滤波原理:
采用队列方式,当来一个新数据时,将队列里面的最老的数据替换掉。计算队列里面数据的平局值或加权平均值。
例如采样数据为 1,2,3,4,5,6,7,8
滑动窗口为4时:
1、滑动平均滤波算法
python 程序代码:
from microbit import *
a = [0, 0, 0, 0]
i = 0
while True:
data = pin0.read_analog()
a[i % 4] = data
i +=1
sum = 0
for k in a:
sum += k
ave = sum / 4
print("{},{}".format(data, ave))
sleep(100)
滤波效果:
红色为原始采样数据,蓝色为滑动平均后的数据
2、加权滑动滤波算法
在滑动平局滤波程序里面,队列里面的数据的权值都是一致的,当队列长度为N时,权值为1/N。有时我们希望新数据有较高的权值,程序可以进行如下更改。使用加权滑动滤波算法后,对于新数据更加敏感。
# 在这里写上你的代码 :-)
from microbit import *
a = [0, 0, 0, 0]
weight = [0.4, 0.3, 0.2, 0.1]
while True:
data = pin0.read_analog() # 读取AD值
for i in range(0, 3):
a[i + 1] = a[i] # 窗口移动
a[0] = data
# 滑动平均
sum = 0
ave1 = 0
for j in a:
sum += j
ave1 = sum / 4
# 加权平均
ave2 = 0
for j in range(0, 4):
ave2 += a[j] * weight[j]
print("{},{},{}".format(data, ave1, ave2))
sleep(100)
3、对比
实际采样了100个数据,使用excel,分别计算滑动平均和加权平均,窗口大小为4.
从下图中可以看出,加权平均能够更快的跟随原始值的变化,而加权平均计算出来的数据更平滑。