标签：c 算法 filter 滤波
第1种方法限幅滤波法（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
/* 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;
else return new_value;
}
第2种方法中位值滤波法
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
/* 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 {
value_buf [count] = get_ad();
delay();
}
for (j=0;j<N-1;j++) //冒泡法
{
for (i=0;i<N-1-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];
}
第3种方法算术平均滤波法
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
/*
*/
#define N 12
char filter()
{
int sum = 0;
for ( count=0;count<N;count++)
{
sum + = get_ad();
delay();
}
return (char)(sum/N);
}
第4种方法递推平均滤波法（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
/*
*/
#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);
}
第5种方法中位值平均滤波法（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
/*
*/
#define N 12
char filter()
{
char count,i,j;
char value_buf [N];
int sum=0;
for (count=0;count {
value_buf [count] = get_ad();
delay();
}
for (j=0;j<N-1;j++) //冒泡法
{
for (i=0;i<N-1-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 ( count=0;count<N;count++) sum = value_buf [count];
return (char)(sum/(N-2));
}
第6种方法限幅平均滤波法
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
第7种方法一阶滞后滤波法
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
/* 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;
}
第8种方法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，越接近现时刻的资料，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
/* 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 {
value_buf [count] = get_ad();
delay();
}
for ( count=0;count<N;count++) sum = value_buf [count];
return (char)(sum/sum_coe);
}
第9种方法消抖滤波法
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
#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;
}
第10种方法限幅消抖滤波法
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
第11种方法IIR 数字滤波器
A方法
确定信号带宽，
滤之。
Y(n) = a1*Y(n-1) + a2*Y(n-2) + ... + ak*Y(n-k) + b0*X(n) + b1*X(n-1) + b2*X(n-2) + ... + bk*X(n-k)
B优点
高通，低通，带通，带阻任意。设计简单(用matlab）
C缺点
运算量大
int BandpassFilter4(int InputAD4)
{
int ReturnValue;
int ii;
RESLO=0;
RESHI=0;
MACS=*PdelIn;
OP2=1068; //FilterCoef f4[4];
MACS=*(PdelIn+1);
OP2=8; //FilterCoef f4[3];
MACS=*(PdelIn+2);
OP2=-2001;//FilterCoeff4[2];
MACS=*(PdelIn+3);
OP2=8; //FilterCoef f4[1];
MACS=InputAD4;
OP2=1068; //FilterCoef f4[0];
MACS=*PdelOu;
OP2=-7190;//FilterCoeff4[8];
MACS=*(PdelOu+1);
OP2=-1973; //FilterCoef f4[7];
MACS=*(PdelOu+2);
OP2=-19578;//FilterCoeff4[6];
MACS=*(PdelOu+3);
OP2=-3047; //FilterCoef f4[5];
*p=RESLO;
*(p+1)=RESHI;
mytestmul<<=2;
ReturnValue=*(p+1);
for (ii=0;ii<3;ii++)
{
DelayInput[ii]=DelayInput[ii+1];
DelayOutput[ii]=DelayOutput[ii+1];
}
DelayInput[3]=InputAD4;
DelayOutput[3]=ReturnValue;
// if (ReturnValue<0)
// {
// ReturnValue=-ReturnValue;
// }
return ReturnValue;
}
经典滤波算法总结,布布扣,bubuko.com
经典滤波算法总结
标签：c 算法 filter 滤波
原文地址：http://blog.csdn.net/hustrains/article/details/38277287
