实现低通滤波器的算法如下（来自维基百科）：
for i from 1 to n
y[i] := y[i-1] + α * (x[i] - y[i-1])
，其中
α = T/(tau + T)
T，是周期，换句话说，是接收数据的时间间隔。而且，tau是时间常数，定义为：
tau = RC.
好的，一切都很清楚。每个人似乎都为α提出了不同的价值观，但它打败了我 - 如何才能达到这个价值的逻辑决策？
当然，R和C的值无法使用 - 或者是它？
有人知道如何确定α的值，以及α的值吗？
感谢所有人！
答案 0 :(得分：1)
T：抽样期。
tau：时间常数。
fc：滤波器的截止频率。 fc = 1 / tau
然后
alpha = T /（T + 1 / fc）
最好的问候！答案 1 :(得分：0)
使用低通滤波器计算罗盘传感器数据的平滑参数（ALPHA）时遇到了同样的问题。
我已经想通了，计算出的ALPHA值对我的应用程序有效。
有关更多理解和讨论，请参阅以下文章
答案 2 :(得分：-1)
答案 3 :(得分：-1)
从wikipedia's RC time constant entry：截止频率 - 时间常数与截止频率fc有关，这是RC电路的另一个参数
tau = 1 / (2π * f)
为什么2π？来自wikipedia's time constant entry
ω = 2π * f is the frequency in radians per second.
从same entry开始，Tau相当于RC，是系统的上升时间。低上升时间意味着较高频率的输入不会激励系统。然后它很容易成像，它连接到低通滤波器的截止频率。最终它控制了多少反馈信号与新输入信号的混合。
在我的二阶低通滤波器中，我将以下内容用于alpha。
α = 1 / (T * tau)
在我的音频应用程序中，二阶滤波器是两个单链滤波器链接，我像这样计算滤波器输出。 filter1Out和filter2out是过滤器的当前值，这是收到input后的更新。
filter1Out = filter1Out + (alpha * (input - filter1Out));
filter2Out = filter2Out + (alpha * (filter1Out - filter2Out));
要确定您希望截止频率与Android指南针的关系，我首先不会实施任何过滤并尝试使用提供的数据。截止点实际上取决于您对信号的处理方式。你在屏幕动画上平滑它吗？你是否在进行路径追踪？您要拒绝的信号中是否有噪音？每个人都需要一个不同的设置。如果未经过滤的信号变化太频繁，那么就要弄清楚您希望它改变的频率，并将其作为滤波器截止点的起点。
我希望这会有所帮助。 DSP数学的推导超出了我的技能，但我已经为音频应用实现了几次低通滤波器。