简单滤波算法

一.一阶滞后滤波

     公式：f(x)=(1-a)*x+a*f(x-1)

   f(x):滤波后得到的值

   f(x-1):上一次的结果

   a:越小越灵敏，越大曲线越光滑

  带入值：a=0.3 f(0)=0

x	10	10	10	10	10	10	10	10	10
f(x)	7	9.1	9.73	9.919	9.9757	9.99271	9.9978	9.99934	9.99999

可以发现，每次采集都会逼近，采集次数无限，则会无限逼近。如果中间有个干扰出现，那么他会震荡一下，然后再次逼近，可以根据数据的采集频率来适当的选取a的值。

数据跳变一下：

10	10	10	10	15	10	10	10	10
7	9.1	9.73	9.919	13.5	11.05	10.315	10.094	10.02

总结：可以按照实时性和数据干扰的跳变范围来选取合适的a值。在温度采集中，一秒可以采集上千次，然后将上千次数据处理，得到这一秒比较可靠的温度值。

二.卡尔曼滤波

    f(x):估计值

    x:测量值

    k:卡尔曼增益

    e_m：测量误差,一般固定，

    e_est :估计误差，每次计算都会更新

   公式： k=e_est/(e_est+e_m)  计算卡尔曼增益

               f(x)=f(x-1)-k(f(x-1)-x)    计算估计值

               e_est=(1-k)*e_est        更新估计误差

    推导的话涉及的数学基础比较高，涉及到状态矩阵，正态分布等相关知识。

总结：测量值不准确，估计值也不准确，然后卡尔曼滤波将测量值和估计值相融合，按照测量误差和估计误差的协方差来进行多次迭代逼近真实值。

三.FIR滤波

    f(x)=a/(a+b+c)*f(x)+b/(a+b+c)*f(x-1)+c/(a+b+c)*f(x-2)

   a+b+c=1

   f(x):当前采集的值

   f(x-1):上一次采集的值

   f(x-2)：上上次采集的值

   a,b,c：每一次采集的权重系数

  这是三次采集计算，可以根据噪声来决定要不要采集更早的数据来决定当前的值。