数字滤波算法
算数平均滤波
比较简单的一种滤波算法。顾名思义,对多次采样值取平均,将平均值作为有效采样值。
#define SAMPLE_NUM 5
int imu_acc[SAMPLE_NUM];
int filter(void)
{
int i, sum = 0;
for(i = 0; i<SAMPLE_NUM; i++)
{
sum += imu_acc[i];
}
return sum / SAMPLE_NUM;
}
算法很简单,但是有很大的缺陷。当遇到数据异常,即采样值明显偏大或者偏小的时候,算数平均值会存在较大误差。对此,我们在滤波前先将最大值和最小值剔除。
int filter(void)
{
int i, sum = 0, max = 0, min = 0;
for(i = 0; i<SAMPLE_NUM; i++)
{
if(imu_acc[i] > max)
{
max = imu_acc[i];
}
else if(imu_acc[i] < min)
{
min = imu_acc[i];
}
sum += imu_acc[i];
}
sum -= (min + max);
return sum / SAMPLE_NUM;
}
如果一次采样中出现多次数据异常,可以加大采样量,一秒钟之内采集10次变为采集20次,排序后去掉两个最大值和最小值,再对剩下的数求算数平均
滑动均值滤波
算数平均滤波需要多次采样才能得出一个有效值,适用于检测量变化较慢的场景,对于检测量变化较快的场景,表现为系统反应迟钝。
滑动均值滤波是将当前采样值与之前连续采样值进行平均,这样每次采样之后都可以得到有效输出。因为参与计算的历史采样值个数固定并且会不断更新,像滑块平移一样,所以叫滑动均值滤波。
一般来说新输出的数据权重比较大,所以要根据权重进行加权平均
#define SAMPLE_WINDOW_NUM 5
int imu_history_data[SAMPLE_WINDOW_NUM];//前SAMPLE_WINDOW_NUM-1个数据是最近的采样数据
int buff_init = 0;//数组填充标志位
int index = 0;//标志最新数据放入的位置
int factor[SAMPLE_WINDOW_NUM] = {1,2,3,4,5};//加权系数
int factor_sum = 15;//1+2+3+4+5
int filter(int current_sample_value)
{
int sum = 0;
int i;
int factor_index = 0;
if(buff_init == 0) //history数组还没有填充完成
{
imu_history_data[index] = current_sample_value;
index++;
if(index >= SAMPLE_WINDOW_NUM-1)
{
buff_init = 1;
}
}
else //history数组填充完成,进行滑动滤波
{
imu_history_data[index] = current_sample_value;
index++;
if(index >= SAMPLE_WINDOW_NUM)
{
index = 0;
}
}
factor_index = index;
for(i = 0; i<SAMPLE_WINDOW_NUM; i++)
{
sum += imu_history_data[factor_index] * factor[i];
factor_index++;
if(factor_index >= SAMPLE_WINDOW_NUM)
{
factor_index = 0;
}
}
return sum / factor_sum;
}