中位值平均滤波先取窗口内采样中位数剔除脉冲，再对多个中位数滑动平均抑制跳变；因脉冲排序后被挤至两端不参与中位计算，后续平均又平滑阶梯响应，故抗干扰优于单纯中位或均值。
中位值平均滤波是什么，为什么比单纯中位值或均值更抗脉冲干扰
中位值平均滤波（Median-Average Filter）不是标准库函数，而是一种组合策略：先对窗口内采样做排序取中位数，再对多个中位数做滑动平均。它比纯中位值滤波响应稍慢但更平滑，比纯均值滤波更能抵抗单点脉冲——因为脉冲在排序后大概率被挤到两端，不参与中位数计算；而后续的平均又抑制了中位值跳变带来的阶梯感。
关键点在于：中位值阶段剔除异常点，平均阶段压制残留抖动。对ADC采集的温度、电压等缓变信号特别有效，尤其当毛刺是孤立尖峰（如电源扰动、IO串扰）时。
用 std::nth_element 实现高效中位值提取（避免全排序）
std::nth_element 是 C++ 标准算法里最适合中位值场景的函数：它能在 O(n) 平均时间复杂度内将第 k 小元素放到正确位置，且左边元素 ≤ 它、右边 ≥ 它，无需完整排序。对奇数长度窗口（如 7 点），中位数就是索引为 size/2 的元素；偶数长度（如 8 点）通常取 size/2-1 和 size/2 的平均，但实际中多用奇数窗口简化逻辑。
- 窗口大小建议选 5～15 之间的奇数（如
WINDOW_SIZE = 7），太小抗干扰弱，太大延迟高、内存开销增 - 别用
std::sort—— 每次都全排，O(n log n)，对嵌入式 MCU（如 STM32F1）可能成为瓶颈 - 注意
std::nth_element会修改原容器顺序，若需保留原始采样序列，得拷贝一份再操作
int window[7]; // 假设 window 已填入最新 7 次 ADC 值 std::nth_element(window, window + 3, window + 7); // 第 4 小（索引 3）即中位数 int median = window[3];
滑动中位值队列 + 环形缓冲区管理（避免动态分配）
中位值平均需要维护一个“中位值历史队列”，比如最近 5 个窗口的中位数再求均值。直接用 std::vector 或 std::deque 在裸机环境容易触发 malloc，应改用静态环形缓冲区。
立即学习“C++免费学习笔记（深入）”；
- 定义两个固定数组：
int adc_raw[WINDOW_SIZE]存原始采样，int medians[MEDIAN_HISTORY]存中位值历史（如MEDIAN_HISTORY = 5） - 用
uint8_t raw_head和uint8_t med_idx分别管理原始窗口和中位值队列的写入位置，每次覆盖最老数据 - 中位值平均输出 =
sum(medians) / MEDIAN_HISTORY，整数除法可加+ MEDIAN_HISTORY/2实现四舍五入 - 避免浮点运算：全部用
int32_t累加，最后再右移或除法，防止 ARM Cortex-M0/M3 上浮点性能拖累
ADC毛刺真实场景下的参数调优与陷阱
实测发现，单纯增大窗口未必更好。某 STM32L4 采集电池电压时，用 11 点中位值平均反而出现低频振荡——原因是毛刺不是完全随机，而是与 PWM 开关同步，形成周期性伪脉冲，导致中位值在两个相近值间反复切换。
- 先用示波器或逻辑分析仪抓 ADC 引脚波形，确认毛刺宽度（如 1μs 尖峰 vs 100μs 平顶干扰），据此设置采样间隔：毛刺宽则加大采样间隔，避开重叠
- 若毛刺有规律（如每 10ms 出现一次），可考虑异步采样：在预期毛刺间隙启动转换，比滤波更治本
- 慎用过大的
MEDIAN_HISTORY：5～7 足够，超过 9 后平均延迟明显，对快速变化信号（如电机电流）会滞后甚至失真 - 硬件配合不能少：PCB 上 ADC 参考源去耦电容要够（10μF + 100nF）、模拟地数字地单点连接、采样前加 RC 低通（如 1kΩ+100nF → 截止频率 ≈ 1.6MHz）能滤掉高频噪声，让软件滤波更轻松
真正难的不是写对那几行中位值代码，而是判断毛刺来源——是 layout 问题？电源纹波？还是外部 ESD？软件滤波只是最后一道防线。
