的傅立叶变换的定义是$x(t)$

$$X(f) \triangleq \int\limits_{-\infty}^{\infty} x(t) \, e^{-j 2 \pi f t} \, \mathrm{d}t$$

评估你会看到$f=0$

$$X(0) = \int\limits_{-\infty}^{\infty} x(t) \, \mathrm{d}t$$

如您所见，DC 处的值等于函数的面积。

到的函数的定积分等于原点的变换。$-\infty$$\infty$$X(0)$

如果您没有流数据，这可能会对您有所帮助。无需使用尖锐的低通滤波器或进行傅立叶变换并提取，只需整合您的数据，结果就相当于获得。$X(0)$$X(0)$

如果您要做的只是估计数据的直流分量，那么您可以简单地获得单位时间内信号的平均值。这可以通过查看用于计算“f=0”（直流分量）的傅立叶系数的表达式来轻松显示。

最简单的方法是通过移动平均过滤器（http://en.wikipedia.org/wiki/Moving_average），它可以在缓冲区上工作。

就 FIR 滤波器而言，这看起来像 'h = one(1,Nbuff)./Nbuff'（因此，对于 2 个样本缓冲区，'h=[0.5,0.5]'）。'Nbuff' 代表过滤器的顺序。这可以通过处理器命令集提供的卷积函数直接应用于您从 CODEC 获得的缓冲区。

您还可以使用“在线算法”（本质上是 IIR 滤波器），它在每个样本的基础上保持对信号平均值的更新估计。为此，请参阅：http ://en.wikipedia.org/wiki/Algorithms_for_calculating_variance#Online_algorithm您还可以设计一个“典型”IIR 滤波器，只要您的处理器和采样周期能够适应需要计算。

（当然，您可以在框架工作和单个样本工作之间进行调整）

请注意，我有一种感觉，您正在为群延迟的概念而苦苦挣扎。过滤器的截止频率并不完全意味着“每 100 秒可以读取一次新数据”。新数据将以系统的采样率不断地馈送到您的滤波器，但系统输入和输出之间信号的每个谐波分量引起的相位延迟可能会有所不同。这如何变化取决于系统的类型（无论是 FIR / IIR）及其形式。这是一个起点：http ://en.wikipedia.org/wiki/Group_delay_and_phase_delay

希望这可以帮助。

) 的低通滤波器都是 DC 提取滤波器的候选者。这种“获得直流”滤波器问题与“直流阻塞滤波器”问题非常等效和互补。$H(1)=1$

我不明白你为什么不为你的 LPF 使用低得多的 IIR 滤波器。使用 IIR 滤波器，您无需 768 个抽头（以及大概 768 个乘法累加指令）就可以变得清晰。

排除（目前）滤波器的成本，权衡是在稳定的 DC 输出和 DC 值实际发生变化时的响应能力之间。当输入中的实际直流发生变化时，您需要多快的直流滤波器来适应？

那么，一个简单的一阶、1 极点 IIR 滤波器有什么问题，您对接近 1 的系数有点小心？

$$y[n] = (1-p) x[n] + p y[n-1]$$

其中$p = \cos(\omega_0) = \cos\left(\pi \frac{0.1}{54000} \right)$

而不是来表达整个事情。$1-p$$p$

$$\begin{align} y[n] & = (1-p) x[n] + p y[n-1] \\ & = y[n-1] + (1-p) \left( x[n] - y[n-1] \right) \\ & = y[n-1] + 2\sin^2\left( \frac{\omega_0}{2} \right) (x[n] - y[n-1]) \\ \end{align}$$

其中或或任何在同一邻域。$\omega_0 \ll 1$$\pi$