写在前面:
本文章旨在总结备份、方便以后查询,由于是个人总结,如有不对,欢迎指正;另外,内容大部分来自网络、书籍、和各类手册,如若侵权请告知,马上删帖致歉。
目录
一、限幅滤波法(又称程序判断滤波法)
A、方法:
- 根据经验判断,确定两次采样允许的最大偏差值(假设设为 A)
- 每次检测到新值时判断:
如果本次值与上次值之差 <= A,则本次值有效
如果本次值与上次值之差 > A,则本次值无效,放弃本次值,用上次值代替本次值
B、优点:
- 能有效克服因偶然因素引起的脉冲干扰
C、缺点:
- 无法抑制那种周期性的干扰
- 平滑度差
D、代码:
#if LIMITING
Data_Typedef Limiting_Filter( Data_Typedef Value, int Range )
{
Data_Typedef new_value;
new_value = Get_AD();
DUBUG_PRINTF("A%f\r\n", new_value);
if((new_value - Value > Range)
|| (Value - new_value > Range))
{
return Value;
}
return new_value;
}
#endif /* LIMITING */
二、中位值滤波法
A、方法:
- 连续采样N次(N取奇数)
- 把N次采样值按大小排列
- 取中间值为本次有效值
B、优点:
- 能有效克服因偶然因素引起的波动干扰
- 对温度、液位的变化缓慢的被测参数有良好的滤波效果
C、缺点:
- 对流量、速度等快速变化的参数不宜
D、代码:
#if MEDIAN
Data_Typedef Median_Filter( int Count )
{
int i,j;
Data_Typedef temp;
Data_Typedef *str;
if(0 == Count % 2)
Count++;
str = (Data_Typedef*)malloc(Count * sizeof(Data_Typedef));
if(str != NULL) {
for(i = 0; i < Count; i++) {
temp = Get_AD();
*(str + i) = temp;
DUBUG_PRINTF("A%f\r\n", temp);
Delay(0x10F);
}
/* 冒泡排序 */
for(j = 0; j < Count - 1; j++) {
for(i = 0; i < Count - j - 1; i++) {
if(*(str + i) > *(str + i + 1)) {
temp = *(str + i);
*(str + i) = *(str + i + 1);
*(str + i + 1) = temp;
}
}
}
} else {
return -1;
}
temp = *(str + (Count-1)/2);
free(str);
return temp;
}
#endif /* MEDIAN */
三、算术平均滤波法
A、方法:
- 连续取N个采样值进行算术平均运算
- N值较大时:信号平滑度较高,但灵敏度较低
- N值较小时:信号平滑度较低,但灵敏度较高
- N值的选取:一般流量,N=12;压力:N=4
B、优点:
- 适用于对一般具有随机干扰的信号进行滤波
- 这样信号的特点是有一个平均值,信号在某一数值范围附近上下波动
C、缺点:
- 对于测量速度较慢或要求数据计算速度较快的实时控制不适用
- 比较浪费RAM
D、代码:
#if MEAN
Data_Typedef Mean_Filter( int Count )
{
int i;
Data_Typedef temp;
Data_Typedef sum = 0;
for(i = 0; i < Count; i++) {
temp = Get_AD();
sum += temp;
DUBUG_PRINTF("A%f\r\n", temp);
Delay(0x10F);
}
return (Data_Typedef)(sum / Count);
}
#endif /* MEAN */
四、递推平均滤波法
A、方法:
- 把连续取N个采样值看成一个队列
- 队列的长度固定为N
- 每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则)
- 把队列中的N个数据进行算术平均运算,就可获得新的滤波结果
- N值的选取:流量,N=12;压力:N=4;液面,N=4 ~ 12; 温度,N=1 ~ 4
B、优点:
- 对周期性干扰有良好的抑制作用,平滑度高
- 适用于高频振荡的系统
C、缺点:
- 灵敏度低
- 对偶然出现的脉冲性干扰的抑制作用较差
- 不易消除由于脉冲干扰所引起的采样值偏差
- 不适用于脉冲干扰比较严重的场合
- 比较浪费RAM
D、代码:
#if RECURSIVE_MEAN
Data_Typedef Recursive_Mean_Filter( int Count )
{
static int Start = 0;
static int Num = 0;
int i;
Data_Typedef temp;
Data_Typedef sum = 0;
Data_Typedef *str;
if(0 == Start) {
Start = Count;
str = (Data_Typedef*)calloc(Count, sizeof(Data_Typedef));
} else if(Start != Count) {
Start = Count;
str = (Data_Typedef*)realloc(str, Count); // 重新分配
}
if(str != NULL) {
temp = Get_AD();
*(str + Num++) = temp;
DUBUG_PRINTF("A%f\r\n", temp);
// 覆盖最早采样的数据,相当于递推数据 FIFO
if(Num >= Count)
Num = 0;
for(i = 0; i < Count; i++) {
sum += *(str + i);
}
} else {
return -1;
}
return (Data_Typedef)(sum / Count);
}
#endif /* RECURSIVE_MEAN */
五、中位值平均滤波法
A、方法:
- 相当于“中位值滤波法” + “算术平均滤波法”
- 连续采样N个数据,去掉一个最大值和一个最小值
- 然后计算N-2个数据的算术平均值
- N值的选取:3~14
B、优点:
- 融合了两种滤波法的优点
- 对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差
C、缺点:
- 测量速度较慢,和算术平均滤波法一样
- 比较浪费RAM
D、代码:
#if MEDIAN_MEAN
Data_Typedef Median_Mean_Filter( int Count )
{
int i,j;
Data_Typedef temp;
Data_Typedef sum = 0;
Data_Typedef *str;
if(0 == Count % 2)
Count++;
str = (Data_Typedef*)malloc(Count * sizeof(Data_Typedef));
if(str != NULL) {
for(i = 0; i < Count; i++) {
temp = Get_AD();
*(str + i) = temp;
DUBUG_PRINTF("A%f\r\n", temp);
Delay(0x10F);
}
for(j = 0; j < Count - 1; j++) {
for(i = 0; i < Count - j - 1; i++) {
if(*(str + i) > *(str + i + 1)) {
temp = *(str + i);
*(str + i) = *(str + i + 1);
*(str + i + 1) = temp;
}
}
}
} else {
return -1;
}
/* 去除最大最小极值后求平均 */
for(i = 1; i < Count - 1; i++)
sum += *(str + i);
free(str);
return (Data_Typedef)(sum / (Count - 2));
}
#endif /* MEDIAN_MEAN */
六、限幅平均滤波法
A、方法:
- 相当于“限幅滤波法” + “递推平均滤波法”
- 每次采样到的新数据先进行限幅处理
- 再送入队列进行递推平均滤波处理
B、优点:
- 融合了两种滤波法的优点
- 对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差
C、缺点:
- 比较浪费RAM
D、代码:
#if LIMITING_MEAN
Data_Typedef Limiting_Mean_Filter( int Range, int Count )
{
static int Start = 0;
static int Num = 0;
static Data_Typedef Value = 0;
int i;
Data_Typedef new_value;
Data_Typedef sum = 0;
Data_Typedef *str;
if(0 == Start) {
Start = Count;
Value = Get_AD();
str = (Data_Typedef*)calloc(Count, sizeof(Data_Typedef));
} else if(Start != Count) {
Start = Count;
Value = Get_AD();
str = (Data_Typedef*)realloc(str, Count); // 重新分配
}
if(str != NULL) {
new_value = Get_AD();
if((new_value - Value > Range)
|| (Value - new_value > Range))
{
*(str + Num++) = Value;
} else {
*(str + Num++) = new_value;
Value = new_value;
}
DUBUG_PRINTF("A%f\r\n", Value);
if(Num >= Count)
Num = 0;
for(i = 0; i < Count; i++) {
sum += *(str + i);
}
} else {
return -1;
}
return (Data_Typedef)(sum / Count);
}
#endif /* LIMITING_MEAN */
七、一阶滞后滤波法
A、方法:
- 取滤波系数 a=0~1
- 本次滤波结果=(1-a)×上次滤波结果 + a×本次采样值
B、优点:
- 对周期性干扰具有良好的抑制作用
- 适用于波动频率较高的场合
C、缺点:
- 相位滞后,灵敏度低
- 滞后程度取决于a值大小
- 不能消除滤波频率高于采样频率的1/2的干扰信号
D、代码:
#if LOW_PASS
Data_Typedef Low_Pass_Filter( Data_Typedef Value, float Factor )
{
Data_Typedef new_value;
new_value = Get_AD();
DUBUG_PRINTF("A%f\r\n", new_value);
new_value = (Data_Typedef)(new_value * Factor + (1.0f - Factor) * Value);
return new_value;
}
#endif /* LOW_PASS */
八、加权递推平均滤波法
A、方法:
- 是对递推平均滤波法的改进,即不同时刻的数据加以不同的权
- 通常是,越接近现时刻的数据,权取得越大。
- 给予新采样值的权系数越大,则灵敏度越高,但信号平滑度越低
B、优点:
- 适用于有较大纯滞后时间常数的对象
- 和采样周期较短的系统
C、缺点:
- 对于纯滞后时间常数较小,采样周期较长,变化缓慢的信号
- 不能迅速反应系统当前所受干扰的严重程度,滤波效果差
D、代码:
#if WEIGHTED_RECURSIVE_MEAN
Data_Typedef Weighted_Recursive_Mean_Filter( char *Weight_factor, int Count )
{
static int Sum_coe;
static int Start = 0;
static int Num = 0;
int i;
Data_Typedef temp;
Data_Typedef sum = 0;
Data_Typedef *str;
if(0 == Start) {
Start = Count;
str = (Data_Typedef*)calloc(Count, sizeof(Data_Typedef));
for(i = 0; i < Count; i++) {
Sum_coe += *(Weight_factor + i);
}
} else if(Start != Count) {
Start = Count;
str = (Data_Typedef*)realloc(str, Count); // 重新分配
for(i = 0; i < Count; i++) {
Sum_coe += *(Weight_factor + i);
}
}
if(str != NULL) {
temp = Get_AD();
*(str + Num++) = temp;
DUBUG_PRINTF("A%f\r\n", temp);
// 覆盖最早采样的数据,相当于递推数据 FIFO
if(Num >= Count)
Num = 0;
for(i = 0; i < Count; i++) {
sum += *(str + i) * *(Weight_factor + i);
}
} else {
return -1;
}
return (Data_Typedef)(sum / Sum_coe);
}
#endif /* WEIGHTED_RECURSIVE_MEAN */
九、消抖滤波法
A、方法:
- 设置一个滤波计数器
- 将每次采样值与当前有效值比较:
如果采样值=当前有效值,则计数器清零
如果采样值< >当前有效值,则计数器+1,并判断计数器是否>=上限N(溢出)
如果计数器溢出,则将本次值替换当前有效值,并清计数器
B、优点:
- 对于变化缓慢的被测参数有较好的滤波效果
- 可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动
C、缺点:
- 对于快速变化的参数不宜
- 如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统
D、代码:
#if DEBOUNCE
Data_Typedef Debounce_Filter( Data_Typedef Value, int Count )
{
static int Num = 0;
Data_Typedef new_value;
new_value = Get_AD();
DUBUG_PRINTF("A%f\r\n", new_value);
if(Value != new_value) {
Num++;
if(Num > Count) {
Num = 0;
Value = new_value;
}
}
else
Num = 0;
return Value;
}
#endif /* DEBOUNCE */
十、限幅消抖滤波法
A、方法:
- 相当于“限幅滤波法” + “消抖滤波法”
- 先限幅,后消抖
B、优点:
- 继承了“限幅”和“消抖”的优点
- 改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统
C、缺点:
- 对于快速变化的参数不宜
D、代码:
#if LIMITING_DEBOUNCE
Data_Typedef Limiter_Debounce_Filter( Data_Typedef Value, int Range, int Count )
{
static int Num = 0;
Data_Typedef new_value;
new_value = Get_AD();
DUBUG_PRINTF("A%f\r\n", new_value);
if((new_value - Value > Range)
|| (Value - new_value > Range))
{
new_value = Value;
}
if(Value != new_value) {
Num++;
if(Num > Count) {
Num = 0;
Value = new_value;
}
}
else
Num = 0;
return Value;
}
#endif /* LIMITING_DEBOUNCE */