十一种软件滤波算法的原理和比较(带源码)

1、限幅滤波法(程序判断滤波法)
2、中位值滤波法
3、算术平均滤波法
4、递推平均滤波法(滑动平均滤波法)
5、中位值平均滤波法(防脉冲干扰平均滤波法)
6、限幅平均滤波法
7、一阶滞后滤波法
8、加权递推平均滤波法
9、消抖滤波法
10、限幅消抖滤波法

滤波方式方法优点缺点复杂度
限幅滤波法根据经验判断,确定两次采样允许的最大偏差值设为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能有效克服因偶然因素引起的脉冲干扰无法抑制周期性干扰,平滑度差尚未计算
中位值滤波法连续采样N次(N取奇数),把N次采样值按大小排列,取中间值作为本次有效值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对流量、速度等快速变化的参数不适宜
算术平均滤波法连续采样N个值进行算术平均计算;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,但灵敏度高;N值的选取:一般流量,N = 12;压力:N= 4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对于测量速度较慢或要求数据计算速度较快的试试控制不适用,比较浪费RAM
递推平均滤波法把连续取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);把队列中的N个数据进行算术平均计算,就可得到新的滤波结果;N值得选取:流量:N = 12;压力:N = 4;液面:N = 4-12;温度:N = 1-4对周期性干扰有良好的抑制作用,平滑度高,适用于高频震荡的系统灵敏度低,对偶然出现的脉冲式干扰的抑制作用较差,不易消除由于脉冲干扰引起的采样值偏差,不适用于脉冲干扰比较严重的场合,比较浪费RAM
中位值平均滤波法相当于“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 = 3-14融合了两种滤波的优点,可消除对于偶然出现的脉冲性滤波干扰 所引起的采样值偏差测量速度较慢,和算术平均值滤波一样,比较浪费RAM
限幅平均滤波法相当于“限幅两部分 + 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融合了两种滤波的优点,可消除对于偶然出现的脉冲性滤波干扰 所引起的采样值偏差比较浪费RAM
一阶滞后滤波法取a = 0-1,(1-a)本次采样值+a上次滤波结果对于周期性干扰有良好的抑制作用,适用于波动频率较高的场合相位滞后,灵敏度低,滞后程度取决于a的大小,不能消除滤波频率高于采样频率的1/2的干扰信号
加权递推平均滤波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,但信号平滑度越低适用于有较大纯滞后时间常数的系统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
消抖滤波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,并清计数器对于变化缓慢的被测参数由较好的滤波效果,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对于快速变化的参数不适宜,如果在计数器溢出的那一次采样值恰好是干扰值,则会将干扰值当做有效值导入系统
限幅消抖滤波法相当于“限幅滤波法 + 消抖滤波法” ,先限幅,后消抖继承了限幅和消抖的优点,改进了消抖滤波法中的缺陷,避免将干扰值导入系统不适合快速变化的参数
巴特沃斯滤波法适用于ad采样,会出现周期性的脉冲波动占用过多的RAM,计算时间较长,不适宜快速变化的参数
1、限副滤波
/* A值可根据实际情况调整
value为有效值,new_value为当前采样值 
滤波程序返回有效的实际值 */

#define A 10
char value;
char filter()
{
	char new_value;
	new_value = get_ad();
	if ( ( new_value - value > A ) || ( value - new_value > A )
	return value;
	return new_value;

}

2、中位值滤波法
/* N值可根据实际情况调整
排序采用冒泡法*/

#define N 11
char filter()
{
	char value_buf[N];
	char count,i,j,temp;
	for ( count=0;count<N;count++)
	{
	   value_buf[count] = get_ad();
	   delay();
	}
	for (j=0;j<N-1;j++)
	{
	   for (i=0;i<N-j;i++)
		 {
			if ( value_buf>value_buf[i+1] )
			  {
			     temp = value_buf;
			     value_buf = value_buf[i+1]; 
			     value_buf[i+1] = temp;
			  }
		 }
	}
	return value_buf[(N-1)/2];
}

3、算术平均滤波法
/*
*/

#define N 12
char filter()
{
	int sum = 0;
	for ( count=0;count<N;count++)
	{
	   sum + = get_ad();
	   delay();
	}
	return (char)(sum/N);
}

4、递推平均滤波法(又称滑动平均滤波法)
/*
*/

#define N 12 
char value_buf[N];
char i=0;
char filter()
{
	char count;
	int sum=0;
	value_buf[i++] = get_ad();
	if ( i == N ) i = 0;
	for ( count=0;count<N,count++)
	sum = value_buf[count];
	return (char)(sum/N);
}

5、中位值平均滤波法(又称防脉冲干扰平均滤波法)
/*
*/

#define N 12
char filter()
{
	char count,i,j;
	char value_buf[N];
	int sum=0;
	for (count=0;count<N;count++)
	{
	   value_buf[count] = get_ad();
	   delay();
	}
	for (j=0;j<N-1;j++)
	{
		   for (i=0;i<N-j;i++)
		   {
			    if ( value_buf>value_buf[i+1] )
			    {
			     temp = value_buf;
			     value_buf = value_buf[i+1]; 
			     value_buf[i+1] = temp;
			    }
		   }
	}
	for(count=1;count<N-1;count++)
	sum += value[count];
	return (char)(sum/(N-2));
}

6、限幅平均滤波法
/*
*/ 
略 参考子程序1、3


7、一阶滞后滤波法
/* 为加快程序处理速度假定基数为100,a=0~100 */

#define a 50
char value;
char filter()
{
	char new_value;
	new_value = get_ad();
	return (100-a)*value + a*new_value; 
}


8、加权递推平均滤波法
/* coe数组为加权系数表,存在程序存储区。*/

#define N 12
char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12};
char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12;
char filter()
{
	char count;
	char value_buf[N];
	int sum=0;
	for (count=0,count<N;count++)
	{
	   value_buf[count] = get_ad();
	   delay();
	}
	for (count=0,count<N;count++)
	sum += value_buf[count]*coe[count];
	return (char)(sum/sum_coe);
}


9、消抖滤波法

#define N 12
char filter()
{
	char count=0;
	char new_value;
	new_value = get_ad();
	while (value !=new_value);
	{
	   count++;
	   if (count>=N) return new_value;
	   delay();
	   new_value = get_ad();
	}
	return value; 
}

10、限幅消抖滤波法
/*
*/
略 参考子程序1、9
  • 6
    点赞
  • 66
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
二维Kalman滤波器是一种用于状态估计和信号滤波的理论方法。它结合了系统的动态模型和测量的观测数据,可以在存在测量噪声和系统不确定性的情况下,通过递归计算得到状态的最优估计。 该滤波器的原理可以简述为以下几个步骤: 1. 初始化: - 初始化状态向量(x)和协方差矩阵(P)的估计值。 - 初始化测量噪声协方差矩阵(R)和系统噪声协方差矩阵(Q)的估计值。 2. 预测阶段: - 根据系统的动态模型,使用状态转移矩阵(A)和系统噪声协方差矩阵(Q)来预测当前时刻的状态向量和协方差矩阵。 3. 更新阶段: - 根据当前的测量值和测量噪声协方差矩阵(R),计算观测模型矩阵(C)和卡尔曼增益(K)。 - 使用卡尔曼增益、观测模型矩阵和测量值,更新状态向量和协方差矩阵的估计值。 4. 重复预测和更新阶段,直到完成所有的测量数据处理。 以下是一个使用C/C++编写的二维Kalman滤波器的简单源代码示例: ```c #include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; int main() { // 定义状态向量、协方差矩阵等变量 Mat x(2, 1, CV_32FC1); Mat P(2, 2, CV_32FC1); Mat A(2, 2, CV_32FC1); Mat Q(2, 2, CV_32FC1); Mat H(1, 2, CV_32FC1); Mat R(1, 1, CV_32FC1); Mat I(2, 2, CV_32FC1); Mat z(1, 1, CV_32FC1); Mat K(2, 1, CV_32FC1); // 初始化估计值 x.at<float>(0, 0) = 0; x.at<float>(1, 0) = 0; P.at<float>(0, 0) = 1; P.at<float>(0, 1) = 0; P.at<float>(1, 0) = 0; P.at<float>(1, 1) = 1; // 初始化模型参数和噪声协方差矩阵 A.at<float>(0, 0) = 1; A.at<float>(0, 1) = 1; A.at<float>(1, 0) = 0; A.at<float>(1, 1) = 1; Q.at<float>(0, 0) = 0.1; Q.at<float>(0, 1) = 0; Q.at<float>(1, 0) = 0; Q.at<float>(1, 1) = 0.1; H.at<float>(0, 0) = 0.5; H.at<float>(0, 1) = 0.5; R.at<float>(0, 0) = 1; I.at<float>(0, 0) = 1; I.at<float>(0, 1) = 0; I.at<float>(1, 0) = 0; I.at<float>(1, 1) = 1; // 循环处理数据 for (int i = 0; i < 100; i++) { // 预测阶段 x = A * x; P = A * P * A.t() + Q; // 更新阶段 z.at<float>(0, 0) = i + rand() % 10; // 生成随机测量值 K = P * H.t() * (H * P * H.t() + R).inv(); x = x + K * (z - H * x); P = (I - K * H) * P; // 输出估计值 cout << "Estimated state at time " << i << ":" << endl; cout << "x = " << x << endl; cout << "P = " << P << endl; } return 0; } ``` 这是一个简单的二维Kalman滤波器示例,其中包括状态估计的初始化和更新阶段的实现。通过不断的预测和更新,可以得到最优的状态估计值。请注意,上述代码仅供参考,实际应用中可能需要根据具体的需求进行调整和完善。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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