基于micropython的数字滤波器

刚参加了昨天的硕士研究生考试，专业课考的信号与系统，报考学校今年出题出的有点偏，不是题型偏而是考察知识点有明显的偏重，简单说考纲里所罗列的考点最多只考了百分之三十，考系统输入输出方程的提有好几道，傅立叶的题好几道，考试前我特意巩固的离散系统没怎么考，拉普拉斯没怎么考，上场前画了个信号流熟悉了熟悉梅森公式热热身也没考，滤波器也没按正常套路考。。。。。总之今年专业课有点诡异。

不管怎样已经考完了过去了就不再去想了静待结果吧。

今天从实用的角度好好学习学习滤波器以及傅立叶变换，先搞滤波器。考前star了一个github的一个开源项目，关于数字滤波器代码实现的，源码地址绑定在文末阅读全文处。

首先向这位前辈大师表示敬重，最近一直在找相关的资料，在micropython社区发现了这位大师，他有很多基于micropython好玩有趣的开源代码，mark一下。

主要是基于micropython开发板的快速数字滤波器实现，开发板如图所示，板载STM32F405

数据采集过程中采集到数据往往不直接使用，而是经过一定的过滤以后才使用，原因是因为这些信号中包含了各种噪声，滤波的目的就是减少这些数据中的随机扰动，隔离特定的信号或者减小数据突变带来的异常响应。

通常减少噪音常用的方法有滑动取最后N个样本进行平均计算，这在计算上非常简单所以也很快，但这是比较粗糙的一种形式，因为N个样本中最老的样本与最新的样本具有同样的权重，这通常并不是最佳的。

还有就是FIR滤波器（有限长单位冲激响应滤波器，又称为非递归型滤波器），这个滤波方法可以看作滑动平均的延伸，相比滑动平均值滤波，该方法对每一个样本分配了不同的权重，这些权重由一组数组定义，计算时，每个样本乘以其系数，然后在对他们求和。FIR滤波器可以设计成产生一系列滤波器类型：低通，高通，带通，带阻等。它们也可以被定制为对突然变化（脉冲响应）产生特定的响应。

该项目代码里滤波器用于处理单片机实时采集的数据（整数数据），耗时很短可以用在中断程序里。主要实现了上述两种滤波器.计算对象是32位有符号整形，在micropython开发板中，滑动平均需要8微秒，FIR需要15微秒来获得一组典型系数。

里面一共有8个后缀名为py的python代码文件。

第一个asm.py是一个演示文件，演示了汇编语言在micropython中的使用

第二个avg.py和第三个avgtest.py是滑动平均滤波的代码实现以及实例代码

后面全是fir滤波器的代码实现以及多个实例代码。

文件lpf.py使用该板作为截止频率为40Hz的低通滤波器。它处理X7引脚上的模拟输入，对其进行滤波，并将结果输出到DAC2（X6）。为了方便起见，代码包含一个DAC1（X5）输出的扫频振荡器。通过连接X5和X7，可以在X6上查看过滤结果。

滤波器使用定时器4以2KHz采样输入数据。 该程序在DAC1上产生扫频正弦波，并使用X7引脚上的ADC进行读取。经过滤波的信号在DAC2上输出。输入信号以定时器4的2KHz采样，FIR滤波器在定时器的回调处理程序中运行。

当使用振荡器测试滤波器时，您可能会看到阻带中偶然发生的瞬变现象。这些是由振荡器频率的阶跃变化引起的瞬态频率成分的结果：这可以通过增加频率变化之间的延迟来证明。理想情况下，振荡器会发出一个缓慢的，连续的扫描。

firtest.py说明了FIR操作，并用不同的系数集来计算执行时间。