1. MPU6050数据为什么会抖先把噪声来源搞清楚1.1 六轴传感器的真实输出没那么干净很多朋友拿到MPU6050之后第一件事就是上电、初始化、读数据然后对着串口助手看波形。结果发现加速度计的数据在静止状态下依然上下跳陀螺仪的角速度输出也有零点漂移这个时候第一反应往往是“这芯片是不是有问题”或者“我的I2C时序是不是不对”。其实板子和代码大概率都是好的问题出在MPU6050本身输出的原始数据就无法做到静态稳定。MPU6050内部集成了三轴MEMS加速度计和三轴MEMS陀螺仪MEMS器件的物理特性决定了它对机械噪声、电源纹波、温度变化都非常敏感。加速度计检测的是比力specific force静止时理论上只输出重力加速度1g但实际你读到的数据会在0.98g到1.02g之间波动陀螺仪静止时理论上角速度应为0但实际输出的可能是一个几度每秒到几十度每秒的浮动值。这个浮动大小跟芯片的供电质量、PCB布局、焊接工艺、甚至是你用手捏住板子时的温度都有关系。另外一个容易被忽略的噪声来源是I2C读取时序本身。如果你在STM32的主循环里高频读取MPU6050每次读取的时候总线上的电平跳变会通过电源和地平面耦合到传感器内部产生额外的电磁干扰。特别是当你用杜邦线连接STM32和MPU6050模块的时候这个问题会更明显杜邦线就是一根天线把周围的工频干扰、电机驱动产生的尖峰都收了进来。1.2 为什么加速度计和陀螺仪需要分开看加速度计和陀螺仪的噪声特性是截然不同的这一点直接决定了后续滤波方案的选型。加速度计的低频特性好频响响应到直流0Hz也就是说你拿它测重力方向是很准的长期来看它的输出不会漂移。但它的高频噪声大因为MEMS加速度计的核心是一个质量块加弹簧结构外界的高频振动比如电机转动、桌面震动会直接引起质量块谐振导致输出叠加明显的高频毛刺。陀螺仪则相反它测量的是角速度高频特性好动态响应快短时间内的角速度变化它都能捕捉到。但陀螺仪有个致命弱点就是零偏漂移bias drift静止时它的输出并不会稳稳地停在0而是会缓慢地朝一个方向飘过去温度变化、上电时间长了之后这个漂移还会变化。如果直接用陀螺仪积分算角度几分钟后你就能看到角度已经偏到天边去了。所以滤波这件事本质上就是拿加速度计的低频可信部分去校准陀螺仪的高频可信部分让两者优势互补。这也是为什么所有的姿态解算方案里面滤波永远是一个无法绕开的话题。2. 滤波方案的选型思路先决定你要多快、多稳、多省2.1 四类常见滤波算法的优劣对比在我实际接触过的STM32MPU6050项目里用的最多的滤波方案就是滑动窗口滤波、一阶低通RC滤波、互补滤波和卡尔曼滤波。这四类各有各的适用场景先看一张对比表再展开滤波方案计算开销内存占用延迟适用场景工程难度滑动窗口平均极低低需开数组高窗口越长延迟越大静态/准静态数据平滑低一阶低通RC极低极低2个变量中实时性要求较高的数据流低互补滤波低低低姿态解算角度融合中卡尔曼滤波中高中需维护协方差矩阵低高精度姿态估计/动态场景高单从计算资源来说STM32F103C8T6这颗72MHz的Cortex-M3内核跑卡尔曼滤波是完全没有压力的哪怕是浮点运算主频跑满也能轻松支撑几百赫兹的滤波频率。但卡尔曼的问题在于调参难度——你要面对过程噪声协方差矩阵Q和测量噪声协方差矩阵R这两个矩阵的取值直接决定了滤波效果调起来非常玄学没有一个通用的公式去算。滑动窗口滤波最容易理解就是把最近N次采样的值存下来取平均。它的优点是实现简单、对周期性噪声抑制效果好缺点也很明显N越大滞后越厉害而且需要一块连续的内存来存历史数据。我在一个无人机项目里就是用滑动窗口滤波平滑遥控器的摇杆输入效果很不错但那个场景对延迟不敏感。一阶低通滤波就是模拟RC电路的数字实现公式就一行output output_old alpha * (input - output_old)。它最大的价值是计算量极小、响应速度快、调起来直观alpha取大就跟随得快取小就更平滑。它的缺点是对周期性噪声的抑制能力有限滤波后波形还是能看到明显的锯齿。互补滤波是专门为姿态解算设计的它的核心思想是加速度计算出的角度经过低通滤波滤掉高频震动陀螺仪积分出的角度经过高通滤波滤掉漂移两者按权重相加。这个方案在中小型四轴飞行器和平衡车上已经经过了充分的工程验证是性价比极高的一种方案。2.2 选型前先回答三个问题我在给一些朋友看代码的时候发现大家经常会陷入“什么算法高级就用什么”的误区。有个做智能台灯的同学一上来就上了卡尔曼滤波结果把姿态角滤波出了差不多200ms的延迟单摆动作都跟不上。所以我建议在决定用哪套滤波之前先问自己三个问题。第一你的应用是测角度还是测原始加速度/角速度如果是前者比如平衡车、云台应该优先考虑互补滤波或卡尔曼如果是后者比如振动检测、碰撞检测那滑动窗口或一阶低通就够用了。第二你的数据变化频率是多少像人体动作、肢体姿态这种低频变化用一阶低通加互补滤波足够如果是高动态的飞行器控制滤波延迟可能直接导致系统发散这时候卡尔曼虽然调参麻烦但它的预测-更新机制能最大程度压低延迟。第三你的MCU还要干别的活吗我在一个项目中用STM32F103同时驱动OLED、处理按键、跑PID控制、读取MPU6050这个时候如果每个数据都走卡尔曼代码可维护性和执行效率都会受影响。把计算量大的滤波放到低频任务里执行或者直接选择更轻量的方案往往更合理。3. 环境准备与MPU6050数据读取滤波之前先保证数据通道可靠3.1 开发环境与硬件接线滤波算法的输入是数据数据通道如果不稳定再好的滤波算法也救不回来。所以这里先花点篇幅讲环境搭建和硬件接线这部分我踩过的坑比较典型。开发环境方面STM32的选择现在很丰富可以用Keil MDK、STM32CubeIDE、VSCodeEIDE或者PlatformIO。个人建议新手直接用STM32CubeIDE或者Keil前者免费且自带CubeMX集成后者是很多人习惯的桌面IDE网上资料也最全。如果你熟悉VSCode也可以装EIDE插件来做工程管理体验相当接近专业IDE编译下载一条龙。MPU6050模块的接线非常固定VCC接3.3V部分模块可以接5V但最好先查模块上的稳压芯片型号有些山寨模块标称5V实际会烧GND接GNDSCL接I2C时钟线F103默认PB6或PB8看你用的I2C外设SDA接I2C数据线对应PB7或PB9。还有两个引脚需要注意AD0是I2C地址选择引脚接GND时器件地址是0x68接VCC时是0x69INT是中断输出引脚可以接到STM32的外部中断引脚上用于数据就绪触发读取。这里有个容易被忽略的点如果你用的是F103C8T6的PB6/PB7I2C1注意PB6和PB7上拉到3.3VMPU6050模块通常板上已经带了上拉电阻但如果你的模块是纯裸片就需要在总线上加两个4.7kΩ的上拉电阻。没有上拉的I2C总线可能会出现时钟 stretching 异常读出来的数据全是0xFF或者0x00。3.2 I2C初始化与传感器配置的代码骨架使用HAL库的话I2C初始化和MPU6050配置非常简单主要是调用HAL_I2C_Mem_Write往传感器寄存器里写配置。下面是关键的初始化代码#include i2c.h #include mpu6050.h #define MPU6050_ADDR (0x68 1) // 左移一位适配HAL库的7位地址访问方式 void MPU6050_Init(void) { uint8_t temp; // 唤醒MPU6050复位后默认处于睡眠模式 temp 0x00; HAL_I2C_Mem_Write(hi2c1, MPU6050_ADDR, MPU6050_RA_PWR_MGMT_1, 1, temp, 1, 100); // 配置采样率SMPLRT_DIV 0即采样率 内部时钟频率 temp 0x00; HAL_I2C_Mem_Write(hi2c1, MPU6050_ADDR, MPU6050_RA_SMPLRT_DIV, 1, temp, 1, 100); // 配置数字低通滤波器DLPF带宽184Hz延迟2ms temp 0x01; // ACCEL_CONFIG中配置加速度计带宽 HAL_I2C_Mem_Write(hi2c1, MPU6050_ADDR, MPU6050_RA_CONFIG, 1, temp, 1, 100); // 设置陀螺仪量程为±2000°/s temp 0x18; // GYRO_CONFIG 寄存器FS_SEL3 HAL_I2C_Mem_Write(hi2c1, MPU6050_ADDR, MPU6050_RA_GYRO_CONFIG, 1, temp, 1, 100); // 设置加速度计量程为±2g temp 0x00; // ACCEL_CONFIG 寄存器AFS_SEL0 HAL_I2C_Mem_Write(hi2c1, MPU6050_ADDR, MPU6050_RA_ACCEL_CONFIG, 1, temp, 1, 100); }这段代码里有一个很多人忽略的细节MPU6050_RA_CONFIG寄存器地址0x1A并不是加速度计的配置而是数字低通滤波器DLPF配置寄存器。它的低三位DLPF_CFG决定了加速度计和陀螺仪的带宽取值0对应内部8kHz采样、无滤波取值1对应184Hz带宽、2ms延迟。滤波教程里讲软件滤波但芯片内部其实已经有一级硬件低通滤波了合理配置它能很大程度上减轻软件滤波的压力。读取数据的代码也很直接每次读14个字节依次是加速度计XYZ、温度、陀螺仪XYZ的高低位uint8_t buf[14]; HAL_I2C_Mem_Read(hi2c1, MPU6050_ADDR, MPU6050_RA_ACCEL_XOUT_H, 1, buf, 14, 100); int16_t accel_x (int16_t)((buf[0] 8) | buf[1]); int16_t accel_y (int16_t)((buf[2] 8) | buf[3]); int16_t accel_z (int16_t)((buf[4] 8) | buf[5]); int16_t gyro_x (int16_t)((buf[8] 8) | buf[9]); int16_t gyro_y (int16_t)((buf[10] 8) | buf[11]); int16_t gyro_z (int16_t)((buf[12] 8) | buf[13]);量程对应关系加速度计±2g时每LSB对应16384 LSB/g陀螺仪±2000°/s时每LSB对应16.4 LSB/(°/s)。换算成物理值就是除以对应的灵敏度系数。4. 三种主流滤波方案的STM32实现4.1 滑动窗口滤波最简单也最容易被忽视的内存取舍滑动窗口滤波的思路一句话就能说清楚维护一个长度为N的缓冲区每次来一个新数据就丢弃最旧的数据然后对缓冲区里所有数据求平均。它适合用来平滑加速度计的静态读数比如让重力方向的角度计算更稳定。在STM32上实现要用环形队列或者循环数组来避免频繁搬移数据。我用一个简单的数组加头索引的方式实现#define WINDOW_SIZE 10 static float window_buf[WINDOW_SIZE]; static uint8_t window_index 0; static float window_sum 0.0f; static uint8_t window_full 0; float sliding_window_filter(float new_value) { // 减去最旧数据如果窗口还没满减0即可 window_sum - window_buf[window_index]; // 存入新数据 window_buf[window_index] new_value; window_sum new_value; window_index; if (window_index WINDOW_SIZE) { window_index 0; window_full 1; } // 窗口未满时按当前有效样本数平均 uint8_t count window_full ? WINDOW_SIZE : window_index; return window_sum / count; }这个实现的优势在于只需要一遍加法、一遍减法、一次除法不涉及数据搬移执行效率很高。在72MHz主频下跑一个窗口长度10的均值滤波单次耗时在几百纳秒级别完全可以放在每次传感器读取之后直接调用。不过滑动窗口有一个明显的副作用就是相位延迟。窗口长度N对应的平均延迟大约是(N-1)/2个采样周期。假设你的采样频率是100Hz窗口长度10那么滤波后的数据会有约45ms的滞后。如果你的应用是高速动态测量比如手势识别这个滞后可能不可接受如果是静态倾角测量那完全没问题。4.2 一阶低通滤波RC电路的数字化一阶低通滤波在嵌入式里算是最常见的软件滤波算法它模拟的是模拟RC低通电路的特性。RC电路的截止频率由公式f_c 1 / (2πRC)计算数字化之后滤波系数alpha和安全周期采样周期的关系是[ alpha \frac{\Delta T}{RC \Delta T} ]这个式子看起来复杂实际用起来非常简单。假设你的采样周期是10ms100Hz采样你希望截止频率在5Hz左右也就是滤掉5Hz以上的波动那么RC 1 / (2π × 5) ≈ 31.8ms对应的alpha ≈ 10 / (31.8 10) ≈ 0.24。代码这样写typedef struct { float alpha; float last_output; } LowPassFilter_t; void LowPassFilter_Init(LowPassFilter_t *f, float alpha) { f-alpha alpha; f-last_output 0.0f; } float LowPassFilter_Update(LowPassFilter_t *f, float input) { f-last_output f-last_output f-alpha * (input - f-last_output); return f-last_output; }我见过不少新手在这个公式上翻车直接把alpha当成0到1之间随便填的数导致了两个极端alpha取值太接近1比如0.95滤波几乎不起作用alpha取值太小比如0.01输出变得非常迟钝你猛烈摇晃传感器输出还是慢悠悠地爬。正确做法是先确定你想要的截止频率和采样频率然后反推alpha。我一般把一阶低通的截止频率设为5Hz到20Hz之间用于消除高频振动噪音如果你发现滤波后数据还是抖动明显不要一味降低截止频率先检查采样频率是否稳定因为alpha是建立在固定采样周期基础上的采样周期抖动会直接影响实际截止频率。4.3 互补滤波姿态解算从加速度和陀螺仪融合出角度滑窗和低通滤波解决的是单路数据的平滑问题但如果你要做的是姿态解算——也就是算出当前板子的俯仰角Pitch和横滚角Roll那必须上互补滤波。这是我个人在平衡车、两轮自平衡机器人项目里验证过无数次的一套方案。先说原理。加速度计可以直接通过反正切函数算出角度Roll atan2(accel_y, accel_z)Pitch atan2(-accel_x, sqrt(accel_y² accel_z²))这个角度在静态下是准的但有振动时波动大陀螺仪通过对角速度积分也能得到角度短时间很准但漂移会随时间累积。互补滤波的思路就是让两者互补加速度计角度经过低通滤掉高频抖动陀螺仪积分角度经过高通滤掉低频漂移然后相加得到融合角度。实现代码非常简洁#define FILTER_GAIN 0.98f static float pitch 0.0f; static float roll 0.0f; void ComplementaryFilter_Update(float accel_x, float accel_y, float accel_z, float gyro_rate_x, float gyro_rate_y, float dt) { // 加速度计解算角度单位弧度 float accel_pitch atan2f(-accel_x, sqrtf(accel_y * accel_y accel_z * accel_z)); float accel_roll atan2f(accel_y, accel_z); // 互补滤波高通(陀螺仪积分) 低通(加速度计解算) pitch FILTER_GAIN * (pitch gyro_rate_y * dt) (1.0f - FILTER_GAIN) * accel_pitch; roll FILTER_GAIN * (roll gyro_rate_x * dt) (1.0f - FILTER_GAIN) * accel_roll; }这里的FILTER_GAIN取值决定了陀螺仪和加速度计各自的可信度。0.98意味着98%的权重给陀螺仪积分结果2%给加速度计计算结果实际效果就是快速运动时跟踪陀螺仪动态响应快静止时被加速度计慢慢拉回到真实角度消除漂移。这个值一般取0.95到0.995之间越大越信任陀螺仪越小越信任加速度计没有绝对正确要根据你的实际动态和噪声水平调整。我在平衡车上实测过0.98倍增益下角度曲线非常平稳即使在电机运转带来的震动环境下融合后的角度波动不超过±0.5°而直接用加速度计计算的角度波动能到±3°以上。互补滤波在这个场景下兼具了实时性和稳定性。4.4 补充卡尔曼滤波在STM32上的实现思路卡尔曼滤波在一阶系统的角度估计上其实没有想象中那么复杂它的本质是两个步骤预测和更新。预测阶段用陀螺仪积分推算出当前角度更新阶段用加速度计的角度测量值去修正预测值。在一维角度估计中卡尔曼滤波的状态向量通常包含两个量角度和陀螺仪的零偏。这样在滤波过程中就能实时估计并补偿陀螺仪的漂移这是互补滤波做不到的。typedef struct { float Q_angle; // 过程噪声角度 float Q_bias; // 过程噪声陀螺仪零偏 float R_measure; // 测量噪声加速度计 float angle; // 当前角度估计值 float bias; // 陀螺仪零偏估计值 float P[2][2]; // 误差协方差矩阵 } Kalman_t; void Kalman_Init(Kalman_t *k) { k-Q_angle 0.001f; k-Q_bias 0.003f; k-R_measure 0.03f; k-angle 0.0f; k-bias 0.0f; k-P[0][0] 0.0f; k-P[0][1] 0.0f; k-P[1][0] 0.0f; k-P[1][1] 0.0f; } float Kalman_Update(Kalman_t *k, float new_angle, float new_rate, float dt) { // 预测阶段 float rate new_rate - k-bias; k-angle dt * rate; k-P[0][0] dt * (dt * k-P[1][1] - k-P[0][1] - k-P[1][0] k-Q_angle); k-P[0][1] - dt * k-P[1][1]; k-P[1][0] - dt * k-P[1][1]; k-P[1][1] dt * k-Q_bias; // 更新阶段 float S k-P[0][0] k-R_measure; float K0 k-P[0][0] / S; float K1 k-P[1][0] / S; float y new_angle - k-angle; k-angle K0 * y; k-bias K1 * y; float P00_temp k-P[0][0]; float P01_temp k-P[0][1]; k-P[0][0] - K0 * P00_temp; k-P[0][1] - K0 * P01_temp; k-P[1][0] - K1 * P00_temp; k-P[1][1] - K1 * P01_temp; return k-angle; }这个实现是网上流传很广的经典版本我拿它跑过很多次效果确实比互补滤波更平滑尤其是对陀螺仪零偏的动态补偿很有效。但它的难点在Q和R参数的调整上如果设置不当输出会出现滞后或者过度跟随噪声。我的建议是如果互补滤波已经能满足项目需求先不要上卡尔曼等需要更高精度再迁移到卡尔曼。5. 在线调参与数据观测技巧滤波效果不能靠猜5.1 用串口波形替代串口数字很多初学者通过串口助手打印滤波前后的数值用肉眼判断滤波效果好与坏。说句实在话纯数字根本看不出滤波效果你盯着满屏滚动的数字看一秒钟很难察觉波动是±20还是±5。正确的做法是把数据可视化。最简单的方案就是用匿名上位机或者VOFA这类串口波形软件通过串口把原始数据和滤波后的数据同时发出来在电脑上实时看波形曲线。VOFA是免费软件支持拖拽式配置用起来非常顺手推荐大家试一试。发送数据的时候可以用简单的帧格式比如帧头、通道号、数据、校验和。匿名上位机的协议一般是9195协议VOFA支持float数组以逗号分隔的CSV格式最简单的就是那种printf(%.2f,%.2f,%.2f\r\n, raw_angle, filtered_angle, 0.0f);然后把波形窗口配置三个通道就可以实时看到原始角度和滤波角度的对比。为什么强调要同时看两条曲线因为这样一来滤波的延迟、削幅、平滑度就一目了然了。如果两条曲线几乎重合说明滤波力度不够如果滤波后的曲线在剧烈动作时跟不上原始曲线说明滤波太强或者参数不对。5.2 采样频率的标定与dt的精确测量互补滤波和卡尔曼滤波都用到了采样周期dt这个dt到底是多少直接决定了姿态解算的准确性。我一个朋友在调平衡车的时候姿态解算程序的dt写死成0.01秒10ms但实际上他的主循环跑一圈要15ms左右结果解算出来的角度有明显周期性跳动一直查不出问题最后我用逻辑分析仪抓引脚电平才发现是dt不准导致的。获取准确dt的方法有两个最简单的是在每次主循环里面读取定时器的计数值uint32_t t_now __HAL_TIM_GET_COUNTER(htim); float dt (float)(t_now - t_last) / 72000000.0f; // 假如定时器时钟是72MHz t_last t_now;这样无论你的主循环耗时多少每次解算用的dt都是真实值。这个方法比睡死一个固定延时可靠得多。另外MPU6050内部自带一个温度传感器长期工作后温度变化会导致陀螺仪零偏漂移所以一些精度要求高的项目还会在代码里加入陀螺仪零点校准就是上电静止状态下采集几百组陀螺仪数据求平均作为零偏值存起来之后每次读取都减去这个零偏。这个步骤对互补滤波和卡尔曼滤波的效果提升非常明显。5.3 量纲统一滤波前先做好单位换算在我的经验里滤波效果不好的原因有一大类跟算法本身无关而是量纲不一致。MPU6050读出来的是原始LSB值如果你直接把原始LSB喂给互补滤波那么加速度计解算角度时用atan2是没问题的因为反正切运算的本质是比值量纲会约掉但陀螺仪积分的rate一定要是带量纲的物理值°/s如果不除以灵敏度系数就积分角度会飞快地发散。所以读取数据后第一件事就应该是float gyro_x_deg (float)gyro_raw_x / 16.4f; // ±2000°/s量程 float accel_x_g (float)accel_raw_x / 16384.0f; // ±2g量程另外注意单位统一陀螺仪如果用rad/s那么积分出来的角度是弧度如果用°/s积分出来的是度。互补滤波里面加速度计反正切算出来的角度单位也要和陀螺仪保持一致这个细节出错会导致融合角度整体偏差而且不好排查。6. 常见问题与排查技巧实录6.1 为什么滤波后数据还是有毛刺这个问题的排查顺序是这样的先看原始数据是否带有明显的周期性脉冲尖峰。如果原始数据在大部分时间平稳但偶尔出现一个巨大的跳变那多半不是噪声问题而是I2C读取偶发错误导致的异常值。可以打印一下读取函数的返回值或者检查校验逻辑将连续两次读取值之差超过阈值的样本丢弃就能解决。如果原始数据的毛刺是持续性的高频抖动那大概率是电源问题。MPU6050对电源纹波比很多人想象的敏感我遇到过用同一路3.3V给舵机和MPU6050供电的场景舵机转动时MPU6050数据一塌糊涂。解决办法是给传感器单独加一颗10μF钽电容0.1μF陶瓷电容做去耦或者用单独的LDO供电。最后检查你的采样线和传感器之间的距离。杜邦线长度超过20cm时高速I2C的信号完整性和抗干扰能力都会下降。实测下来用短杜邦线10cm以内比长线好很多能画板的话直接用PCB走线效果最佳。6.2 程序编译下载失败找不到STM32目标设备这个话题和滤波没有直接关系但工程中太常见了顺手整理一下。Error: No STM32 target found! If your product embeds debug authentication, please这类错误在ST-Link下载时很常见很多人误以为是芯片坏了其实90%的情况是接线或配置问题。排查顺序按照高概率排列接线错误ST-Link的SWDIO、SWCLK、GND三根线必须和目标板对应连接。有个别开发板的SWDIO和SWCLK丝印是反的务必对照原理图确认。供电不足如果目标板由ST-Link的3.3V供电而目标板上有电机、屏幕等外设瞬间电流可能把电压拉垮导致无法建立调试连接。外接独立电源后问题一般就解决了。复位引脚被拉低某些板子的NRST被按键或者其他外设占用导致调试器无法对芯片复位。用示波器或万用表量一下复位引脚电平。芯片读保护之前烧录过程序并且使能了读保护RDP会导致后续下载失败。这时可以用STM32CubeProgrammer连接芯片并全片擦除来解除。调试接口被禁用代码里把SWD引脚复用成了普通GPIO一旦烧录进去下次就无法通过调试器连接。解决方法是按住复位键点击下载的瞬间松开复位或者用串口ISP擦除。6.3 虚拟串口驱动异常设备管理器感叹号还有一个常见问题是STM32板子上虚拟串口VCP在电脑上显示感叹号。这个问题的原因通常是驱动冲突或系统识别问题。首先确认你用的是ST-Link板载虚拟串口还是一颗CH340串口芯片前者用ST官方驱动后者用CH340驱动。Windows下如果装了不匹配的驱动手动强制更新驱动到正确的INF文件就能解决。如果你用的是老版本VCP驱动并且升级过Windows出现感叹号的概率很高建议直接卸载设备并删除驱动然后重新安装最新版STSW-STM32009驱动包。如果还是不行检查一下USB线是否只能充电不能传数据这也是一个很隐蔽的坑。7. 滤波参数整定的实战建议7.1 用“频段分离”的思路去选滤波参数滤波参数说到底就是一个平衡问题你想要的是把噪声去掉又不想把真实信号一起滤掉。在实际工程里我更愿意用频段分离的思路去分析。先估算你感兴趣的信号最高频率。比如你做人手手势识别手的摆动频率很少超过5Hz做平衡车姿态控制车辆倾斜角的响应频率通常也在10Hz以内做振动监测可能要到几十甚至上百Hz。信号的最高频率决定了你滤波的截止频率下限——如果截止频率低于信号频率那你滤掉的不只是噪声还有有效信息。然后估算噪声的频段。除了白噪声外很多嵌入式系统的噪声是有规律可循的电机PWM的噪声频率通常和PWM频率一致例如10kHz PWM就是10kHz的噪声电源纹波往往是100Hz50Hz交流电整流后的二倍频或者更高频率的开关纹波。如果噪声集中在特定频段用更高阶的滤波器效果更明显如果噪声是宽频带的滑动窗口和一阶低通也就只能做到这个程度了。我有一次做一个基于MPU6050的人体跌倒检测项目发现波形中有明显的10Hz左右周期性成分查了很久才发现是LED驱动电路的PWM频率是10kHz通过电源耦合到传感器上在采样率100Hz下混叠成了10Hz的噪声。后来把采样率提高到500Hz并在模拟前端加了RC低通问题就解决了。7.2 采样率大于信号带宽奈奎斯特定律在滤波中的应用滤波之前必须先保证采样率满足奈奎斯特定律——也就是采样率至少是信号最高频率的两倍。很多人在做MPU6050滤波时犯的错误是为了省主循环开销把采样率压到50Hz然后发现原始数据里的噪声频率在30Hz左右跟信号混在一起滤波根本无法区分。这种情况下唯一的正解是提高采样率。MPU6050的推荐采样率一般是100Hz到1kHz我用得比较多的是200Hz到500Hz。采样率提高后一阶低通滤波可以有更宽的选择余地滑动窗口的窗口长度也可以取得更大而不增加延迟。代价是MCU负载增加I2C总线的占用率也升高但以F103的72MHz主频来说500Hz的采样率下读取MPU6050占用CPU的比例也只是个位数百分比完全能接受。7.3 滤波前先做静态校准最后再说一个非常实用的小技巧滤波器整定之前先做传感器静态校准。方法很简单上电后把板子水平静止放置采集200到500组原始数据分别求平均得到加速度计的零偏和陀螺仪的零偏然后在滤波之前先减去这些零偏。这个步骤看起来简单效果却非常明显。尤其对陀螺仪零偏如果高达1°/s到2°/s积分一分钟就要偏60到120度再牛逼的互补滤波或卡尔曼滤波也需要时间去修正。做完整零偏校准后静止时积分漂移可以降到每分钟几度以内姿态解算的稳定度提升非常明显。我把这个方法用在一个四轴自稳小飞机上起飞前陀螺仪零偏校准后悬停时姿态角的稳定性比我之前直接上电就用提升了不止一个档次。如果你做的是倾角仪、云台这类精度敏感项目务必把静态校准加入上电流程。8. 结尾从滤波出发继续深入姿态解算卡曼滤波、互补滤波、滑动窗口、一阶低通每种算法都有它的脾气和适用边界。我在实际项目中踩过不少坑最深的体会是滤波不是越高级越好而是在满足实时性、稳定性和计算开销的约束下找到最适合当前应用的那个折中点。STM32F103这颗芯片虽然老但配合MPU6050做姿态解算性能完全够用难的是把数据调理做到位。如果你已经在自己的板子上成功跑通了上面任意一种滤波那么下一步可以试着把滤波后的数据用在PID控制回环里做一个平衡车或者云台也可以尝试把MPU6050的DMP库移植过来直接用官方姿态解算输出的四元数。但不管你往哪个方向走都建议保留一份带波形观测的调试工程因为任何控制算法最终都要落在可靠的数据源上。最后再分享一个小技巧调试滤波参数的时候不要把滤波代码和业务逻辑写在一个大循环里。把传感器读取、滤波、数据发送单独拆成独立函数用定时器中断固定采样频率驱动这样你改参数、加功能都不用碰其他代码排查问题也能快速定位。这个习惯帮我省了非常多的时间。