一维度 kalman滤波平滑 C语言模型包含定值模型(α滤波器)匀速模型(α-β滤波器)匀加速度模型(α-β-γ滤波器)定值模型α滤波器这货最适合处理波动不大的传感器数据比如恒温箱温度采集。模型假设被测值基本不变代码结构简单到离谱typedef struct { float pos; // 估计值 float alpha; // 滤波系数 (0~1) } alpha_filter; void update(alpha_filter* f, float measurement) { f-pos f-pos f-alpha * (measurement - f-pos); // 核心就这一行 }看到那个(measurement - f-pos)没这就是传说中的残差。alpha参数控制着新数据的影响力度——给0.5时新老数据五五开给0.1则新数据只占10%权重。实测时alpha越大响应越快但毛刺多越小越平滑但延迟明显。匀速模型α-β滤波器当处理运动物体轨迹时得考虑速度分量了。这时候得升级到双状态模型typedef struct { float pos; // 位置 float speed; // 速度 float alpha; // 位置增益 float beta; // 速度增益 float dt; // 采样间隔 } alpha_beta_filter; void predict(alpha_beta_filter* f) { f-pos f-speed * f-dt; // 预测阶段先按速度推算 } void update(alpha_beta_filter* f, float measurement) { float residual measurement - f-pos; f-pos f-alpha * residual; // 更新位置 f-speed (f-beta * residual)/f-dt; // 更新速度 }注意beta参数和dt的配合使用这里藏着个坑dt必须是固定采样间隔当物体真的匀速时这模型能滤掉80%的随机抖动。实际调试时alpha和β建议按0.5*sqrt(1-β)的关系配比。一维度 kalman滤波平滑 C语言模型包含定值模型(α滤波器)匀速模型(α-β滤波器)匀加速度模型(α-β-γ滤波器)匀加速模型α-β-γ滤波器需要处理加速度的场景比如火箭发射初段模型复杂度再升一级typedef struct { float pos; float speed; float accel; float alpha, beta, gamma; float dt; } alpha_beta_gamma_filter; void predict(alpha_beta_gamma_filter* f) { f-speed f-accel * f-dt; f-pos f-speed * f-dt 0.5 * f-accel * f-dt * f-dt; } void update(alpha_beta_gamma_filter* f, float z) { float residual z - f-pos; f-pos f-alpha * residual; f-speed (f-beta * residual)/f-dt; f-accel (2.0f * f-gamma * residual)/(f-dt * f-dt); }重点看加速度更新项里的2.0f系数这不是随便写的——来自二阶导数的离散化计算。实测时建议γ取β²/(2-α)能较好平衡动态响应和稳定性。注意这类模型对高频噪声敏感最好前置低通滤波。参数整定黑科技懒得计算时试试这个经验公式α2(1−exp(−2πdt* bandwidth))。比如采样率100Hz想滤除10Hz以上噪声带宽取15Hz左右套公式算个大概再微调。调试时用阶跃信号测试响应曲线别过冲也别太肉就是好参数。最后说个防坑指南千万别在变采样间隔的场景用这些模型非要不可变dt的话得把dt作为变量传入更新函数但计算量会爆炸。遇到这种情况建议直接换扩展卡尔曼或者互补滤波更省心。