加权递推平均滤波

加权递推平均滤算法

• 应用场景

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

• 原理分析

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。

• 参考代码

define N 12
typedef  unsigned int filter_type;

filter_type  coe[N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12};
filter_type  sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12;
extern filter_type  Read[N];	/采样得到的数组/

filter_type filter( filter_type * read )                    
{
    filter_type count;
    filter_type value_buf[N];
    unsigned long  sum = 0;
    for( count = 0; count < N; count++ )
    {
        value_buf[count] =  Read[count];
    }
    for( count = 0; count < N; count++ )
    {
        sum += value_buf[count] * coe[count];
    }
    return ( filter_type )( sum / sum_coe );
}
 

coe:数组为加权系数表，存在程序存储区。 sum_coe:加权系数和

• 补充说明

• 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

• 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