1 基本原理
滑窗平均公式为:
\[\overline x = \frac{1}{T}\int_{t - T}^t {x\left( t \right){\rm{d}}t}
\]
设采样周期为\(T_s\),则离散周期为:
\[N = \frac{T}{T_s}
\]
可进行\(z\)域函数分析,得滑窗积分的离散形式:
\[\overline x \left[ n \right] = \frac{1}{N}\sum\limits_{k = n - N}^n {x\left[ k \right]} = \frac{1}{N} \left( \overline x \left[ {n - 1} \right] + x\left[ n \right] - x\left[ {n - N} \right] \right)
\]
2 常用实现方法
根据公式\(\overline x \left[ n \right] = \frac{1}{N} \left( \overline x \left[ {n - 1} \right] + x\left[ n \right] - x\left[ {n - N} \right] \right)\)计算滑窗平均是最容易实现的方式,但是该方法对初值敏感,同时在回调中如果意外改动了存储\(x\left[n\right]\)的数组,将可能引起无法消除的历史错误。无法消除的历史性错误将可能导致算法或控制系统的崩溃。
3 另一种实现方法
考虑到:
\[\overline x \left[ n \right] = \frac{1}{N}\sum\limits_{k = n - N}^n {x\left[ k \right]} = \frac{1}{N}\left( {\sum\limits_{k = 0}^n {x\left[ k \right]} - \sum\limits_{k = 0}^{k = n - N} {x\left[ k \right]} } \right)
\]
故可直接求取\(x\left[n\right]\)的积分,然后利用\(n\)时刻和\(n-N\)时刻的积分值之差求取滑动平均值,采用这一思路时,历史的错误将只保留一个周期,不会永久停留。
但该实现方法存在一个问题,直接的积分需要考虑数据的溢出和“大数”+“小数”带来的误差,特别是在嵌入式系统中,float型精度为6~7位,长期的积分必然带来错误。在回调中根据滑动平均的值向积分值中添加抗“大数”偏移,即可解决上述问题。
4 代码实现
该思路采用C语言实现如下,在STM3