필터 사용 전략

임베디드 시스템에서 필터 사용 전략

1. 임베디드 시스템에서 센서 신호나 제어 신호의 노이즈를 줄이고, 안정적인 동작을 보장하기 위해 필터링은 필수적인 전략
2.  임베디드 코딩에서 필터 사용 전략에 대한 내용을 아래에 정리

---

✅ 1. 필터 선택 기준

상황	추천 필터	특징
빠른 반응이 필요, 계산 자원 부족	이동 평균 (SMA)	단순 평균. 구현이 매우 간단함
최근 값을 강조하고 반응 빠름	지수이동 평균 (EMA / IIR / Low-pass)	α 조절로 반응 속도/안정성 제어 가능
외란·스파이크 제거가 중요	중간값 필터 (Median Filter)	이상값에 강함, 계산량은 큼
고속 고정 주기, FFT 응용	FIR, IIR 디지털 필터	고성능 DSP용, 복잡함
상태 예측 필요	Kalman 필터	고정확도 예측용, MCU 성능 요구

---

✅ 2. STM32에 최적화된 적용 전략

필터 종류	전략
Low-pass Filter	y = α * new + (1-α) * old → float, fixed-point 방식 모두 가능
Median Filter	작은 N값 (3~5개) 슬라이딩 윈도우로 사용 버퍼 관리에 유의
SMA (단순 평균)	sum += new - old[N]; 구조로 ring buffer로 구현하면 메모리 절약
Kalman	초음파/가속도/자이로 등 센서 융합 시만 사용, STM32F4 이상에서 추천
Butterworth / FIR	CMSIS-DSP 라이브러리 활용 (고성능, 연산량 많음)

---

✅ 3. 실제 적용 예시

class LowPassFilter {
  float alpha;
  float prev;

public:
  LowPassFilter(float alpha = 0.5f) : alpha(alpha), prev(0) {}

  float update(float input) {
    prev = alpha * input + (1.0f - alpha) * prev;
    return prev;
  }
};

---

✅ 4. 고도화 전략

전략	설명
Adaptive Filtering	상황에 따라 α 자동 조정 (예: 움직일 때 빠르게, 멈출 때 느리게)
Trend Break Detection	값이 급격히 변하면 필터 무시하고 초기화
Confidence Score	필터 신뢰도를 기준으로 동작을 제어 (예: UWB에서 거리 신뢰도 계산)
Periodic Reset	일정 시간 후 필터 상태 초기화로 drift 방지
Spike Filtering	변화량 임계값 초과 시 무시하거나 클램핑

---

✅ 5. 장단점 정리

필터	장점	단점
SMA	구현 간단	느리고 지연 큼
EMA	적절한 반응 속도	이상값에 약함
Median	이상값 제거 탁월	정렬 연산으로 연산량 ↑
Kalman	정확도 최고	설계/이해/계산량 어려움
FIR/IIR	정밀한 필터링	메모리/성능 요구

---

✅ 권장 조합 (센서 종류별)

센서	추천 필터
초음파, 거리	Median + EMA (중복 적용)
가속도, 자이로	EMA 또는 Low-pass (fixed-point)
UWB 거리	WMA + Trend Break + EMA
사용자 입력, 제어 신호	Low-pass 또는 Deadband 조합