非常感谢原作者，我在这个的基础上转换成纯整形运算。STM32F103 12位ADC先放大1000倍再运算，理论上可以保留小数点后三位的结果。

效果非常不错，运算速度也快，72M时钟 1-2uS左右(根据MDK周期数)。]uint32_t KalmanFilter(int32_t ResrcData)

{

/*-------------------------------------------------------------------------------------------------------------*/

/*

Q:过程噪声，Q增大，动态响应变快，收敛稳定性变坏

R:测量噪声，R增大，动态响应变慢，收敛稳定性变好

*/

/*-------------------------------------------------------------------------------------------------------------*/

static int32_t R = (int32_t)(128*1024);

static int32_t Q = (int32_t)4;

static uint32_t Counter1 = 0;

static uint32_t Counter2 = 0;

static int32_t x_last = 0;

static int32_t p_last;   // 应赋初始估计值

int32_t x_mid;

int32_t x_now;

int32_t p_mid ;

int32_t p_now;

ResrcData *= 1024;

x_now = ResrcData - x_last;

if(x_now 

{

x_now *= -1; // 取绝对值

}

if(x_now >= 32*1024)   // 如果测量值连续比估计值大或小 相信测量值，加速迭代

{

Counter1++;

Counter2 = 0;

if(Counter1 > 10)

{

R = 512;;

Q = 128;

}

}

else                 // 数据比较稳定，加强滤波

{

Counter1 = 0;

Counter2++;

if(Counter2 > 10)

{

R = (int32_t)(128*1024);

Q = (int32_t)4;

}

}

x_mid = x_last;   // x_last=x(k-1|k-1),x_mid=x(k|k-1)

p_mid = p_last + Q; // p_mid=p(k|k-1),p_last=p(k-1|k-1),Q=噪声

//    kg = p_mid/(p_mid + R); //kg为kalman filter，R为噪声

//    x_now = x_mid+kg*(ResrcData - x_mid);// 估计出的最优值

x_now = x_mid + (p_mid*(ResrcData - x_mid))/(p_mid + R);

//    p_now = (1 - kg)*p_mid; // 最优值对应的covariance

p_now = p_mid - p_mid*p_mid/(p_mid + R); // 最优值对应的covariance

p_last = p_now;  // 更新covariance值

x_last = x_now;  // 更新系统状态值

x_now /= 1024;

if((x_now > 4096)||( x_now 

{

x_last = ResrcData;

p_now = ResrcData;

x_now = ResrcData/1024;

}

return (u32)x_now;

}