嵌入式C实现PPG数据切比雪夫II型滤波的简化方案问询

核心问题拆解 #

你遇到的核心矛盾是：Scipy的sosfiltfilt()依赖零相位滤波的奇延拓+双向线性滤波逻辑，直接用单方向的直接型I/II结构无法复现，且lfilter()的初始延迟条件zi处理复杂度高，难以在嵌入式C中落地。

简洁易移植的实现方案 #

1. 预计算SOS系数+手动实现双向滤波（推荐） #

Scipy生成的SOS（二阶节）系数本身具备良好的数值稳定性，适合嵌入式场景，具体操作：

• 在Python中生成并导出SOS系数：

  from scipy.signal import cheby2
  # 示例参数：4阶、40dB阻带衰减、归一化截止频率0.1、低通
  sos = cheby2(N=4, rs=40, Wn=0.1, btype='low', output='sos')
  

  将sos数组的所有数值（每个二阶节包含[b0,b1,b2,a0,a1,a2]，a0通常为1）硬编码到C代码中。
• 实现单方向二阶节滤波函数：采用直接型II结构，为每个二阶节维护2个延迟寄存器，初始化为0即可。
• 手动复现零相位滤波逻辑：
  1. 正向遍历600个原始ADC数据，用SOS结构完成滤波，得到正向结果数组。
  2. 将正向结果数组反转，再次用同一个SOS结构滤波，得到反向结果数组。
  3. 将反向结果数组反转，最终结果近似于sosfiltfilt()的零相位输出。
     （若对边缘精度要求极高，可手动对首尾3-5个点做奇延拓后再执行上述流程，否则批量600点的边缘误差可忽略）

2. 替代方案：简化滤波算法 #

如果觉得双向SOS实现仍有负担，可考虑：

• Butterworth滤波器：同样采用SOS形式实现，虽无零相位特性，但PPG峰值检测对相位偏移容忍度较高，只要滤波后波形峰值位置偏差不大，qppg算法可正常工作。
• 滑动平均+一阶IIR组合：适合资源极度受限的MCU，滑动平均抑制高频噪声，一阶IIR做平滑处理，实现简单、计算量极小，虽滤波效果不如切比雪夫II型，但能满足基础需求。

嵌入式C实现注意事项 #

• 采用定点数运算：将系数缩放为Q15或Q31格式，避免浮点数运算的性能损耗与精度问题，适配18位ADC数据范围。
• 延迟寄存器初始化：每个二阶节的2个延迟寄存器初始化为0，批量处理时正向滤波的延迟会在反向滤波中抵消，近似零相位效果。
• 防溢出处理：18位ADC数据经滤波运算后可能超出整数范围，需添加饱和处理或选择合适的定点数格式。

内容的提问来源于stack exchange，提问作者Pavel