各大滤波算法的学习

最新推荐文章于 2024-04-13 06:17:20 发布
最新推荐文章于 2024-04-13 06:17:20 发布
阅读量388 收藏 8
点赞数 3
分类专栏： 电赛准备 文章标签： 算法 学习 单片机
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WandZ123/article/details/125665474
版权

前言

人生如逆旅，我亦是行人。

一、限幅滤波法（又称程序判断滤波法）

  • 方法：

  1. 比较相邻 n 和 n - 1 时刻的两个采样值 y(n) 和 y(n – 1) ，根据经验确定两次采样允许的 最大偏差，如果 两次采样值的差值超过最大偏差范围，认为发生 可随机干扰，并认为后一次采样值 y(n) 为非法值，应予删除，删除 y(n) 后，可用 y(n – 1) 代替 y(n) ；若未超过所允许的最大偏差范围，则认为本次采样值有效。

    注：通俗地来讲，就是先确定一个最大的偏值差（设为A）
    每次检测到新值时判断：
    如果本次值与上次值之差<=A，则本次值有效，
    如果本次值与上次值之差>A，则本次值无效，放弃本次值，用上次值代替本次值。

  • 优点：

    对于随机干扰 , 限幅滤波是一种有效的方法 ，对于随机干扰 , 限幅滤波是一种有效的方法。

  • 缺点：

    无法抑制那种周期性的干扰。 平滑度差。

  • 程序：

#include <stdio.h>
 
// 声明最大误差：可根据实际情况进行调整
#define DELAT_MAX 10
// 定义滤波数据类型
typedef	int filter_type;
// 函数声明
filter_type filter(filter_type effective_value, filter_type new_value, filter_type delat_max);
// 限幅滤波算法函数
filter_type filter(filter_type effective_value, filter_type new_value, filter_type delat_max)
{
	if (( new_value - effective_value > delat_max ) || ( effective_value - new_value > delat_max ))
		return effective_value;		//effective_value为有效值，用有效值代替新值，舍去
	else
		return new_value;	//new_value 为当前采样值滤波程序返回有效的实际值
}
// 打印测试
int main()
{
	filter_type a = 8;
	filter_type b = -3;
	filter_type c;
 
	c = filter(a, b, DELAT_MAX);
	printf("%d", c);

	return 0;
}

int Filter_Value;
int Value;

void setup() {
  Serial.begin(9600);       // 初始化串口通信
  randomSeed(analogRead(0)); // 产生随机种子
  Value = 300;
}

// 用于随机产生一个300左右的当前值
int Get_AD() {
  return random(295, 305);
}

// 限幅滤波法（又称程序判断滤波法）
#define FILTER_A 1
int Filter() {
  int NewValue;
  NewValue = Get_AD();
  if(((NewValue - Value) > FILTER_A) || ((Value - NewValue) > FILTER_A))
    return Value;
  else
    return NewValue;
}

void loop() {
  Filter_Value = Filter();       // 获得滤波器输出值
  Value = Filter_Value;          // 最近一次有效采样的值，该变量为全局变量
  Serial.println(Filter_Value); // 串口输出
  delay(50);
}

二、中值滤波算法

  • 中值滤波是对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心象素的原来灰度值，它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。

  • 中值滤波可以过滤尖峰脉冲。目的在于我们对于滤波后的数据更感兴趣。滤波后的数据保留的原图像的变化趋势，同时去除了尖峰脉冲对分析造成的影响。

  • 方法：

    连续采样 N 次（N 取整数），然后把 N 个采样值按大小顺序排序，取中间值作为本次的有效值。

  • 优点：

    能克服因偶然因素引起的波动干扰；对温度、液位的变化缓慢的被测参数有良好的滤波效果。

  • 缺点：

    对流量、速度等快速变化的参数不宜。

  • 程序：

int Filter_Value;

void setup()
{
    Serial.begin(9600);        // 初始化串口通信
    randomSeed(analogRead(0)); // 产生随机种子
}

// 用于随机产生一个300左右的当前值
int Get_AD()
{
    return random(295, 305);
}

// 中位值滤波法
#define FILTER_N 101
int Filter()
{
    int filter_buf[FILTER_N];
    int i, j;
    int filter_temp;
    for (i = 0; i < FILTER_N; i++)
    {
        filter_buf = Get_AD();
        delay(1);
    }
    // 采样值从小到大排列（冒泡排序法）
    for (j = 0; j < FILTER_N - 1; j++)
    {
        for (i = 0; i < FILTER_N - 1 - j; i++)
        {
            if (filter_buf > filter_buf[i + 1])
            {
                filter_temp = filter_buf;
                filter_buf = filter_buf[i + 1];
                filter_buf[i + 1] = filter_temp;
            }
        }
    }

    //算出平均值作为最后的有效值
    return filter_buf[(FILTER_N - 1) / 2];
}

void loop()
{
	Filter_Value = Filter();	//获得滤波器输出值
	Serial.println(Filter_Value);	//串口输出
	delay(50);
}
  • bArray 是一个整形指针，我们传入的一般是一个数组，用来存储待排序的数据 ；iFilterLen 是滤波器的长度 ；
  • 用在图像处理中时，由于像素的取值范围是0~255，刚好是 unsigned char 的范围，所以函数的返回值是 unsigned char ，如果我们要处理的数是 float 型，或其他类型，返回值也可以更改返回值是 temp ，也即是我们想得到的中值
#include<stdio.h>

unsigned char GetMedianNum(int * bArray, int iFilterLen)
{
    unsigned char temp;

    //利用冒泡排序进行排序
    for (int i = 0; i < iFilterLen - 1; i++)
    {
        /* code */
        for (int j = 0; i < iFilterLen - 1 - i; j++)
        {
            /* code */
            if (bArray[i] > bArray[i+1])
            {
                /* 互换 */
                temp        = bArray[i];
                bArray[i]   = bArray[i+1];
                bArray[i+1] = temp;
            }
        }
    }

    //计算中值
    if ((iFilterLen & 1) > 0)
    {
        //数组中有奇数个元素，返回中间一个元素
        temp = bArray[(iFilterLen+1) / 2];
    }
    else
    {
        // 数组有偶数个元素，返回中间两个元素平均值
        temp = (bArray[iFilterLen/2] + bArray[iFilterLen/2 + 1]) / 2;
    }
    return temp;
}

三、算术平均滤波法

  • 方法：

    连续取 N 个采样值进行算术平均值运算：

    • N 值较大时：信号平滑度较高，但灵敏度较低；
    • N 值较小时：信号平滑度较低，但灵敏度较高；
    • N值的选取：一般流量，N=12；压力：N=4。

  • 优点

    适用于对一般具有随机干扰的信号进行滤波；

    这种信号的特点是有一个平均值，信号在某一数值范围附近上下波动

  • 缺点：

    • 对于测量速度较慢或要求数据计算速度较快的实时控制不适用；比较浪费RAM、
    • 对于偶发异常，比如某次的采样值明显偏大，经过算数平均值导致最终值存在较大偏差。针对这种极大值或极小值的问题，可以在算数平均前先进行剔除。
    • 在实际如现场比赛打分中，就是去掉最高分和最低分之后的平均值。但是对于一次采样周期中出现多个异常数据则无法排除，正如比赛中，恰好某选手有2个以上的评委干爹，这是无解的。不过可加大采样量，1分钟内采集4次改为采集10次，排序后去掉最大的2个值和最小的2个值，再对剩下的6个值求算数平均值。

  • 程序：

int Filter_Value;

void setup()
{
	Serial.begin(9600);		//初始化串口通信
	randomSeed(analogRead(0));	//产生随机种子
}

//用于随机产生一个300左右的当前值
int Get_AD()
{
	return random(295,305);
}

//算术平均滤波
#define FILTER_N	12
int Filter(void)
{
	int filter_sum = 0;
	for(int i=0; i<FILTER_N; i++)
	{
		filter_sum += Get_AD();
		delay(1);	//延时一毫秒
	}
	return (int)(filter_sum/FILTER_N);
}

void loop()
{
	Filter_Value = Filter();	//获得滤波器输出值
	Serial.println(Filter_Value);	//串口输出
	delay(50);
}
  • 改进后的算法：剔除极大值和极小值；
int filter(void)
{
    int sum=0;
    int min=0,max=0;

    for(int i=0; i<FILTER_N; i++)
    {
        if(vBat[i]>max)
        {
            max=vBat[i];
        }
        if(vBat[i]<min)
        {
            min==vBat[i];
        }
        sum+=vBat[i];
    }

    sum=sum-min-max;
    
    return sum/SAMPLE_NUM;
}

四、递推平均滤波法（又称滑动平均滤波法）

  • 方法：

    • 把连续取得的N个采样值看成一个队列，队列的长度固定为N
    • 每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据（先进先出：FIFO）
    • 把队列中的N个数据进行算术平均运算，获得新的滤波结果
    • 注：N 值的选取：流量，N = 12；压力，N = 4；液面，N = 4~12；温度，N = 1~4

  • 优点：

    • 对 周期性干扰 有良好的抑制作用，平滑度高
    • 适用于 高频振荡的系统

  • 缺点：

    • 灵敏度低，对偶然出现的脉冲性干扰的抑制作用较差；
    • 不易消除由于脉冲干扰所引起的采样值偏差；
    • 不适用于脉冲干扰比较严重的场合；
    • 比较浪费 RAM ；

  • 程序：

int Filter_Value;

void setup() {
  Serial.begin(9600);       // 初始化串口通信
  randomSeed(analogRead(0)); // 产生随机种子
}

// 用于随机产生一个300左右的当前值
int Get_AD() {
  return random(295, 305);
}

// 递推平均滤波法（又称滑动平均滤波法）
#define FILTER_N 12

int filter_buf[FILTER_N + 1];

int Filter() {
  int filter_sum = 0;
  filter_buf[FILTER_N] = Get_AD();
  for(int i = 0; i < FILTER_N; i++) {
    filter_buf[i] = filter_buf[i + 1]; // 所有数据左移，低位仍掉
    filter_sum += filter_buf;
  }
  return (int)(filter_sum / FILTER_N);
}

void loop() {
  Filter_Value = Filter();       // 获得滤波器输出值
  Serial.println(Filter_Value); // 串口输出
  delay(50);
}
  • 参考代码：
/*定义滤波数据类型*/
typedef	int filter_type;
// 函数声明
filter_type filter(filter_type value_buf[], filter_type new_value, int num);

/* 递推平均滤波函数 */
filter_type filter(filter_type value_buf[], filter_type new_value, int num)
{
	static int i;
	int count;
	filter_type sum = 0;
 
	value_buf[i++] = new_value;

	if (i == num)
		i = 0;
	for (count=0; count<num; count++)
		sum += value_buf[count];
 
	return (filter_type)(sum/num);
}

五、中位值平均滤波法（又称防脉冲干扰平均滤波法）

  • 方法：（相当于 “中位值滤波法” + “算术平均滤波法” ）

    • 采一组队列去掉最大值和最小值后取平均值
    • 连续采样N个数据，去掉一个最大值和一个最小值
    • 然后计算N-2个数据的算术平均值
    • 注：N 值的选取：3~14

  • 优点：

    • 融合了“中位值滤波法”+“算术平均滤波法”两种滤波法的优点
    • 对于偶然出现的脉冲性干扰，可消除由其所引起的采样值偏差
    • 对周期干扰有良好的抑制作用
    • 平滑度高，适于高频振荡的系统

  • 缺点：

    • 计算速度较慢，和算术平均滤波法一样；
    • 比较浪费 RAM ；

  • 程序：

方法一：

int Filter_Value;

void setup() {
  Serial.begin(9600);       // 初始化串口通信
  randomSeed(analogRead(0)); // 产生随机种子
}

// 用于随机产生一个300左右的当前值
int Get_AD() {
  return random(295, 305);
}

#define FILTER_N 100

int Filter() {
  int i, j;
  int filter_temp, filter_sum = 0;
  int filter_buf[FILTER_N];
  for(i = 0; i < FILTER_N; i++) {
    filter_buf = Get_AD();
    delay(1);
  }
  // 采样值从小到大排列（冒泡法）
  for(j = 0; j < FILTER_N - 1; j++) {
    for(i = 0; i < FILTER_N - 1 - j; i++) {
      if(filter_buf > filter_buf[i + 1]) {
        filter_temp = filter_buf;
        filter_buf = filter_buf[i + 1];
        filter_buf[i + 1] = filter_temp;
      }
    }
  }
  // 去除最大最小极值后求平均
  for(i = 1; i < FILTER_N - 1; i++) 
  	filter_sum += filter_buf;
  return filter_sum / (FILTER_N - 2);
}

void loop() {
  Filter_Value = Filter();       // 获得滤波器输出值
  Serial.println(Filter_Value); // 串口输出
  delay(50);
}

方法二：

#define FILTER_N 100

int Filter()
{
    int i;
    int filter_sum = 0;
    int filter_max, filter_min;
    int filter_buf[FILTER_N];
    for (i = 0; i < FILTER_N; i++)
    {
        filter_buf = Get_AD();
        delay(1);
    }
    filter_max = filter_buf[0];
    filter_min = filter_buf[0];
    filter_sum = filter_buf[0];
    for (i = FILTER_N - 1; i > 0; i--)
    {
        if (filter_buf > filter_max)
            filter_max = filter_buf;
        else if (filter_buf < filter_min)
            filter_min = filter_buf;
        filter_sum = filter_sum + filter_buf;
        filter_buf = filter_buf[i - 1];
    }
    i = FILTER_N - 2;
    filter_sum = filter_sum - filter_max - filter_min + i / 2; // +i/2 的目的是为了四舍五入
    filter_sum = filter_sum / i;
    return filter_sum;
}

六、限幅平均滤波算法法

  • 方法：（相当于“限幅滤波法”+“递推平均滤波法”）

    • 每次采样到的新数据先进行限幅处理
    • 再送入队列进行递推平均滤波处理

  • 优点：

    • 融合了 “限幅滤波法” + “递推平均滤波法” 两种滤波法的优点
    • 对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差

  • 缺点：

    • 比较浪费 RAM ；

  • 程序：

#define FILTER_N 12
int Filter_Value;
int filter_buf[FILTER_N];

void setup() 
{
  Serial.begin(9600);       // 初始化串口通信
  randomSeed(analogRead(0)); // 产生随机种子
  filter_buf[FILTER_N - 2] = 300;
}

// 用于随机产生一个300左右的当前值
int Get_AD() 
{
  return random(295, 305);
}

//限幅平均滤波法
#define FILTER_A	1
int Filter()
{
	int filter_sum = 0;
	filter_buf[FILTER_N - 1] = Get_AD();
	if(((filter_buf[FILTER_N - 1] - filter_buf[FILTER_N - 2]) > FILTER_A) || 
       ((filter_buf[FILTER_N - 2] - filter_buf[FILTER_N - 1]) > FILTER_A))
       filter_buf[FILTER_N - 1] = filter_buf[FILTER_N - 2];

	for(int i=0; i<FILTER_N; i++)
	{
		filter_buf = filter_buf[i + 1];
		filter_sum += filter_buf;
	}
	return (int)filter_sum/(FILTER_N - 1);
}
  • 参考代码：
#define LIMIT 200
#define SIZE 20
 
//返回两个数差
typedef  unsigned int filter_type;
filter_type num_sub( filter_type a, filter_type b )
{
    return ( a >= b ? ( a - b ) : ( b - a ) );
}
 
filter_type filter( void )                            
{
    static filter_type value_buf[SIZE];
    static unsigned int i = 0;
    filter_type count;
    filter_type  new_value = 0;
    static filter_type last_value = 0;
    int  sum = 0;
    new_value = ReadVol_CH2();
    if( num_sub( new_value, last_value ) < LIMIT )
    {
        value_buf[i++] = new_value;
        last_value = new_value;
    }
    else
    {
        value_buf[i++] = last_value;
    }
    if( i == SIZE )
    {
        i = 0;
    }
    for( count = 0; count < SIZE; count++ )
    {
        sum += value_buf[count];
    }
    return ( last_value )( sum / SIZE );
}

七、一阶滞后滤波法（又叫一阶惯性滤波）

  • 算法公式：
    Y ( n ) = a ∗ Y ( n − 1 ) + ( 1 − a ) ∗ X ( n ) Y(n) = a * Y(n - 1) + (1 - a) * X(n) Y(n)=a∗Y(n−1)+(1−a)∗X(n)
    注：a 为滤波系数，X（n）= 本次采样值，Y(n-1) = 上次滤波输出值，Y（n）= 本次滤波输出值。

  • 方法：

    • 取 a = 0 ~ 1；
    • 本次滤波结果 = （1 - a）* 本次采样值 + a * 上次滤波结果

  • 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

  • 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 1/2 的干扰信号。

  • 程序：

int Filter_Value;
int Value;

void setup()
{
	Serial.begin(9600);	//初始化串口通信
	randomSeed(analogRead(0)); // 产生随机种子
  	Value = 300;
}

// 用于随机产生一个300左右的当前值
int Get_AD() {
  return random(295, 305);
}
// 一阶滞后滤波法
#define FILTER_A 0.01
int Filter() {
  int NewValue;
  NewValue = Get_AD();
  Value = (int)((float)NewValue * FILTER_A + (1.0 - FILTER_A) * (float)Value);
  return Value;
}

void loop() {
  Filter_Value = Filter();       // 获得滤波器输出值
  Serial.println(Filter_Value); // 串口输出
  delay(50);
}

八、加权递推平均滤波法

  • 方法：

    • 是对 递推平均滤波法 的改进，即不同时刻的数据加以不同的权
    • 通常是，越接近现时刻 的数据，权取得越大
    • 给予新采样值的权系数越大，则灵敏度越高，但信号平滑度越低

  • 优点：

    • 适用于有较大纯滞后时间常数的对象，和采样周期较短的系统

  • 缺点：

    • 对于纯滞后时间常数较小、采样周期较长、变化缓慢的信号
    • 不能迅速反应系统当前所受干扰的严重程度，滤波效果差

  • 程序：

int Filter_Value;

void setup()
{
	Serial.begin(9600); 		// 初始化串口通信
  	randomSeed(analogRead(0));  // 产生随机种子
}

// 用于随机产生一个300左右的当前值
int Get_AD() {
  return random(295, 305);
}

// 加权递推平均滤波法
#define FILTER_N 12
int coe[FILTER_N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12};    // 加权系数表
int sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12; // 加权系数和
int filter_buf[FILTER_N + 1];
int Filter() {
  int i;
  int filter_sum = 0;
  filter_buf[FILTER_N] = Get_AD();
  for(i = 0; i < FILTER_N; i++) {
    filter_buf = filter_buf[i + 1]; // 所有数据左移，低位仍掉
    filter_sum += filter_buf * coe;
  }
  filter_sum /= sum_coe;
  return filter_sum;
}

void loop() {
  Filter_Value = Filter();       // 获得滤波器输出值
  Serial.println(Filter_Value); // 串口输出
  delay(50);
}
  • 参考代码：
define N 12
typedef  unsigned int filter_type;

filter_type  coe[N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12};
filter_type  sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12;
extern filter_type  Read[N];	/采样得到的数组/

filter_type filter( filter_type * read )                    
{
    filter_type count;
    filter_type value_buf[N];
    unsigned long  sum = 0;
    for( count = 0; count < N; count++ )
    {
        value_buf[count] =  Read[count];
    }
    for( count = 0; count < N; count++ )
    {
        sum += value_buf[count] * coe[count];
    }
    return ( filter_type )( sum / sum_coe );
}

注：coe 为数组加权系数表，存在程序存储区，sum_coe 为加权系数和。

九、消抖滤波算法

  • 方法：

    • 设置一个滤波计数器，将每次采样值与当前有效值比较
    • 如果采样值 = 当前有效值，则计数器清零
    • 如果采样值 != 当前有效值，则计数器 +1 ，并判断计数器是否 >= 上限 N（溢出）
    • 如果计数器溢出，则将本次采样值替换为当前有效值，并清计数器

  • 优点：

    • 对于变化缓慢的被测参数有较好的滤波效果
    • 可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动

  • 缺点：

    • 对于快速变化的参数不宜
    • 如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统

  • 程序：

int Filter_Value;
int Value;

void setup() {
  Serial.begin(9600);       // 初始化串口通信
  randomSeed(analogRead(0)); // 产生随机种子
  Value = 300;
}


// 用于随机产生一个300左右的当前值
int Get_AD() {
  return random(295, 305);
}

// 消抖滤波法
#define FILTER_N 12
int count = 0;
int Filter() {
  int new_value;
  new_value = Get_AD();
  if(Value != new_value) {
    count ++;
    if(count > FILTER_N) {
      count = 0;
      Value = new_value;
    }
  }
  else
    count = 0;
  return Value;
}

void loop() {
  Filter_Value = Filter();       // 获得滤波器输出值
  Serial.println(Filter_Value); // 串口输出
  delay(50);
}

十、限幅消抖滤波法

  • 方法：

    • 相当于 “限幅滤波法” + “消抖滤波法” ；
    • 先限幅，后消抖。

  • 优点：

    • 继承了“限幅”和“消抖”的优点
    • 改进了“消抖滤波法”中的某些缺陷，避免将干扰值导入系统。

  • 缺点：

    • 对于快速变化的参数不宜

  • 程序：

int Filter_Value;
int Value;

void setup() {
  Serial.begin(9600);       // 初始化串口通信
  randomSeed(analogRead(0)); // 产生随机种子
  Value = 300;
}

// 用于随机产生一个300左右的当前值
int Get_AD() {
  return random(295, 305);
}

// 限幅消抖滤波法
#define FILTER_A 1
#define FILTER_N 5
int count = 0;
int Filter() {
  int NewValue;
  int new_value;
  NewValue = Get_AD();
  if(((NewValue - Value) > FILTER_A) || ((Value - NewValue) > FILTER_A))
    new_value = Value;
  else
    new_value = NewValue;
  if(Value != new_value) {
    count ++;
    if(count > FILTER_N) {
      count = 0;
      Value = new_value;
    }
  }
  else
    count = 0;
  return Value;
}

void loop() {
  Filter_Value = Filter();       // 获得滤波器输出值
  Serial.println(Filter_Value); // 串口输出
  delay(50);
}
W_oilpicture
关注
  • 3
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
卡尔曼滤波算法的个人学习
春天猪会飞的博客
12-19 232
卡尔曼滤波算法的个人学习开始我的代码测试实际测试的结果如下 开始 最近开始接触到电池SOC的估算问题，无意中了解到卡尔曼滤波算法，在此记录一下自己的学习过程。 学习参考大部分来自B站，发现一位大佬讲的很不错，这里贴一下地址，有兴趣的同学可以去详细学习。 以下内容为我根据大佬的讲解，使用python验证自己的理解，加深印象所用，对于卡尔曼滤波原理我只是初步了解和测试，因此有错误的地方欢迎各位老铁指正！ 大佬的视频：【卡尔曼滤波器】1_递归算法_Recursive Processing 我的代码测试 下面是我的
滤波算法知识点汇总
limingmin2020的博客
05-16 1170
本文为大家汇总介绍了多种滤波算法，值得一读！
【学习】滤波器知识
九的方
04-05 757
滤波 滤波分为电路滤波和算法滤波。 滤波：利用一定的手段抑制无用的信号，增强有用的信号 低通滤波=模糊；高通滤波=锐化 电路滤波是从源头上解决（缓解）问题，但是使用成本比较高，即使使用了电路滤波也是不能保证每次采集的数据都是准确的，因为在实际的工作状态中遇到的干扰各种各样，算法滤波的成本比较低，基本思想是采集多次数据对这些采集的数据进行处理最后选择（或计算）出一个可靠的数据放入数据库，要注意算法滤波需要建立在电路滤波的基础上，因此将两者结合起来才能够保证每次写入数据库的数据是可靠的。 最优滤波或最优估计：
滤波相关学习
brightming的专栏
10-11 287
文章目录滤波基本概念状态状态转移概率测量概率置信度贝叶斯滤波高斯滤波卡尔曼滤波扩展卡尔曼滤波UKF滤波信息滤波非参数滤波直方图滤波粒子滤波 滤波 为什么叫做滤波？ 滤波一词来源于通信理论，它是从含有干扰的接收信号中提取有用信号的一种技术。“接收信号”相当于被观测的随机过程，“有用信号”相当于被估计的随机过程。 来自百度百科。 这个说法确实很形象，将有用的信息从一堆混在的信号中提取出来。 我们的现实世界确实充满着不确定性，没人能精准、完全的描述某种状态。对于想让机器智能的完成人类的任务的设计者来说，要重视
卡尔曼滤波学习
bigben_stone的博客
05-28 312
卡尔曼滤波学习 分享一个个人觉得最形象和清晰的卡尔曼滤波解释，中文连接：如何通俗并尽可能详细地解释卡尔曼滤波？ - 米开朗基罗赵的回答 - 知乎. 英文原文链接：How a Kalman filter works, in pictures. 另一个较为深入讲解卡尔曼滤波的：Understanding the Basis of the Kalman Filter Via a Simple and Intuitive Derivation ...
卡尔曼滤波算法学习与实验
03-15
**卡尔曼滤波算法详解与实践** 卡尔曼滤波（Kalman Filter）是一种在噪声存在下的线性系统状态估计方法，由数学家鲁道夫·卡尔曼于1960年提出，广泛应用于航空、航天、导航、控制工程、信号处理、图像处理等多个...
OpenCV学习指南(四)图像滤波算法
12-21
图像滤波算法前言算法高斯滤波算法代码高斯滤波算法NLmeans滤波算法(Python)各项异性滤波算法邻域滤波算法总变分滤波算法Python学习 前言   本文将是一篇为图像处理的初学者准备的滤波算法的入门文章。理论在前，...
卡尔曼滤波算法C语言实现.pdf
04-03
详细讲解了卡尔曼滤波算法的每一个步骤，附有C语言代码实现，有部分笔记，以及笔记笔录，认真看应该能看懂
自适应滤波算法labview源文件
12-28
自适应滤波算法在信号处理领域占据着重要地位，它能根据输入...通过分析源代码，我们可以深入理解自适应滤波算法的实现细节，并能对比不同版本的滤波器设计，这对于提升信号处理技能和熟悉LabVIEW编程具有很大帮助。
粒子滤波算法学习
07-08
粒子滤波作为前期信号和数据处理的需要，能使得机器学习的数据更加精确
滑动平均算法
10-12
实现滑动平均算法
c语言限速编程,限速滤波的C语言实现
weixin_39900608的博客
05-18 520
《限速滤波的C语言实现》由会员分享，可在线阅读，更多相关《限速滤波的C语言实现(2页珍藏版)》请在人人文库网上搜索。1、* 文件名：Filter.c* 功能描述：限速滤波*/#include #defineucharunsigned char/保存滤波后Y2,Y3的值uchar g_result2;/函数原型申明void Filter(uchar Y1, uchar Y2, uchar Y3);/...
最优滤波的三种方法论
DaMercy的博客
10-20 6903
优滤波解决系统的状态或信号的最优估计问题,即由被噪声污染的观测信号求在某种性能指标和某种意义下状态或信号的最优估值器，也叫最优滤波器。术语“滤波”来源于无线电学科领域，其含义为滤掉或过滤噪声还状态或信号本来面目之意。在有传感器或检测仪表的系统中,常常会遇到这类问题。这是由于方面传感器或检测仪表对状态或信号的检测带有一-定 量测(观测)噪声(即量测随机误差),另方面在检测过程中还可能存在其他干扰噪声...
MedianBlur(中值滤波/百分比滤波器)
无敌三脚猫的专栏
06-24 1652
MedianBlur(中值滤波/百分比滤波器) C++原型： void ctmf(const unsigned char* src, unsigned char* dst,int width, int height,int src_step_row, int dst_step_row,int r, int channels, unsigned long memsize, int
滤波算法
weixin_30443731的博客
06-13 831
滤波是传感器处理中的重要算法，经常接触底层常常用到，以下总结了一些滤波算法，供以后参考调用。 下文分为三部分 1、低通滤波 2、高通滤波 3、融合滤波 一、低通滤波 1.1RC滤波的数字低通滤波 　　指在截止频率fc的时候，增益为-3db(Aup=0.707)的滤波器，也是模电书中出现的第一种硬件滤波器，以下是对应的软件形式的1阶RC滤波器的数字形式(本断程序节选自匿名4轴) 　...
C语言面向对象实现滑动均值滤波与平均值滤波_滑动滤波算法c语言实现(1)
最新发布
2401_84247505的博客
04-13 963
助，可以添加V获取：vip1024b （备注Go）**[外链图片转存中…(img-3MsXcJX5-1712960222983)]
C语言实现的滑动平均滤波算法
热门推荐
爱跳舞的大象的博客
09-27 5万+
最近采集压力传感器的电压信号，采集到的数据波动挺大的，所以采用滤波的方法进行处理一下。     因为在matlab中依靠matlab的画图函数很容易看到滤波后的数据图像，进而验证滤波效果。最后选择滤波效果好的滤波方法进行C语言实现。     所以首先将采集到的原始数据保存到TXT文档里面，然后导入到matlab中，在matlab中对数据进行滤波。     在matlab中采用了三种滤波方法：1、滑动平均滤波 2、中值滤波 3、卡尔曼滤
平滑滤波算法总结
qq_41679546的博客
05-07 5661
自己项目中经常需要对一维时间序列进行滤波处理（保留原始信号，消除噪声信号），这里做些总结，一方面总结知识，另外帮助他人 1.常用滤波技术 1.1.均值滤波（待续） 1.2.中值滤波（待续） 1.3.高斯滤波法（待续） 2.复杂滤波方法 2.1.STL分解(待续) STL全称 基于损失的季节性趋势分解过程，此算法思想 一些随时间变化的信号由三种信号组合而成，他们分别是 趋势（trend）、季节（se...
SG平滑算法（又称多项式平滑算法）
schuffel的博客
12-24 5万+
今天是平安夜，闲来无事，那就来写一下SG平滑算法吧！ SG平滑算法是由Savizkg和Golag提出来的。基于最小二乘原理的多项式平滑算法，也称卷积平滑。为啥叫多项式平滑呢？且看下去。 下面使用五点平滑算法来说明平滑过程 原理很简单如图： 把光谱一段区间的等波长间隔的5个点记为X集合，多项式平滑就是利用在波长点为Xm-2,Xm-1,Xm,Xm+1,Xm+2的数据的多项式拟合值来取代X...
如何学习卡尔曼滤波算法
03-23
学习卡尔曼滤波算法可以从以下几个方面入手： 1. 学习线性代数和概率论基础知识，这是卡尔曼滤波算法的基础。 2. 学习卡尔曼滤波算法的原理和基本思想，了解其应用场景和优缺点。 3. 学习卡尔曼滤波算法的具体实现...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

W_oilpicture

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值