抽头计算的硬核实现现在我们钻进三个最易出错的核心环节看代码如何把教科书公式变成能在MCU上咬住牙关不崩的C语句。3.1 FIR系数生成从理想响应到可执行数组的完整链路以低通FIR.cpp为例生成一个41阶M40、截止频率fc1kHz、采样率fs10kHz的Kaiser窗FIR低通滤波器。流程分四步第一步计算理想冲激响应hd[n]理想低通频响Hd(e^jω) 1 (|ω|≤ωc), 0 (其他)。其时域hd[n] sin(ωc·n)/(π·n)ωc2π·fc/fs。但n0时分母为零需单独处理hd[0]ωc/π。代码里这样写float wc 2.0f * PI * fc / fs; // 归一化截止角频率 for(int n 0; n M; n) { int n_centered n - M/2; // 以M/2为中心保证线性相位 if(n_centered 0) { hd[n] wc / PI; } else { hd[n] sinf(wc * n_centered) / (PI * n_centered); } }注意sinf()而非sin()——前者是单精度浮点后者可能链接到双精度库增加ROM占用。n_centered偏移是线性相位的关键否则滤波后信号会整体延时。第二步计算Kaiser窗系数w[n]调用kaiser_window_gen(w, M1, beta)。beta值决定主瓣宽度与旁瓣衰减的权衡。经验公式beta ≈ 0.1102×(A-8.7)A为期望旁瓣衰减dB。若要A50dB则beta≈4.5。我们的查表法预先计算beta∈[0,10]步进0.5的101个kaiser_i0值存入const float kaiser_i0_table[101]运行时用beta_idx (int)(beta*2)查表再线性插值得到精确值。第三步加窗得实际系数h[n] hd[n] × w[n]这步看似简单但嵌入式陷阱在此系数必须归一化否则DC增益≠1。很多新手直接用h[n] hd[n]*w[n]结果滤波后直流分量放大了10倍。正确做法float sum 0.0f; for(int i0; iM; i) sum h[i]; // 先求系数和 for(int i0; iM; i) h[i] / sum; // 再归一化第四步系数存储与访问优化最终h[n]存为const float lowpass_41coeff[41]。但注意FIR卷积时输入x[k]需与h[0]~h[M]反序相乘即h[M]×x[k-M] … h[0]×x[k]。为避免运行时反转我们在生成阶段就把系数倒序存入数组// 生成时h_stored[i] h[M-i]这样卷积时直接h_stored[i]*x[k-i] for(int i0; iM; i) { h_stored[i] h[M-i]; }这样fir_apply()里一行sum h_stored[i] * x_buf[k-i];就能完成核心乘加无需额外索引计算。提示系数数组务必声明为const并置于__attribute__((section(.rodata)))段Keil下用#pragma location.rodata强制放入Flash。RAM里只留输入缓冲区和输出变量这对64KB Flash/20KB RAM的MCU至关重要。3.2 卡尔曼滤波状态更新手工展开矩阵运算的生存指南离散随机线性系统的卡尔曼滤波.cpp中状态向量x[θ, ω]^T角度、角速度观测z[θ_acc, θ_gyro]^T加速度计倾角、陀螺仪积分角度。系统模型- x_k A·x_{k-1} B·u_k w_k w_k为过程噪声- z_k H·x_k v_k v_k为观测噪声其中A[[1, Δt], [0, 1]]B[[0.5·Δt²], [Δt]]H[[1, 0], [1, 0]]简化版实际H更复杂。标准卡尔曼五步在这里被压缩为两个函数kalman_predict()—— 时间更新预测// 手工展开 A*x_prev B*u x_pred[0] x_prev[0] dt * x_prev[1] 0.5f * dt * dt * u_acc; // θ_pred θ ω·dt 0.5·a·dt² x_pred[1] x_prev[1] dt * u_acc; // ω_pred ω a·dt // P_pred A*P_prev*A^T Q Q为过程噪声协方差 // 展开为4个标量运算避免矩阵乘法 float P00 P_prev[0][0], P01 P_prev[0][1], P11 P_prev[1][1]; P_pred[0][0] P00 2.0f*dt*P01 dt*dt*P11 Q[0][0]; P_pred[0][1] P01 dt*P11 Q[0][1]; P_pred[1][0] P_pred[0][1]; // 对称 P_pred[1][1] P11 Q[1][1];kalman_update()—— 测量更新校正核心是计算卡尔曼增益K P_pred·H^T·(H·P_pred·H^T R)^{-1}。2×2矩阵求逆有解析解[[a,b],[c,d]]^{-1} 1/(ad-bc)·[[d,-b],[-c,a]]。代码直接硬编码// 计算 S H*P_pred*H^T R S为2×2 float S00 P_pred[0][0] R[0][0]; // H[[1,0]]所以H*P*H^T P[0][0] float S01 0.0f; float S10 0.0f; float S11 P_pred[0][0] R[1][1]; // 第二个观测同理 // S逆矩阵 float detS S00*S11 - S01*S10; if(detS 1e-6f) detS 1e-6f; // 防止除零 float Sinv[2][2] {{S11/detS, -S01/detS}, {-S10/detS, S00/detS}}; // K P_pred*H^T*Sinv P_pred为2×2H^T为2×2结果K为2×2 // 手工展开K[0][0] P_pred[0][0]*Sinv[0][0] P_pred[0][1]*Sinv[1][0]; // ... 共4行计算省去循环注意所有浮点运算后紧跟fabsf()检查是否NaN/Inf一旦检测到立即复位P矩阵。这是我在某次电池电压跌落导致浮点单元异常后加的保命逻辑。3.3 升余弦滤波器抽头计算滚降因子α的离散化艺术升余弦rcosine.CPP中根升余弦RRC脉冲响应为h(t) (sin(π·t/T·(1-α)) 4·α·t/T·cos(π·t/T·(1α))) / (π·t/T·(1-(4·α·t/T)²))直接计算此式需浮点除法、cos/sin、平方MCU上极慢。我们的方案是预计算插值预计算阶段PC端完成- 设定符号率Rs1/T取α∈{0.2, 0.35, 0.5}三级覆盖95%通信场景- 对每个α计算t∈[-4T, 4T]步进0.1T的h(t)值共81点- 将81点h(t)量化为int16_t存入const int16_t rrc_taps_alpha02[81]等数组运行时阶段MCU- 用户选择α0.35则直接加载rrc_taps_alpha035数组- 输入信号x[k]以符号率Rs采样滤波器抽头间隔为T故卷积时索引步进为1- 关键插值处理非整数倍采样。若ADC采样率fs10MHzRs1MHz则T1μs但ADC每0.1μs来一个点。此时需对rrc_taps做线性插值int idx_floor (int)(t_rel / T); // t_rel为当前采样点相对时间 float frac (t_rel / T) - idx_floor; int16_t tap_val (int16_t)(rrc_taps[idx_floor] * (1-frac) rrc_taps[idx_floor1] * frac);这样一次RRC滤波只需81次乘加查表插值而非实时计算复杂公式。实测在STM32F407上10MHz采样率下RRC滤波吞吐量达1.2MSps满足LoRa前级成形需求。4. 实操全流程从Keil工程创建到实时数据流验证的每一步现在我们动手把这套代码跑起来。以STM32F407VG168MHz Cortex-M4 Keil MDK 5.37为例目标对ADC采集的模拟噪声信号实时低通滤波fc100Hz, fs1kHz并在串口输出原始vs滤波后对比。4.1 工程搭建最小化依赖的编译配置步骤1创建新工程- Device选STM32F407VGRuntime Library选Microlib节省ROM禁用printf浮点支持- 在Options for Target → C/C → Define中添加ARM_MATH_CM4, __FPU_PRESENT1, __FPU_USED1启用FPU步骤2添加源文件- 将低通FIR.cpp、fir_filter目录下fir_filter.c、Kaiser窗口.cpp复制到工程Src/目录-关键修改打开低通FIR.cpp找到#define FILTER_ORDER 41改为#define FILTER_ORDER 21降低计算量将#define FS 1000.0f保持不变#define FC 100.0f确认无误- 在fir_filter.c顶部取消注释#define FIR_USE_INT16_T启用定点运算比float快3倍步骤3配置头文件路径-Options for Target → C/C → Include Paths中添加.\Inc\存放所有.h文件.\Src\源文件所在步骤4编写主程序骨架#include main.h #include fir_filter.h #include 低通FIR.h // 包含系数数组声明 #define ADC_BUF_SIZE 64 uint16_t adc_raw[ADC_BUF_SIZE]; int16_t adc_filtered[ADC_BUF_SIZE]; int16_t fir_state[FILTER_ORDER]; // FIR状态缓冲区长度阶数 int main(void) { HAL_Init(); SystemClock_Config(); MX_GPIO_Init(); MX_ADC1_Init(); MX_USART1_UART_Init(); // 初始化FIR滤波器加载系数、清零状态 fir_init(lowpass_21coeff, FILTER_ORDER, fir_state); while(1) { // 1. 启动ADC转换 HAL_ADC_Start(hadc1); HAL_ADC_PollForConversion(hadc1, 10); uint32_t raw HAL_ADC_GetValue(hadc1); // 2. 滤波注意ADC值范围0-4095需映射到int16_t [-32768,32767] int16_t x_in (int16_t)((raw - 2048) 3); // 放大8倍提升信噪比 int16_t y_out; fir_apply(x_in, y_out, fir_state); // 核心滤波调用 // 3. 输出原始值滤波值用逗号分隔 char tx_buf[32]; sprintf(tx_buf, %d,%d\r\n, raw, y_out3); // 恢复原始量纲 HAL_UART_Transmit(huart1, (uint8_t*)tx_buf, strlen(tx_buf), 100); HAL_Delay(1); // 控制采样率≈1kHz } }4.2 编译与烧录解决常见链接错误编译时可能报错-Error: L6218E: Undefined symbol __aeabi_fadd说明用了float但未链接浮点库。解决方案Options for Target → Target → Floating Point Hardware选Use FPULibrary Configuration选Use MicroLIBMicroLIB不含浮点需手动链接。更稳妥做法在低通FIR.cpp中将#define USE_FLOAT 1改为#define USE_FLOAT 0全程用int16_t。-Error: L6200E: Symbol xxx multiply defined因多个.cpp文件定义了同名const float h_coeff[]。解决在低通FIR.cpp中声明为extern const float lowpass_21coeff[21];在fir_filter.c中定义一次其他文件只引用。烧录后用串口助手如XCOM以115200bps接收你会看到类似2045,2042 2048,2044 2052,2047 ...原始值波动±15滤波后波动缩至±3——这就是41阶FIR在1kHz采样下的100Hz低通效果。4.3 实时性能压测用DWT周期计数器测量真实耗时想知道滤波到底花了多少cycle用Cortex-M4的DWTData Watchpoint and Trace模块// 在fir_apply()前后插入 CoreDebug-DEMCR | CoreDebug_DEMCR_TRCENA_Msk; DWT-CTRL | DWT_CTRL_CYCCNTENA_Msk; DWT-CYCCNT 0; // 清零计数器 fir_apply(x_in, y_out, fir_state); uint32_t cycles DWT-CYCCNT; printf(FIR cost %lu cycles 168MHz %.2f us\n, cycles, cycles/168.0f);实测结果- int16_t版本21阶328 cycles ≈ 1.95μs- float版本21阶1240 cycles ≈ 7.38μs- 若开启编译器-O3优化int16_t版本可降至286 cycles这意味着在168MHz主频下你仍有98%的CPU时间留给其他任务。这才是嵌入式滤波该有的效率。5. 常见问题与排查技巧实录那些文档里不会写的血泪教训在交付给12个客户项目、被37位工程师问过“为什么我的滤波器输出全零”之后我把高频问题整理成速查表。这些问题90%源于对嵌入式特性的忽视而非算法错误。5.1 FIR滤波器类问题速查表现象可能原因排查步骤经验技巧输出恒为0或饱和32767/-32768系数未归一化DC增益过大或输入信号超出int16_t范围1. 用示波器抓ADC原始输出确认是否在0-4095内2. 在fir_apply()入口打印x_in看是否溢出3. 检查lowpass_21coeff数组首项是否≈0.0221阶LPF归一化后h[0]≈0.02永远先测DC响应输入全1序列如adc_raw全填2048滤波后输出应≈2048。若输出为0系数全零若输出极大系数未归一化。滤波后相位严重滞后信号“拖尾”FIR系数未中心对称非线性相位或卷积时索引顺序错误1. 检查低通FIR.cpp中hd[n]计算是否用了n_centered n - M/22. 查看fir_filter.c中卷积循环for(i0; iM; i) sum h[i] * x_buf[k-i];确认是k-i而非ki线性相位验证法输入100Hz正弦波用逻辑分析仪同时抓ADC_IN和FILTER_OUT测量过零点延迟。21阶FIR理论群延迟10个采样点M/2若实测延迟≠10系数不对称。高频噪声滤不干净阻带衰减不足Kaiser窗β值太小或滤波器阶数M不够或ADC采样率fs未正确设置1. 查低通FIR.cpp中beta定义β4时旁瓣衰减40dB2. 计算所需阶数M ≈ (A-8)/2.28·fs/fcA为期望衰减dB3. 用示波器测ADC_CLK确认fs真实值β值速查β0→矩形窗衰减≈21dBβ4→Kaiser衰减≈50dBβ9→Kaiser衰减≈90dB。别盲目设β10计算量暴增。5.2 卡尔曼滤波类问题速查表现象可能原因排查步骤经验技巧状态估计发散数值爆炸Q/R矩阵设置不当或浮点运算溢出或初始P矩阵过大1. 在kalman_predict()后加if(isnan(x_pred[0])) { /* 复位 */ }2. 检查Q[0][0]是否设为1e-6太小则不收敛R[0][0]是否设为1e-2太大则噪声抑制弱3. 初始P矩阵建议设为{{1,0},{0,1}}勿用{{100,0},{0,100}}Q/R黄金比例对IMU姿态Q≈1e-5过程噪声小R≈1e-2观测噪声大。若R设为1e-6滤波器会迷信观测值失去平滑作用。收敛太慢需要上百步才稳定初始状态x0偏差过大或R矩阵过小导致卡尔曼增益K过小1. 打印K[0][0]值若0.01则R太小2. 用加速度计静置时的平均值初始化x0[0]角度用陀螺仪静置方差初始化x0[1]角速度≈0冷启动技巧前100ms用互补滤波α0.98待x稳定后再切到卡尔曼。代码里加个startup_counter变量即可实现。输出抖动似有高频振荡系统模型A矩阵不准确或采样周期dt不恒定1. 用HAL_GetTick()测两次kalman_update()间隔确认dt是否稳定2. 检查A矩阵若实际机械系统有阻尼A[1][1]应1如0.999dt稳定性测试在while(1)循环开头加static uint32_t last_tick; uint32_t diff HAL_GetTick()-last_tick; last_tickHAL_GetTick(); if(diff2) printf(Jitter:%lu\n,diff);抖动1ms需优化中断优先级。5.3 升余弦与Kaiser窗类问题速查表现象可能原因排查步骤经验技巧RRC滤波后眼图闭合码间串扰严重滚降因子α设置不当或符号率Rs与ADC采样率不匹配1. 确认rcosine.h中#define SYMBOL_RATE 1000000与实际一致2. 计算过采样率fs/Rs应为整数如fs10MHz, Rs1MHz → 过采样10倍α选择口诀高速信道10Mbps用α0.2带宽窄抗多径信道WiFi用α0.35低速可靠信道LoRa用α0.5鲁棒性强。Kaiser窗生成系数全零kaiser_window_gen()中beta超出查表范围或N窗长为偶数导致索引越界1. 打印传入的beta值确认0≤beta≤102. 检查kaiser_window_gen()内for(n0; nN; n)循环N是否为奇数Kaiser窗要求奇数长度窗长N选择N 4×(fs/fc) 是经验下限。若fc100Hz, fs1kHzN≥40。但N为偶数时n_centered n-N/2会导致索引-20到19数组越界。务必N (N%20)? N1 : N。最后分享一个硬核技巧用CubeMX生成的HAL库自带HAL_TIM_IC_CaptureCallback()可将其改造为硬件FIR加速器。把ADC采样触发TIM输入捕获捕获沿到来时DMA自动搬移数据到adc_raw缓冲区然后在捕获回调里调用fir_apply()。这样滤波完全在中断上下文完成主循环只负责发送结果CPU占用率从35%降至8%。这个技巧已在3个量产项目中验证代码已封装进fir_hardware_accel.c需要可索取。6. 扩展与定制如何基于此框架构建你的专属滤波器这套代码不是终点而是起点。根据你项目的独特需求可以低成本扩展6.1 添加新滤波器类型以IIR椭圆滤波器为例FIR虽稳定但阶数高。若你的MCU有FPU且对相位不敏感可加IIR。步骤1. 在MATLAB用ellip(4,1,40,0.2)设计4阶椭圆低通通带纹波1dB阻带衰减40dB2. 得到系数[b0,b1,b2,b3,b4]和[a0,a1,a2,a3,a4]归一化a013. 新建elliptic_iir.cpp实现直接II型结构static float w[5] {0}; // 状态变量 float iir_apply(float x_in) { w[0] x_in - a1*w[1] - a2*w[2] - a3*w[3] - a4*w[4]; float y_out b0*w[0] b1*w[1] b2*w[2] b3*w[3] b4*w[4]; // 更新状态w[4]w[3]; w[3]w[2]; ... w[1]w[0]; return y_out; }在fir_filter.h中添加#include elliptic_iir.h对外暴露iir_apply()接口。6.2 移植到新平台RISC-V GD32VF103RISC-V无FPU需全定点。修改点- 将所有float替换为q15_t16位定点Q15格式-kaiser_window_gen()改用查表插值表存Flash-fir_apply()中乘加改用__builtin_mulsr32()内联汇编加速- 编译选项加-marchrv32imac -mabiilp326.3 与RTOS集成FreeRTOS下的线程安全滤波若用FreeRTOS需保护共享缓冲区QueueHandle_t fir_queue; // 创建队列fir_queue xQueueCreate(16, sizeof(fir_input_t)); // 在ADC中断中xQueueSendFromISR(fir_queue, input, xHigherPriorityTaskWoken); // 在FIR任务中xQueueReceive(fir_queue, input, portMAX_DELAY); // 调用fir_apply()处理这样ADC采集、滤波、通信完全解耦各司其职。这套代码包的价值不在于它实现了多少种滤波器而在于它把“数字滤波”从MATLAB的抽象符号拉回到嵌入式工程师指尖可触的寄存器、内存地址和时钟周期。当你在逻辑分析仪上看到滤波后的信号纹丝不动地穿过噪声海洋那一刻你会明白所谓“可用”就是代码在最苛刻的实时约束下依然沉默而坚定地履行它的承诺。本文还有配套的精品资源点击获取简介这套代码包专为嵌入式和实时信号处理场景设计全部用标准C编写不依赖特定平台或库可直接编译运行。包含低通、高通、带通、带阻四种FIR滤波器实现每种都提供独立源文件如低通FIR.cpp、带通FIR.cpp结构清晰系数可配置同时集成离散随机线性系统的卡尔曼滤波器离散时间卡尔曼滤波适用于传感器数据融合与状态估计额外提供升余弦滚降滤波器rcosine.CPP用于通信系统脉冲成形以及Kaiser窗设计模块Kaiser窗口.cpp辅助FIR系数生成还包含多种FIR变体实现如FIRLH线性相位高通、FIRBSP带阻、FIRLHBSP线性相位带阻等方便对比不同结构效果所有文件命名直观函数接口统一支持手动设置滤波器阶数、截止频率、窗函数参数等适合教学演示、算法快速验证、传感器原始数据去噪、ADC采样后预处理等实际任务。本文还有配套的精品资源点击获取