数据采集常用的滤波器（python版）

一、摘要

本次一共做了11个滤波器实验，包括：
1.限幅滤波器
2.中位值滤波器
3.递推中位值滤波器
4.算数平均值滤波器
5.递推算数平均数滤波器
6.中位值平均滤波器
7.限幅平均滤波器
8.一阶滞后滤波器
9.加权递推平均滤波器
10. 消抖滤波器
11.限幅消抖滤波器
网上常见的有10个滤波器，第三个递推中位值滤波器由自己小改设计

二、简单常规滤波器

1.限幅滤波器

1.1 操作方法

1. 根据经验判断两次采样允许的最大偏差值limit
2. 初始化lastData=limit
3. 每次采新值时判断：若本次值与上次值之差<=limit，则本次有效；若本次值与上次值之差>limit，本次无效
4. 用上次值代替本次

1.2 优缺点

可以克服脉冲干扰，但无法抑制周期性干扰，平滑度差

1.3 代码

lastData = limit 
def limiting(nowData, limit):
    global lastData
    if (abs(nowData-lastData) > limit):
        return lastData
    else:
        lastData = nowData
        return nowData

1.4 实验结果

限幅滤波器结果，蓝色线是真实值，橘色线是滤波后的值。limit = 1。

2. 中位值滤波器

2.1 操作方法

1. 连续采样N次，按大小排列
2. 取中间值为本次有效值
3. 数据个数未到N返回数据本身
4. 一个周期采样完后丢掉所有数据，然后新采样N个数据算中位数

2.2 优缺点

和历史数据无关，可以克服波动干扰，对温度等变化缓慢的被测参数有良好的滤波效果，对速度等快速变化的参数不宜。

2.3 代码

def medianNormal(data = []):
    data.sort()
    return data[int(len(data)/2)]

2.4 实验结果

数据	结果
[2,4,6,8,10,12,14]	8
[1,2,3,4]	3.0

3. 递推中位值滤波器

3.1 操作方法

1. 连续采样N次，按大小排列
2. 取中间值为本次有效值
3. 数据个数未到N返回数据本身
4. 数据满足先进先出

3.2 优缺点

和历史数据相关，滞后性高于中位值滤波器，但数据稳定性高于中位值滤波器，对温度等变化缓慢的被测参数有良好的滤波效果，对速度等快速变化的参数不宜。

3.3 代码

allData = []
def median(data, N=0):
    global allData
    if len(allData) < N:
        allData.append(data)
        return data
    else:
        allData.insert(-1, data)
        median = allData[int(len(allData)/2)]
        allData.pop(0)
        return median

3.4 实验结果

中值滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 6

中值滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 11

4. 算数平均值滤波器

4.1 操作方法

1. 连续采样N次
2. 取平均 N较大时平滑度高，灵敏度低
3. N较小时平滑度低，灵敏度高
4. 一般N=12
5. 一个周期采样完后丢掉所有数据，然后新采样N个数据算平均数

4.2 优缺点

适用于存在随机干扰的系统，占用RAM多，速度慢

4.3 代码

def meanNormal(data = []):
     return np.sum(data)/len(data)

4.4 实验结果

数据	结果
[1,2,3,4]	2.5
[2,4,6,8]	5.0

5. 递推算数平均滤波器

5.1 操作方法

1. 连续采样N次
2. 取平均 N较大时平滑度高
3. 灵敏度低 N较小时平滑度低，灵敏度高
4. 数据个数未到N返回数据本身
5. 数据满足先进先出

5.2 优缺点

和历史数据相关，适用于存在随机干扰的系统，占用RAM多，速度慢

5.3 代码

def mean(data, N=0):
    global allData
    if len(allData) < N-1:
        allData.append(data)
        return data
    else:
        allData.insert(-1, data)
        mean = np.sum(allData)/len(allData)
        allData.pop(0)
        return mean

5.4 实验结果

均值滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 3

均值滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 6

6. 中位值平均滤波器

6.1 操作方法

1. 采样N个值
2. 去掉最大最小
3. 计算N-2的平均值 N= 3~14

6.2 优缺点

1. 融合了中位值，平均值的优点
2. 消除脉冲干扰
3. 计算速度慢，RAM占用大

6.3 代码

def medianMeanNornal(data=[]):
    data.sort()
    data.pop(0)
    data.pop(-1)
    return np.sum(data)/len(data)

6.4 实验结果

数据	结果
[1,2,3,4,6,7]	3.75
[1,4,3,4,6,9]	4.25

7. 限幅平均滤波器

7.1 操作方法

1. 每次采样数据先限幅后送入队列
2. 取N个数据的平均值

7.2 优缺点

1. 融合限幅、均值、队列的优点
2. 消除脉冲干扰，占RAM较多

7.3 代码

lastData = limit
allData = []
def limitMean(nowData, limit, N):
    global lastData
    global allData
    if (abs(nowData-lastData) > limit):
        nowData = lastData
    else:
        pass
    if len(allData) < N-1:
        allData.append(nowData)
        return nowData
    else:
        allData.insert(-1, nowData)
        mean = np.sum(allData)/len(allData)
        allData.pop(0)
        return mean

7.4 实验结果

限幅平均滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 6

限幅平均滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 11

8. 一阶滞后滤波器

8.1 操作方法

1. 取a=0~1
2. 本次滤波结果=（1-a）* 本次采样 + a * 上次结果

8.2 优缺点

1. 良好一直周期性干扰，适用波动频率较高场合
2. 灵敏度低，相位滞后

8.3 代码

lastData = 0 
def firstorder(nowData, a):
    global lastData
    data = (1-a)*nowData+a*lastData
    lastData = nowData
    return data

8.4 实验结果

一阶滞后滤波器结果，蓝色线是真实值，橘色线是滤波后的值。a = 0.1

一阶滞后滤波器结果，蓝色线是真实值，橘色线是滤波后的值。a = 0.6

9. 加权递推平均滤波器

9.1 操作方法

1. 对递推平均滤波的改进，不同时刻的数据加以不同权重，通常越新的数据权重越大，这样灵敏度高，但平滑度低

9.2 优缺点

适用有较大滞后时间常数和采样周期短的系统，对滞后时间常数小，采样周期长、变化慢的信号不能迅速反应其所受干扰

9.3 代码

allData = []
def weightmean(nowData, weight=[], N=5): #权重weight的长度要和N相等
    sum = 0
    if len(allData) < N-1:
        allData.append(nowData)
        return nowData
    else:
        weightSum = np.sum(weight)
        allData.insert(-1, nowData)
        for i, x in enumerate(allData):
            sum += weight[i] * x
        allData.pop(0)
    return sum/weightSum

9.4 实验结果

加权递推平均滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 5

加权递推平均滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 10

10. 消抖滤波器

10.1 操作方法

1. 设置一个滤波计数器
2. 将采样值与当前有效值比较
3. 若采样值=当前有效值，则计数器清0
4. 若采样值不等于当前有效值，则计数器+1
5. 若计数器溢出，则采样值替换当前有效值，计数器清0

10.2 优缺点

1. 对变化慢的信号滤波效果好，变化快的不好
2. 避免临界值附近的跳动，计数器溢出时若采到干扰值则无法滤波

10.3 代码

lastData = 10
counter = 0
def eliminatedithering(nowData, N):
    global lastData, counter
    if counter == N:
        lastData = nowData
        counter = 0
        return nowData
    if nowData != lastData:
        counter += 1
        return lastData

10.4 实验结果

消抖滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 4

消抖滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 8

11. 限幅消抖滤波器

11.1 操作方法

1. 先限幅 后消抖

11.2 优缺点

1. 避免引入干扰值，对快速变化的信号不宜
2. 融合了限幅、消抖的优点

11.3 代码

lastData = 10 
counter = 0 
def limiteiminatedithering(nowData,N,limit):
    global lastData, counter
    if (abs(nowData-lastData) > limit):
        nowData = lastData
    else:
        pass
    if counter == N:
        lastData = nowData
        counter = 0
        return nowData
    if nowData != lastData:
        counter += 1
        return lastData

11.4 实验结果

限幅消抖滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 4，limit = 3

限幅消抖滤波器结果，蓝色线是真实值，橘色线是滤波后的值。N = 4，limit = 2