C# RC低通,高通滤波算法

已于 2022-05-23 15:07:18 修改
阅读量3.7k 收藏 35
点赞数 1
分类专栏： 算法 net 文章标签： 算法 c# 信号处理
于 2022-05-18 11:21:00 首次发布
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/phker/article/details/124763377
版权
net 同时被 2 个专栏收录
58 篇文章 4 订阅
订阅专栏
算法
13 篇文章 1 订阅
订阅专栏

参考文章: https://www.sohu.com/a/233360876_466960
参考文章:https://blog.csdn.net/qq_34040067/article/details/114048308
我是摘抄自网络, 对其进行了优化排版, 使其易于理解.

4.接下来是低通滤波公式推导(高通滤波公式可以用相同的思路推导出来)

PS:非专业分析，仅供参考，如有错误请指正。

先定义符号意义：
Q -电荷量(库伦)，
C -电容(F)，
R -电阻(欧姆)，
U -电压(V)，
fs -采样率(sampling rate, 次/秒)
fc -截止频率(Hz)，
PI -圆周率(3.14…),
t -时间(秒)

这里额外插一句, 先定义符号的意义是非常有助于理解接下来的数学公式的. 很多的文章写的公式一大堆, 符号意义都不解释,
这样的文章就是垃圾.建议以后各位一定要在文章中写公式中符号的意义和单位.

RC高/低通滤波电路
高/低通滤波
RC带通滤波电路
RC带通滤波电路

根据RC低通电路图可知，输出电压等于电容电压
如果采样电压与电容电压不一致，电容就会充/放电，
假设电容充电后电压增加Ur（放电则Ur为负数）：

符号:Uo-输出电压，U-电容电压, Ui-输入电压

式1 Uo=U+Ur

因为 C=Q/U, 所以U=Q/C
根据 U=Q/C, Q=I*t，I=U/R, t = 1/fs 得：

式2 Ur=(Ui-U) / (R*C*fs)

代入1得：

式3 Uo= U+ (Ui-U) / (R*C*fs)

由于我们是软件滤波，不需要真正的电容电阻， 所以令k=1/(RCfs)，代入得：
Uo=U+(Ui-U)*k
简化：
式4 Uo=k*Ui+(1-k)*U

到这里已经得出滤波公式，如何通过截止频率得出k值呢

根据 截止频率公式
fc=1/(2*Pi*R*C)
得：
RC=1/(2*Pi*fc)
代入k=1 / (R * C * fs)得：
式5 k=(2*Pi*fc)/fs

C#版完整的,低通,高通滤波代码

 using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace Filter
{


    /// <summary>
    /// 模仿RC电路滤波的数字滤波算法
    /// 参考文章 https://blog.csdn.net/qq_41848097/article/details/106124194
    /// </summary>
    /// 
    public class RCFilter
    { 

        float lastValue;

        float fc;
        float fs;
        float k;

        public RCFilter(float fc=200, float fs=100000 )
        { 
            this.fc = fc;
            this.fs = fs;
            this.k = (float)(fc * 2 * Math.PI / fs);
        }

        /// <summary>
        /// RC低通滤波
        /// Y（n）= a* X(n) + (1-a) * Y(n-1)；
        /// a = （fc * 2π） / fl
        /// fc ：截止频率
        /// fl ：采样频率
        /// </summary>
        /// <param name="data">数据源</param>
        /// <param name="fc">截止频率</param>
        /// <param name="fs">采样频率</param> 
        public float 低通滤波(ref float data )
        { 
            //float k = (float)(fc * 2 * Math.PI / fs); //滤波系数  
             
            lastValue = this.k * data + (1 - this.k) * lastValue;
            
            return lastValue;
        }


        /// <summary>
        /// RC高通滤波
        /// Y（n）= a* X(n) + (1-a) * Y(n-1)；
        /// a = （fc * 2π） / fl
        /// fc ：截止频率
        /// fl ：采样频率
        /// </summary>
        /// <param name="data">数据源</param>
        /// <param name="fc">截止频率</param>
        /// <param name="fs">采样频率</param> 
        public float 高通滤波(ref float data)
        {
            //float k = (float)(fc * 2 * Math.PI / fs); //滤波系数  

            lastValue = this.k * data + (1 - this.k) * lastValue;

            
            //return data - lastValue;//如果直接返回滤波结果，滤波后图像是倒转的，在心电图等一些场合，需要将图像再镜像过来
            return -( data - lastValue);//滤波结果
        }


        /// <summary>
        /// RC低通滤波
        /// Y（n）= a* X(n) + (1-a) * Y(n-1)；
        /// a = （fc * 2π） / fl
        /// fc ：截止频率
        /// fl ：采样频率
        /// </summary>
        /// <param name="data">数据源</param>
        /// <param name="fc">截止频率</param>
        /// <param name="fs">采样频率</param>
        public static double[]  低通滤波(ref double[] data, double fc, double fs)
        {

            //————————————————
            //版权声明：本文为CSDN博主「C# 学习者」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
            //原文链接：https://blog.csdn.net/qq_41848097/article/details/106124194

            double k = fc * 2 * Math.PI / fs; //滤波系数  
            double[] outdata = new double[data.Length];
            outdata[0] = data[0];
            double lastValue = data[0];//必须取第一个, 取特殊值,0或1都不对.

            for (int i = 1; i < data.Length; i++)
            {
                lastValue = k * data[i] + (1 - k) * lastValue;
                outdata[i] = lastValue;
            }
            return data;
        }

        /// <summary>
        /// RC低通滤波
        /// Y（n）= a* X(n) + (1-a) * Y(n-1)；
        /// a = （fc * 2π） / fl
        /// fc ：截止频率
        /// fl ：采样频率
        /// </summary>
        /// <param name="data">数据源</param>
        /// <param name="fc">截止频率</param>
        /// <param name="fs">采样频率</param>
        public static float[] 低通滤波 (ref float[] data, float fc, float fs)
        {

            //————————————————
            //版权声明：本文为CSDN博主「C# 学习者」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
            //原文链接：https://blog.csdn.net/qq_41848097/article/details/106124194
            if (data == null || data.Length == 0)
            {
                return data;
            }
            float k = (float)( fc * 2 * Math.PI / fs); //滤波系数  
            float[] outdata = new float[data.Length];
            outdata[0] = data[0];
            float lastValue = data[0];//必须取第一个, 取特殊值,0或1都不对.

            for (int i = 1; i < data.Length; i++)
            {
                lastValue = k * data[i] + (1 - k) * lastValue;
                outdata[i] = lastValue;
            }
            return data;
        }


        /// <summary>
        /// RC高通滤波
        /// Y（n）= a* X(n) + (1-a) * Y(n-1)；
        /// a = （fc * 2π） / fl
        /// fc ：截止频率
        /// fl ：采样频率
        /// </summary>
        /// <param name="data">数据源</param>
        /// <param name="fc">截止频率</param>
        /// <param name="fs">采样频率</param>
        public static float[] 高通滤波(ref float[] data, float fc, float fs)
        {

            //————————————————
            //版权声明：本文为CSDN博主「C# 学习者」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
            //原文链接：https://blog.csdn.net/qq_41848097/article/details/106124194
            if (data == null || data.Length == 0)
            {
                return data;
            }
            float k = (float)(fc * 2 * Math.PI / fs); //滤波系数  
            float[] outdata = new float[data.Length];
            outdata[0] = data[0];
            float lastValue = data[0];//必须取第一个, 取特殊值,0或1都不对.

            for (int i = 1; i < data.Length; i++)
            {
                lastValue = k * data[i] + (1 - k) * lastValue;
                outdata[i] = data[i] - lastValue; // 高通这里是原始值减去上次的值, 低通是直接输出lastvalue

                //outdata[i] = data[i] - lastValue;//如果直接返回滤波结果，滤波后图像是倒转的，在心电图等一些场合，需要将图像再镜像过来
                outdata[i] = 0-( data[i] - lastValue); //滤波结果

            }
            return data;
        }

        /// <summary>
        /// RC高通滤波
        /// Y（n）= a* X(n) + (1-a) * Y(n-1)；
        /// a = （fc * 2π） / fl
        /// fc ：截止频率
        /// fl ：采样频率
        /// </summary>
        /// <param name="data">数据源</param>
        /// <param name="fc">截止频率</param>
        /// <param name="fs">采样频率</param>
        public static double[] 高通滤波(ref double[] data, double fc, double fs)
        {

            //————————————————
            //版权声明：本文为CSDN博主「C# 学习者」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
            //原文链接：https://blog.csdn.net/qq_41848097/article/details/106124194
            if (data == null || data.Length == 0)
            {
                return data;
            }
            double k = (double)(fc * 2 * Math.PI / fs); //滤波系数  
            double[] outdata = new double[data.Length];
            outdata[0] = data[0];
            double lastValue = data[0];//必须取第一个, 取特殊值,0或1都不对.

            for (int i = 1; i < data.Length; i++)
            {
                lastValue = k * data[i] + (1 - k) * lastValue;
                outdata[i] = data[i] - lastValue; // 高通这里是原始值减去上次的值, 低通是直接输出lastvalue

                //outdata[i] = data[i] - lastValue;//如果直接返回滤波结果，滤波后图像是倒转的，在心电图等一些场合，需要将图像再镜像过来
                outdata[i] = 0 - (data[i] - lastValue); //滤波结果

            }
            return data;
        }
    }



}

C#版有两种用法, 一种是直接调用静态方法处理整个数组, 另外一种用法是new 一个新对象,
下面的用法是new 新对象的用法.

static RCFilter rcFilterA1;
static RCFilter rcFilterB1;

static RCFilter rcFilterA2;
static RCFilter rcFilterB2;
public static void 初始化滤波器(ref float fs)
{
    rcFilterA1 = new RCFilter(GD.低通滤波截止频率, fs);//一阶滤波
    rcFilterA2 = new RCFilter(GD.低通滤波截止频率, fs);//二阶滤波

    rcFilterB1 = new RCFilter(GD.低通滤波截止频率, fs);
    rcFilterB2 = new RCFilter(GD.低通滤波截止频率, fs);
}


public static void main(){
	GD.CurrentCycle_A[i] = rcFilterA1.低通滤波(ref GD.CurrentCycle_A[i]);
	GD.CurrentCycle_A[i] = rcFilterA2.低通滤波(ref GD.CurrentCycle_A[i]);
	
	GD.CurrentCycle_B[i] = rcFilterB1.低通滤波(ref GD.CurrentCycle_B[i]);
	GD.CurrentCycle_B[i] = rcFilterB2.低通滤波(ref GD.CurrentCycle_B[i]);
}

静态变量一次性使用的方法

float[] data = new float[]{1,2,3,3,43,43,.....};

RCFilter.低通滤波(ref data,100,50);//将data中高于50hz的信号都过滤掉
RCFilter.低通滤波(ref data,100,60);//将data中高于60hz的信号都过滤掉
RCFilter.高通滤波(ref data,100,10);//将data中低于10hz的信号都过滤掉
RCFilter.高通滤波(ref data,100,20);//将data中低于20hz的信号都过滤掉

如果即执行了高通又执行了低通, 就变成带通了.

注意RC滤波会引起相位后移, 如果需要计算相位的,请注意相位位移问题. 我这个里面执行的次数越多相位后移的也越多.

走错路的程序员
关注
  • 1
    点赞
  • 踩
  • 35
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
C#实现低通滤波器（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
04-11 122
C#实现低通滤波器（附完整源码）
一阶低通滤波算法
11-26
关于一阶低通滤波的算法研究，想找LPF滤波资料有没有的同学请看这里
lb.rar_C# 滤波_C# 高通滤波_c# 低通滤波_图像滤波
09-23
实现了对图像的滤波功能，如高通滤波，低通滤波，频率域变换等
在C#中实现实时带通滤波器（自写代码）
Lhg_1327的博客
09-21 1402
在做课题过程中遇到一个问题：需要在用C#写的上位机中实现对实时采集的数据进行实时滤波。这里记录一下解决这个问题的过程，有些地方可能讲不准确或者不深入，评论区可以讨论。但是我对滤波信号的频带要求很低，最低要到0.1mHz频带，这对滤波器的性能要求比较高，目前这种固定的滤波器无法满足我的需求。所以只能自己设计滤波器。下面讲一下我自己设计滤波器并用C#代码实现的步骤。
电机控制杂谈——“双采样双更新模式”对模型预测控制/PI控制的提升有多大？
最新发布
m0_46903653的博客
05-14 1187
那我现在的想法就是，把DSP的空闲时间给运用起来，提高系统的控制性能。 那怎样提高控制性能呢？往期以及讲了很多的软件算法（扩展状态观测器。。。）。今天就想从硬件的方面（充分利用硬件资源）去提升控制性能。 那我可以试试这个“双采双更”的模式。
bandpass带通滤波详解
qq_40935429的博客
11-15 1万+
bandpass带通滤波详解基本使用适用范围注意事项原理解释 基本使用 先上代码，下面是带通滤波器在matlab中的使用 function [ pc ] = m_bandpass( pc ) freq = [0.1 0.5]; fs= 50; % Fa=Fs/2，Fa是分析频率 [b,a] = butter(3,freq/(fs/2),'ban...
基于matlab的低通、高通、带通滤波算法
weixin_38919810的博客
05-19 4099
实测信号通常会受到各种各样的噪音干扰，如何准确识别噪音并剔除原信号中的噪音是一门学问。这里我举了3个例子，分别表示低通、高通、带通滤波，其中低通表示噪音为高频，需要让信号中的低频通过；高通表示噪音为低频，需要让信号中的高频通过；带通滤波表示噪音既有高频又有低频，需要把高频和低频的噪音都剔除。我基于matlab编写了这3个案例，数据是我随机生成的，比较通俗易懂，可以基于这个扩展应用到实际数据。
高通滤波
yunshengbixiao的博客
04-28 4939
高通滤波 1.硬件高通滤波 2.软件高通滤波
C# 中值滤波和均值滤波算法
04-05
在C#编程环境中，我们可以实现多种滤波算法，其中包括中值滤波和均值滤波。这两种方法都是处理图像噪声的有效手段，但它们在应对不同类型的噪声时具有不同的优势。 首先，让我们详细了解**中值滤波**。中值滤波是一...
C#图谱曲线平滑滤波算法
10-05
C#图谱曲线平滑滤波算法，几个平滑直接用。其实平滑算法是触类旁通的。
C#实现巴特沃斯高低通滤波器（含调用方法）IIRFilter.cs
02-27
C#实现巴特沃斯高低通滤波器（含调用方法）IIRFilter.cs data = (int)IIRFilterHandle.IIRFilter(a, a_Buffer, data, b, b_Buffer);
一阶RC滤波器的算法实现（低通和高通）
热门推荐
迷宫中的我
09-12 8万+
目前，项目需要处理信号。目标信号是特定频率范围内的信号。高频视为干扰。而一阶RC滤波器容易实现。但是网上资料往往没有详细的推导。因此在这里把笔记记下。本文的优势是比较详细，参数配置都有公式依据。 目录 1、一阶RC低通滤波器的算法实现 1.1 算法推导 1.2 波特图 1.3 用C语言实现  2、一阶RC高通滤波器的原理以及实现 2.1 原理推导 2.2 波特图 2.3 用C语言...
C# 实现RC高通滤波
qq_41848097的博客
04-21 648
代码如下： /// <summary> /// RC高通滤波 /// </summary> /// <param name="DataArray">数据源</param> /// <param name="fc">截止频率</param> /// <param name="fl">采样频率</param> /// <returns></returns> public static doub
C# 滤波算法
qq_34180051的博客
07-18 3104
最近的项目涉及到滤波,网上搜的算法都有点乱,主要是平滑点偏移错位,还是自己写吧,用指针会快一些,虽然比不是C/C++,但用于工控项目足够了
C#实现低通滤波器算法
anlog的专栏
03-22 1411
以上代码实现了一个简单的一阶低通滤波器，通过给定时间常数和采样时间间隔来计算滤波器的参数。在模拟输入信号时，我们传递了一个简单的正弦波作为输入，然后通过滤波器获得了平滑的输出信号。2023年3月22日。
基于C#的窗函数法低通FIR滤波器
BIGFatming的博客
06-16 4445
基于C#的窗函数法低通FIR滤波器 摘要 基于Visual Studio 2015 开发环境，使用C#编程语言，运用窗函数法构造了FIR低通滤波器。并通过MATLAB对其滤波效果进行了试验。 由于凯泽窗的数学模型过于复杂，笔者能力有限，故无法在本文中给出凯泽窗的窗函数代码。 源代码 1、矩形窗函数 namespace Low_Pass_FIR_Fliter { class Boxcar ...
嵌入式C语言使用低通滤波、高通滤波、互补滤波算法
Lim的博客
01-15 5269
一般的互补公式用在六轴传感器的数据融合，其他的行业和领域现在还没有涉及到，这里只说六轴传感器的融合。以后遇到融合的话，可以直接用。
19.高通滤波
保持热爱，奔赴山海。
06-13 5502
上一节为低通滤波，最主要的作用是去噪高斯滤波去除高斯噪声中值滤波去除椒盐噪声双边噪声用于美颜高通滤波最主要的作用是用于检测边缘常见的高通滤波：对于3*3的卷积核，Sobel(索贝尔)没有Scharr(沙尔)好，因为Scharr(沙尔)可以检测出更细的边缘线。Sobel(索贝尔)比较粗糙缺点：计算边缘时，只能求一个方向，要么是横轴，要么是纵轴，最后再相加的出最终结果缺点：对噪声比较敏感，在其内部没有降噪的功能，因此在使用前，需要进行降噪处理。Sobel(src, ddepth, dx, dy, ksize =
C# FIR滤波器（含低通、高通、带通、带阻）
hopeless123的博客
12-19 1万+
最近需要用到Fir滤波器，在网上也看了不少资料，发现一个稍微能用的（https://blog.csdn.net/BIGFatming/article/details/92386914），主要代码也是直接copy的，但是在使用过程中发现，三角窗的实现好像不对，而且只实现了低通的，根据该文章内容，我自己重写了一个，包括三角窗函数的实现，添加了高通、带通、带阻的实现。环境Visual Studio201...
二阶rc滤波电路计算
09-08
二阶RC滤波电路是一种常见的滤波电路，用于对输入信号进行滤波处理。它由两个电容和一个电阻组成。 首先，我们需要计算电路的截止频率，即滤波器开始对输入信号进行滤波的频率。 截止频率的计算公式为：fc=1/(2π√(R1·R2·C1·C2)) 其中，R1和R2分别为电路中的两个电阻的阻值，C1和C2分别为电路中的两个电容的电容值。 接下来，我们可以根据给定的截止频率来选择电阻和电容的具体数值。 假设我们需要设计一个截止频率为f，电阻R1的阻值为R，则可通过计算得到R2的阻值为(R·4π^2·f^2·C1·C2)^-1。 另外，我们还可以通过给定的阻值R和C1的电容值来计算C2的电容值，即C2=(R·4π^2·f^2·C1·C2)^-1。 当我们选定了电阻和电容的数值之后，就可以根据滤波电路的输入信号来计算输出信号的振幅。 输入信号经过滤波电路后，会产生一个输出信号，其振幅与输入信号的频率关系密切。 当输入信号的频率小于截止频率时，输出信号的振幅接近输入信号的振幅。 当输入信号的频率接近截止频率时，输出信号的振幅会逐渐减小。 当输入信号的频率大于截止频率时，输出信号的振幅会急剧下降。 因此，二阶RC滤波电路可以用于滤除输入信号中的高频成分，从而实现对输入信号的滤波处理。
评论 1
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
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