常见十大ADC滤波算法C程序实现(限幅滤波_中值滤波_加权递推滤波_滑动平均滤波_一阶滞后滤波等)

欢迎来到本博客❤️❤️博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。⛳️座右铭行百里者半于九十。本文内容如下⛳️赠与读者‍做科研涉及到一个深在的思想系统需要科研者逻辑缜密踏实认真但是不能只是努力很多时候借力比努力更重要然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览免得骤然跌入幽暗的迷宫找不到来时的路它不足为你揭示全部问题的答案但若能解答你胸中升起的一朵朵疑云也未尝不会酿成晚霞斑斓的别一番景致万一它给你带来了一场精神世界的苦雨那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。或许雨过云收神驰的天地更清朗.......第一部分——内容介绍常见十大ADC滤波算法研究摘要模数转换器ADC作为模拟信号与数字信号转换的核心器件广泛应用于工业控制、智能检测、医疗电子、物联网等各类电子系统中。在实际应用场景中ADC采集的信号往往会受到电源纹波、电磁干扰、传感器自身噪声等多种因素的影响导致采集数据出现波动、失真进而影响后续信号处理的准确性和系统控制的可靠性。滤波算法作为抑制噪声、优化ADC采集数据的关键技术通过对采集到的离散数据进行合理处理能够有效剔除噪声干扰还原真实信号特征。本文针对工业界和科研领域中最常用的十大ADC滤波算法包括限幅滤波、中值滤波、加权递推滤波、滑动平均滤波、一阶滞后滤波等系统阐述各算法的核心原理、工作机制、技术特性分析不同算法的优势与局限性并结合实际应用场景探讨各类算法的选型原则为ADC数据采集系统的滤波设计提供理论参考和实践指导助力提升电子系统的稳定性和数据处理精度。关键词ADC滤波算法噪声抑制数据采集信号处理1 引言随着电子技术的飞速发展各类电子系统对信号采集的精度和稳定性要求不断提升ADC作为信号转换的核心环节其采集数据的质量直接决定了整个系统的性能。在实际工作环境中ADC采集过程面临着复杂的干扰场景电源系统的纹波干扰会导致采集数据出现周期性波动电路板上的电磁串扰会产生高频噪声传感器自身的热噪声和漂移会造成数据偏差甚至外界环境中的机械振动、静电放电等因素都可能导致ADC输出数据出现异常尖峰或持续波动。这些噪声干扰若不进行有效处理会导致后续的数据分析、控制决策出现偏差严重时可能引发系统故障造成经济损失。滤波技术作为解决ADC采集噪声问题的核心手段分为硬件滤波和软件滤波两大类。硬件滤波通过电容、电感、电阻等无源器件或运算放大器等有源器件构成滤波电路能够在信号采集前端抑制部分高频干扰但存在设计复杂、成本较高、灵活性差等局限性难以适应多场景、多噪声类型的抑制需求。软件滤波则基于软件编程实现无需额外增加硬件成本具有设计灵活、参数可调、适配性强等优势能够根据不同的噪声类型和信号特征选择合适的滤波算法实现噪声抑制因此在各类ADC数据采集系统中得到了广泛应用。目前工业界和科研领域已形成多种成熟的ADC软件滤波算法不同算法的工作原理、噪声抑制效果、实时性、资源占用等特性存在显著差异适用于不同的应用场景。本文聚焦十大常见ADC滤波算法系统梳理各算法的核心逻辑和技术特点对比分析其优势与不足探讨算法选型的关键因素为相关领域的工程设计和科研工作提供参考推动ADC数据采集系统性能的进一步提升。2 ADC采集噪声特性分析要实现高效的滤波处理首先需明确ADC采集过程中噪声的来源和特性为滤波算法的选择和设计提供依据。ADC采集的噪声主要来源于三个方面一是传感器自身的噪声包括热噪声、散粒噪声和1/f噪声这类噪声通常表现为随机波动会导致采集数据在真实值附近小范围起伏二是系统干扰噪声包括电源纹波、电磁干扰、接地不良等引发的噪声其中电源纹波多为周期性噪声电磁干扰多为高频脉冲噪声三是采集链路噪声包括信号传输过程中的衰减、失真以及ADC自身量化误差带来的噪声量化误差会导致模拟信号转换为数字信号时出现固定范围的偏差。根据噪声的特性可将其分为脉冲噪声、随机噪声和周期性噪声三类。脉冲噪声表现为突发的、幅度较大的异常值持续时间短但影响显著多由电磁干扰、静电放电等因素引发随机噪声表现为无规则的波动幅度较小但持续存在符合一定的统计规律如高斯分布主要来源于传感器热噪声和ADC量化噪声周期性噪声表现为固定频率的波动幅度稳定主要来源于电源纹波、工频干扰等。不同类型的噪声对ADC采集数据的影响不同需要针对性地选择滤波算法才能实现理想的噪声抑制效果。滤波算法的核心作用就是通过对ADC采集的离散数据进行筛选、平滑、修正等处理剔除噪声成分保留真实信号的特征。理想的滤波算法应具备噪声抑制能力强、信号失真小、实时性好、资源占用低等特点但实际应用中各类算法往往存在trade-off如噪声抑制能力强的算法可能会导致信号滞后实时性好的算法可能噪声抑制效果有限因此需要结合具体应用场景进行权衡选择。3 常见十大ADC滤波算法研究3.1 限幅滤波算法限幅滤波算法又称程序判断滤波法是一种最简单、最基础的实时滤波算法主要针对脉冲噪声的抑制。其核心工作机制是基于工程经验设定一个合理的最大允许偏差值该偏差值根据采集信号的特性和噪声情况确定反映了相邻两次ADC采集数据的合理变化范围。在实际采集过程中每次获取新的采集数据后将其与上一次经过滤波处理后的有效数据进行对比判断两者的偏差是否在设定的允许范围内。若偏差在允许范围内则认为本次采集数据有效将其作为本次滤波输出若偏差超出允许范围则认为本次采集数据受到脉冲噪声干扰属于异常值丢弃本次采集数据以上一次的有效数据作为本次滤波输出。限幅滤波算法的优势在于原理简单、计算量极小无需占用过多的系统资源实时性极强能够快速剔除突发的脉冲噪声避免异常值对后续处理的影响适用于对实时性要求较高、脉冲噪声频发的场景如变频器电流采集、工业现场的电压监测等。其局限性在于允许偏差值的设定依赖于工程经验若设定过小可能会将真实的信号突变误判为噪声并丢弃导致信号失真若设定过大则无法有效抑制脉冲噪声滤波效果不佳。此外该算法对周期性噪声和随机噪声的抑制能力较弱无法解决这类噪声带来的数据波动问题。3.2 中值滤波算法中值滤波算法是一种基于排序统计的非线性滤波算法主要用于抑制脉冲噪声和椒盐噪声同时能够在一定程度上保留信号的边缘特征避免信号过度平滑。其核心工作机制是对连续采集的若干个ADC数据样本进行排序处理选取排序后位于中间位置的数据作为本次滤波的输出结果。通常情况下采集样本的数量选取奇数这样可以确保存在唯一的中间值避免排序后出现平局的情况样本数量的选择需根据噪声强度和信号变化速度确定样本数量越多噪声抑制效果越好但实时性会相应下降。中值滤波算法的优势在于对脉冲噪声和椒盐噪声的抑制效果显著能够有效剔除采集数据中的异常尖峰同时相较于平均类滤波算法其对信号边缘的保留效果更好不会导致信号出现严重的模糊和滞后。该算法适用于信号变化较为缓慢、脉冲噪声较多的场景如温度、液位、压力等缓变信号的采集在PT100温度监测、电磁干扰下的开关量防抖等工业场景中应用广泛。其局限性在于对于快速变化的信号如流量、转速等由于需要连续采集多个样本进行排序处理会导致滤波输出出现滞后无法及时跟踪信号的变化此外当采集样本中存在大量连续的异常值时中值滤波的效果会明显下降。3.3 算术平均滤波算法算术平均滤波算法是一种最常用的线性滤波算法主要用于抑制随机噪声其核心工作机制是对连续采集的若干个ADC数据样本进行算术平均运算将计算得到的平均值作为本次滤波的输出结果。该算法的核心思想是利用随机噪声的统计特性即随机噪声的正负波动具有对称性通过多个样本的平均运算相互抵消噪声带来的偏差从而还原真实信号的平均值。采集样本的数量N是该算法的关键参数N值越大噪声抑制效果越好但数据处理的滞后性越明显同时系统的内存占用也会增加N值越小实时性越好但噪声抑制效果会减弱。算术平均滤波算法的优势在于原理简单、计算便捷对随机噪声的抑制效果较好适用于噪声平稳、信号变化缓慢且无明显脉冲干扰的场景如车间环境温湿度监测、静态液位采集等。其局限性在于对脉冲噪声的抑制能力较弱若采集样本中存在异常的脉冲值会显著影响平均值的计算结果导致滤波输出出现偏差同时由于需要存储多个采集样本会占用一定的系统内存对于资源有限的嵌入式系统而言存在一定的局限性此外该算法会导致信号出现一定的滞后不适用于对实时性要求较高、信号变化较快的场景。3.4 滑动平均滤波算法滑动平均滤波算法又称递推平均滤波算法是对算术平均滤波算法的改进和优化主要解决了算术平均滤波算法中数据滞后和内存占用的问题同时保留了对随机噪声的抑制能力。其核心工作机制是设定一个固定长度的滑动窗口将连续采集的ADC数据样本依次存入窗口中当窗口被填满后每采集一个新的数据样本就将窗口中最古老的数据样本丢弃然后对窗口内的所有数据样本进行算术平均运算将平均值作为本次滤波的输出结果。滑动窗口的长度即为采集样本的数量其选择原则与算术平均滤波算法一致需在噪声抑制效果和实时性之间进行权衡。滑动平均滤波算法的优势在于相较于算术平均滤波算法其数据更新更及时滞后性有所改善同时无需存储所有的历史数据仅需维护一个固定长度的滑动窗口内存占用相对较小。该算法对周期性干扰和随机噪声均有一定的抑制效果平滑度较高适用于高频振荡的系统和连续采集的场景如流量累计、风压闭环控制等。其局限性在于对脉冲噪声的抑制能力仍然较弱窗口内若存在脉冲异常值会影响滤波输出的准确性此外滑动窗口的长度选择仍然依赖于工程经验窗口长度过大会导致信号滞后明显窗口长度过小噪声抑制效果不佳。3.5 中位值平均滤波算法中位值平均滤波算法又称防脉冲干扰平均滤波算法是将中值滤波算法和算术平均滤波算法相结合的复合滤波算法兼顾了两种算法的优势既能抑制脉冲噪声又能抑制随机噪声。其核心工作机制是首先连续采集若干个ADC数据样本对这些样本进行排序处理剔除排序后的最大值和最小值然后对剩余的样本进行算术平均运算将计算得到的平均值作为本次滤波的输出结果。该算法通过剔除最大值和最小值有效避免了脉冲噪声对平均结果的影响同时通过平均运算抵消随机噪声带来的偏差实现了更好的噪声抑制效果。中位值平均滤波算法的优势在于融合了中值滤波和算术平均滤波的优点对脉冲噪声和随机噪声均有较好的抑制效果能够有效消除脉冲干扰引起的采样值偏差同时保证滤波输出的平滑性。该算法适用于高频振荡与偶然脉冲并存的场景如泵出口压力监测、振动监测前端等工业场景。其局限性在于数据处理步骤较多计算量相较于单一滤波算法有所增加实时性略差同时需要存储多个采集样本占用一定的系统内存不适用于对实时性要求极高、系统资源有限的场景此外样本数量的选择需要结合实际噪声情况进行优化否则会影响滤波效果。3.6 限幅平均滤波算法限幅平均滤波算法是将限幅滤波算法和滑动平均滤波算法相结合的复合滤波算法主要用于解决脉冲噪声和随机噪声并存的场景兼顾了实时性和噪声抑制效果。其核心工作机制是首先对每次采集到的ADC数据样本进行限幅处理判断本次采集数据与上一次有效数据的偏差是否在设定的允许范围内若偏差超出范围则丢弃本次数据用上一次有效数据替代若偏差在允许范围内则将本次数据存入滑动窗口然后对窗口内的所有数据进行算术平均运算得到本次滤波的输出结果。该算法通过限幅处理先剔除突发的脉冲噪声再通过滑动平均处理抑制随机噪声实现了双重噪声抑制。限幅平均滤波算法的优势在于融合了限幅滤波和滑动平均滤波的优点既能快速剔除脉冲噪声又能有效抑制随机噪声和周期性噪声滤波效果稳定适用于大多数ADC数据采集场景尤其是工业现场中4-20mA模拟量回路的预处理。其局限性在于参数设置较为复杂需要同时设定限幅偏差值和滑动窗口长度两者的设置均依赖于工程经验若参数设置不当会影响滤波效果同时滑动窗口的存在会导致信号出现一定的滞后不适用于信号变化极快的场景此外数据处理步骤较多对系统的计算能力有一定要求。3.7 一阶滞后滤波算法一阶滞后滤波算法又称指数加权移动平均滤波算法是一种基于惯性原理的线性滤波算法主要用于抑制高频噪声同时能够在一定程度上平衡信号平滑性和响应速度。其核心工作机制是将本次ADC采集的数据与上一次滤波输出的结果进行加权融合得到本次滤波的输出结果其中本次采集数据的权重和上一次滤波结果的权重之和为1。通过调整权重系数可以实现噪声抑制效果和信号响应速度的平衡权重系数越大本次采集数据的影响越大信号响应速度越快但噪声抑制效果越弱权重系数越小上一次滤波结果的影响越大信号平滑性越好但响应速度越慢。一阶滞后滤波算法的优势在于内存占用极小仅需存储上一次的滤波输出结果无需存储大量历史数据计算量较小实时性较好对高频周期性噪声的抑制效果显著适用于波动频率较高的场景。该算法在工业控制中应用广泛如油箱油位监测、阀门开度反馈、烘箱温控等缓变信号的采集与处理。其局限性在于存在一定的相位滞后权重系数的设置依赖于工程经验若设置不当会导致信号滞后严重或噪声抑制效果不佳同时无法有效抑制频率高于采样频率一半的干扰信号对脉冲噪声的抑制能力也较弱。3.8 加权递推平均滤波算法加权递推平均滤波算法是对滑动平均滤波算法的改进主要解决了滑动平均滤波算法中所有样本权重相同、无法兼顾信号响应速度和平滑性的问题。其核心工作机制是设定一个固定长度的滑动窗口对窗口内的每个ADC数据样本赋予不同的权重通常情况下越接近当前时刻的样本权重越大越早期的样本权重越小然后对窗口内的样本进行加权平均运算得到本次滤波的输出结果。通过赋予不同的权重使得当前时刻的信号变化能够更快地反映在滤波输出中同时通过加权平均抑制随机噪声的影响。加权递推平均滤波算法的优势在于相较于滑动平均滤波算法其信号响应速度更快能够更好地跟踪信号的变化趋势同时保留了对随机噪声的抑制能力适用于有较大纯滞后时间常数、采样周期较短的系统如生产线速度给定、张力控制等场景。其局限性在于权重系数的设置较为复杂需要结合信号特性和噪声情况进行优化若权重设置不当会导致滤波输出出现波动或滞后同时需要存储窗口内的所有样本并进行加权计算计算量和内存占用均高于滑动平均滤波算法此外对脉冲噪声的抑制能力仍然有限需要结合其他滤波算法使用。3.9 消抖滤波算法消抖滤波算法主要用于抑制信号的抖动现象尤其是针对开关量信号和缓变模拟信号的抖动其核心工作机制是通过设置一个滤波计数器对ADC采集的数据进行连续判断。每次采集到新的数据后将其与当前的有效滤波输出进行对比若两者一致则将计数器清零若两者不一致则将计数器加1当计数器的值达到设定的上限时认为信号发生了真实变化将本次采集数据作为新的有效输出并将计数器清零若计数器未达到上限则维持当前的有效输出不变。计数器的上限值根据信号抖动的持续时间确定上限值越大消抖效果越好但信号响应速度越慢。消抖滤波算法的优势在于能够有效抑制信号的抖动现象避免在临界值附近出现控制器反复开关、显示器数值抖动等问题适用于变化缓慢的被测参数和开关量信号如按钮、接近开关、液位开关等设备的信号采集在设备启停、限位保护、故障报警等场景中应用广泛。其局限性在于对快速变化的信号不适用于计数器的存在会导致信号响应滞后无法及时跟踪信号的快速变化同时该算法仅能抑制抖动对脉冲噪声和随机噪声的抑制能力较弱通常需要与其他滤波算法结合使用。3.10 限幅消抖滤波算法限幅消抖滤波算法是将限幅滤波算法和消抖滤波算法相结合的复合滤波算法兼顾了脉冲噪声抑制和信号消抖的需求适用于恶劣电磁环境下的信号采集。其核心工作机制是首先对每次采集到的ADC数据进行限幅处理剔除超出允许偏差范围的脉冲异常值然后将经过限幅处理后的数据送入消抖计数器进行消抖判断当连续多次采集到的数据一致时才将其作为有效输出否则维持当前的有效输出不变。该算法通过限幅处理抑制脉冲噪声通过消抖处理抑制信号抖动实现了双重保护提升了滤波输出的稳定性。限幅消抖滤波算法的优势在于对脉冲噪声和信号抖动均有较好的抑制效果滤波输出稳定可靠适用于恶劣电磁环境、关键保护信号的采集如高压柜状态监测、危险气体报警等场景。其局限性在于数据处理步骤较多计算量和系统资源占用相对较大实时性略差参数设置较为复杂需要同时设定限幅偏差值和消抖计数器上限两者的设置均依赖于工程经验此外对于快速变化的信号仍然存在响应滞后的问题。4 十大ADC滤波算法对比与选型原则4.1 算法特性对比常见十大ADC滤波算法在噪声抑制能力、实时性、内存占用、信号滞后性、参数复杂度等方面存在显著差异明确各类算法的特性对比是实现合理选型的基础。限幅滤波、消抖滤波的实时性最好计算量和内存占用最小但噪声抑制范围较窄仅能针对性抑制脉冲噪声或信号抖动中值滤波、中位值平均滤波对脉冲噪声的抑制效果突出但实时性一般内存占用中等算术平均滤波、滑动平均滤波对随机噪声的抑制效果较好但存在一定的信号滞后内存占用中等一阶滞后滤波内存占用最小对高频噪声抑制效果好但存在相位滞后加权递推平均滤波响应速度较快但参数设置复杂限幅平均滤波、限幅消抖滤波作为复合算法噪声抑制范围广但计算量和参数复杂度较高。从信号失真角度来看中值滤波、加权递推平均滤波对信号边缘和变化趋势的保留效果较好不易出现信号模糊而算术平均滤波、滑动平均滤波、一阶滞后滤波容易导致信号出现一定程度的平滑失真限幅类滤波算法若参数设置不当可能会导致信号突变被误判出现失真。从适用噪声类型来看限幅滤波、中值滤波、中位值平均滤波、限幅平均滤波、限幅消抖滤波主要针对脉冲噪声算术平均滤波、滑动平均滤波、一阶滞后滤波、加权递推平均滤波主要针对随机噪声和周期性噪声消抖滤波主要针对信号抖动。4.2 算法选型原则ADC滤波算法的选型核心是结合实际应用场景平衡噪声抑制效果、实时性、系统资源、信号失真等因素遵循“按需选型、兼顾性能”的原则具体可分为以下几个方面第一根据噪声类型选型。若采集场景中主要存在脉冲噪声如工业现场的电磁干扰、静电放电等优先选择限幅滤波、中值滤波、中位值平均滤波若主要存在随机噪声如传感器热噪声、ADC量化噪声优先选择算术平均滤波、滑动平均滤波、一阶滞后滤波若存在信号抖动如开关量信号、缓变信号的临界抖动优先选择消抖滤波、限幅消抖滤波若同时存在多种噪声优先选择复合滤波算法如限幅平均滤波、限幅消抖滤波、中位值平均滤波。第二根据信号特性选型。对于快速变化的信号如转速、电流、电压等优先选择实时性好、滞后性小的算法如限幅滤波、加权递推平均滤波避免使用滑动平均滤波、算术平均滤波等滞后性较强的算法对于缓慢变化的信号如温度、液位、压力等可选择噪声抑制效果更好的算法如中值滤波、一阶滞后滤波、中位值平均滤波适当牺牲部分实时性以提升滤波效果对于需要保留信号边缘特征的场景优先选择中值滤波、加权递推平均滤波避免使用平均类滤波算法。第三根据系统资源选型。对于资源有限的嵌入式系统如51单片机、低端MCU优先选择计算量小、内存占用低的算法如限幅滤波、一阶滞后滤波、消抖滤波避免使用滑动平均滤波、中位值平均滤波等需要存储多个样本的算法对于资源充足的系统如STM32、DSP等可选择复合滤波算法或噪声抑制效果更好的算法兼顾滤波效果和信号质量。第四根据工程需求选型。对于对控制精度要求高、噪声抑制需求严格的场景如高精度测量仪器、医疗电子设备可选择中位值平均滤波、加权递推平均滤波或结合多种算法进行多级滤波对于对实时性要求极高、控制响应快的场景如电机控制、无人机姿态控制优先选择限幅滤波、一阶滞后滤波等实时性好的算法对于通用工业场景可选择限幅平均滤波其兼顾了噪声抑制效果和实时性适配性较强。5 结论与展望5.1 结论本文对常见十大ADC滤波算法限幅滤波、中值滤波、算术平均滤波、滑动平均滤波、中位值平均滤波、限幅平均滤波、一阶滞后滤波、加权递推平均滤波、消抖滤波、限幅消抖滤波进行了系统研究阐述了各算法的核心原理、工作机制和技术特性对比分析了各类算法的优势与局限性并提出了基于噪声类型、信号特性、系统资源和工程需求的选型原则。研究表明各类ADC滤波算法均有其适用场景没有绝对最优的算法只有最适合具体应用场景的算法简单场景可选择限幅滤波、一阶滞后滤波等基础算法兼顾实时性和资源占用复杂噪声场景可选择中位值平均滤波、限幅消抖滤波等复合算法提升噪声抑制效果高精度场景可选择加权递推平均滤波等优化算法平衡信号平滑性和响应速度。ADC滤波算法作为提升数据采集质量的关键技术其性能直接影响整个电子系统的稳定性和可靠性。在实际工程应用中应结合具体的噪声环境、信号特征和系统资源合理选择滤波算法优化算法参数必要时可采用多级滤波的方式结合多种算法的优势实现更好的噪声抑制效果为后续的信号处理和控制决策提供可靠的数据支撑。5.2 展望随着电子技术、人工智能技术的不断发展ADC滤波算法正朝着智能化、自适应化的方向发展。未来一方面可结合机器学习、深度学习等技术开发自适应滤波算法实现噪声类型的自动识别和滤波参数的自动优化无需人工干预即可适应不同的噪声环境和信号特征提升滤波算法的适配性和滤波效果另一方面可针对复杂场景如多噪声叠加、高速信号采集等开发新型复合滤波算法融合传统滤波算法和智能算法的优势在保证实时性的同时进一步提升噪声抑制能力和信号保真度。此外随着ADC技术的不断进步高采样率、高精度ADC的应用越来越广泛对滤波算法的实时性和噪声抑制能力提出了更高的要求。未来的研究可聚焦于高效、低延迟的滤波算法设计结合硬件加速技术降低滤波算法的计算延迟提升数据处理效率满足高速、高精度ADC数据采集的需求。同时可加强滤波算法在物联网、工业互联网、医疗电子等新兴领域的应用研究针对不同领域的特殊需求优化算法设计推动相关领域技术的发展。第二部分——运行结果实验器材:MiniSTM32F103开发板V3版本实验目的:学习STM32内部ADC的使用硬件资源:1,DS0(连接在PA8)2,串口1(波特率:9600,PA9/PA10连接在板载USB转串口芯片CH340上面)3,ALIENTEK 2.8/3.5/4.3/7寸TFTLCD模块(通过GPIO驱动,连接关系见lcd.h)4,ADC(STM32内部ADC1,通道1,即:ADC1_CH1)实验现象:本实验通过STM32内部ADC1读取通道1PA1上面的电压在LCD模块上面显示ADC转换值以及换算成电压后的电压值。注意事项:1,4.3寸和7寸屏需要比较大电流,USB供电可能不足,请用外部电源供电(5V电源接VOUT2即可).2,本例程在LCD_Init函数里面(在ILI93xx.c),用到了printf,如果不初始化串口1,将导致液晶无法显示!!3,LCD模块在开发板的LCD接口上面必须靠右插4,STM32F103RCT6的参考电压恒为VDDA即3.3V5,ADC的最大输入电压是3.3V,请不要超过这个值.第三部分——参考文献文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。(文章内容仅供参考具体效果以运行结果为准)第四部分——本文完整资源下载资料获取更多粉丝福利MATLAB|Simulink|Python|数据|文档等完整资源获取