几种经典的滤波算法(转)

1、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（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
    
2、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

3、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
        
4、递推平均滤波法（又称滑动平均滤波法）
    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
        
5、中位值平均滤波法（又称防脉冲干扰平均滤波法）
    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


6、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

7、一阶滞后滤波法
    A、方法：
        取a=0~1
        本次滤波结果=（1-a）*本次采样值+a*上次滤波结果
    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
        
8、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

9、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

10、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

//1.限幅滤波
#define A  10
char value;
char filter()
{
	char new_value;
	new_value = get_ad();
	if((new_value - value > A )|| value - new_value > 10)
		return value;
	return new_value;
}

//2.中位值滤波
#define N 11
char filter()
{
	char value_buf[N];
	char i,j,temp;
	for(i=0;i<N;i++)
	{
		value_buf[i]=get_ad(); 
		delay();
	}
	
	for(j=0;j<N-1;j++)   //气泡排序, 由小到大 
	{
		for(i=0;i<N-j;i++)
		{
			if(value_buf[i]>value_buf[i+1])
			{
				temp = value_buf[i];
				value_buf[i] = 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;
	char i;
	for(i=0;i<N;i++)
	{
		sum = sum + get_ad();
	}
	return (char)(sum/N);
} 

//4.递推平均滤波法
#define N 12
char value_buf=[N];
char i=0; //队列的下标变量 
char filter()
{
	char count; 
	int sum=0;
	value_buf[i++] = get_ad();
	if(i==N) i=0;
	for(count=0;count<N;count++)
	{
		sum = sum + value_buf[i];
	}
	return (char)(sum/N);
} 

//5.中位值平均滤波法
#define N 14
char filter()
{
	char value_buf[N];
	char i,j,temp;
	int sum=0;
	for(i=0;i<N;i++)
	{
		value_buf[i]=get_ad();
		delay();
	}
	for(j=0;j<N-1;j++)   //气泡排序, 由小到大 
	{
		for(i=0;i<N-j;i++)
		{
			if(value_buf[i]>value_buf[i+1])
			{
				temp = value_buf[i];
				value_buf[i] = value_buf[i+1];
				value_buf[i+1] = temp; 
			}		
		}
	}
	for(i=1;i<N-1;i++)
	{
		sum = sum + value_buf[i];
	}
	return (char)(sum/(N-2));
} 

//6.限幅平均滤波法
#define A = 10
#define N = 12
char value;
char filter()
{
	char new_value;
	int sum = 0;
	char count;
	for(count=0;count<N;count++)
	{
		new_value = get_ad();
		if((new_value - value > A )|| value - new_value > A)
			new_value = value;
		sum = sum + new_value;
		value = new_value;
		delay();
	}
	return (char)(sum/N);	
} 

//7.一阶滞后滤波法
/*为了加快程序处理速度假定基数为100, a=1~100 */ 
#define a 50  //定义加权系数 
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 
#define N 12
char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12}; //加权系数
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 = 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;   //计数变量 
	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
 #define A 10
 #define N 12
 char value
 char filter()
 {
 	char count=0;
 	char new_value;
 	new_value = get_ad();
	if((new_value - value > A )|| value - new_value > A)
		new_value = value;
 	while(value != new_value)
 	{
		count++;
		if(count>=N) return new_value;
		delay();
		new_value = get_ad(); 	
 	}
 	return value;
 }