在做一个指南针的程序时，发现数据抖动的很厉害。去和芯片厂商的咨询，被告知是sensor安放的位置的问题，当前的原始数据和哪吒的风火轮一样，极为不规则，像火苗到处乱窜，只有改板子才能解决。反复试验发现：sensor上方的电池和周围的flash，memory，cpu，speaker等影响太大导致数据不稳定。已经快到客户量产的期限了，改板子已经不可能了，只能从软件上作弥补，如果不能修正，项目被delay，将会面临合同延期罚款，重新打板等各项损失，我的压力也是空前。我能做的也就是优化算法，尤其是校正时。山重水复疑无路，柳暗花明又一村。在我愁眉不展时，猛然想起了一个滤波算法，因为日常工作对算法接触很少，所以这个比较迟钝。添加了这个算法后效果很好，精确度提高到了10多度，这比以前三四十度好了很多，而且没有快速的抖动，反而有了加速度，让我欣喜不已。而后又提高了采样率，使精度达到了5度以内，从而和飞线后的效果一致，也和厂商许诺的精度一致了，并彻底的推翻了芯片厂商的论断：只有原始数据形成一个规则的圆才能精准获取角度。至此项目算法基本完成。这次经历让我对算法有了深刻的认识。特此附上这次功勋卓著的算法（而后才知道它就是大名鼎鼎的一阶滞后滤波法）：

#define AVERAGE_WAV = 3;/* the lag value , can be change to any value*/
int x0 = 0; /* x0 is the value of the last time*/int x1;/* x1 is the value of this time*/
x1 = (x0 * AVERAGE_WAV + x1)/(AVERAGE_WAV + 1);X1=(3*X0+X1)/4;
 

 
#define a 50

char value;

char filter()
{
    char   new_value;
    new_value = get_ad();
    return (100-a)*value + a*new_value; 
}

A、方法： 
取a=0~1
本次滤波结果=（1-a）*上次滤波结果+a*本次采样值

B、优点：
对周期性干扰具有良好的抑制作用
适用于波动频率较高的场合
C、缺点：
相位滞后，灵敏度低
滞后程度取决于a值大小
不能消除滤波频率高于采样频率的1/2的干扰信号

D、a的选取，设滤波时间为t，采样频率为F则a＝1/tF