【micropython】滑动平均滤波

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。