第4章-1 智能仪器的数据处理(基本数据处理算法)
4-1智能仪器的数据处理基本数据处理算法.共26页PPT
谢谢你的阅读
❖ 知识就是财富 ❖ 丰富你的人生ห้องสมุดไป่ตู้
71、既然我已经踏上这条道路，那么，任何东西都不应妨碍我沿着这条路走下去。——康德 72、家庭成为快乐的种子在外也不致成为障碍物但在旅行之际却是夜间的伴侣。——西塞罗 73、坚持意志伟大的事业需要始终不渝的精神。——伏尔泰 74、路漫漫其修道远，吾将上下而求索。——屈原 75、内外相应，言行相称。——韩非
4-1智能仪器的数据处理基本数据处理 算法.
11、用道德的示范来造就一个人，显然比用法律来约束他更有价值。—— 希腊
12、法律是无私的，对谁都一视同仁。在每件事上，她都不徇私情。—— 托马斯
13、公正的法律限制不了好的自由，因为好人不会去做法律不允许的事 情。——弗劳德
14、法律是为了保护无辜而制定的。——爱略特 15、像房子一样，法律和法律都是相互依存的。——伯克
智能仪器的数据处理(系统误差校正和标度变换)资料
一种形式：
y=m0+m1(x-x0)+m2(x-x1)
(12-27) 式中，m0、m1、m2为待定系数，由A、B、C三点的值决定。
当x=x0，y=y0时，有y0=m0 当x=x1， y=y1时，有y1=m0+m1（x-x0），得
当x=x2，y=y2时，有
y1 y0 m1 x1 x0
y1 y0 y 2 y0 ( x x0 ) m2 ( x2 x0 )(x2 x1 ) ， 得 x1 x0 ( y1 y0 ) /( x2 x0 ) ( y1 y0 ) /( x1 x0 ) m2 x2 x1
移、温度变化而引入的误差等；例如,由仪器的零点漂 移、放大倍数的漂移以及热电偶冷端随室温变化而引 入的误差等。
系统非线性（非比例）误差 : 传感器及检测电路（如
电桥）被测量与输出量之间的非比例关系；
线性系统动态特性误差。
二 减少系统误差的算法
克服系统误差与抑制随机干扰不同,系统误差不能依 靠概率统计方法来消除或削弱,它不像抑制随机干扰那 样能导出一些普遍适用的处理方法,而只能针对某一具 体情况在测量技术上采取一定的措施加以解决。
x=b1y+b0即为误差修正公式 ,其中, b0、b1为误差 因子。如果能求出 b0 、 b1 的数值 , 即可由误差修正公
式获得无误差的x值,从而修正了系统误差。
误差修正公式中含有两个误差因子b0和b1,因而需 要做两次校正。假设建立的校正电路图（ b ）所示 , 图中E为标准电池, （ 1）零点校正：先令输入端短路 ,即 S1闭合 ,此时
式中
y1 y2 y1 y3 y2 k1 ; k2 ; k3 x1 x2 x1 x3 x2
第四章智能仪器的软件基础非数值处理
FIRST
a1 结点1
a2 结点2
主表
a3 结点3
a4 0 结点4
FREE
结点A
结点B
自由表
0 结点C
（二）链表的删除
FIRST
a1
a2
a3
K
a4 0
FREE
0
假定链表含有n个结点：N1，N2，……Nn，其中 N1为FIRST指针所指的结点，今要求删除结点k
一、冒泡排序：比较任何两相邻位置关键字， 如不符合规定次序，就交换位置。
二、希尔排序：执行步骤：
（1）先取定距离ht，反复比较所有相距ht的 两项，若违反次序，就进行交换，直至表内所有
相距ht的两项都排序为止。 （2）取ht-1<ht，继续以ht-1为距离进行排序。 （3）依次类推，取每个ht-i-1<ht-i进行排序，直
避免假溢出的有效办法是采用循环 原则。循环队列中，存放队列的存贮 器位置在逻辑上是循环的，即首尾相 接。
34 21
可见（R）=（F）时，队列不一定为空。 若R指针变化后等于F, 则当（R）= （F）时，队列已满。 若F指针变化后等于R,则当（R）=
（F）时，对列已空。
五、数组与稀疏矩阵 数组是线性表的推广，它的每个元
素，由一个值和一组下标组成。
例 （ m n ）的下列矩阵
A[1,1] A[1, j] A[1, n]
A[i,1] A[i, j] A[i, n]
A[m,1] A[m, j] A[m, n]
可以看成为一个二维数组，其中每个元素 A[i,j]都和一个二维空间的数[i,j]一一对应。
在计算机中，常用一批连续的内存单元来存贮数组，称 为数组的顺序分配。 例：A[1,1] A[1,2] A[1,3]
实验4 基本数据处理算法概要
1．实验目的测量精度和可靠性是仪器的重要指标，引入数据处理算法后，使许多原来靠硬件电路难以实现的信号处理问题得以解决，从而克服和弥补了包括传感器在内的各个测量环节中硬件本身的缺陷或弱点，提高了仪器的综合性能。
智能仪器的基本数据处理算法包括：克服随机误差的数字滤波算法、消除系统误差的算法、工程量的标度变换等。
通过本实验，使学生能够根据被测信号和干扰特征，选取合理的数据处理算法，设计恰当的实验数据，验证算法的有效性。
2．实验要求与任务学习掌握数字滤波器设计方法，应用频谱知识和滤波器设计知识，对信号进行滤波，直流电压数据中，迭加了脉冲干扰，采用不同的滤波算法进行处理，观察处理效果。
（1）设检测信号是幅度较小的直流电压，经过适当放大和A/D转换，由于50Hz工频干扰使测量数据呈现周期性波动。
根据实际采样率等参数，设计消除工频干扰算法。
（2）设计快速查表程序，实现标度变换。
本实验要求完成：任务1：在Keil c51环境下运行，用单片机c语言实现：1、限副滤波法；2、中值滤波法；3、算术平均滤波法4、递推平均滤波法任务2：实现P261例5.3 。
要求给出程序，自已给出一组数据，给出运行结果。
参考例子：//常用的软件滤波方法// 1、限副滤波// A值可根据实际情况调整//牐?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/*#include <reg52.h>#include <stdio.h>void main(void){int y;int A=5;int value=10;int new_value = 30;if ((new_value - value > A )||(value - new_value > A ))y=value;else y=new_value;SCON=0x52;TMOD=0x20;TH1=0xf3;TR1=1;//前面4行为PRINTF函数所必须printf("Hello I am KEIL. \n");printf("I will be your friend.\n");printf("x=%d\n",y);while (1) ;}*/在VIEW-Serial#中看到运行结果//--------------------------------------------------------------------------------------------//2、中位值滤波法//N值可根据实际情况调整// 排序采用冒泡法#include <reg52.h>#include <stdio.h>#define N 13void main(void){unsigned int table[]={12,8,4,3,2,5,6,13,9,10,14,8,15};unsigned int y;unsigned int value_buf[N];unsigned int count,i,j,temp;for (count=0;count<N;count++){value_buf[count] = table[count];}for (j=0;j<N;j++){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;}}}y=value_buf[(N-1)/2];SCON=0x52;TMOD=0x20;TH1=0xf3;TR1=1;//前面4行为PRINTF函数所必须printf("Hello I am KEIL. \n");printf("I will be your friend.\n");for (j=0;j<N;j++)printf("%4d,",value_buf[j]);printf("\n");printf("y=%d\n",y);while (1) ;}//-------------------------------------------------------------------------------------------- 3、算术平均滤波法#define N 12char filter(){int sum = 0;for ( count=0;count<N;COUNT++){sum + = get_ad();delay();}return (char)(sum/N);}4、递推平均滤波法（又称滑动平均滤波法）/**/#define N 12char 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);}5、中位值平均滤波法（又称防脉冲干扰平均滤波法）/**/#define N 12char filter(){char count,i,j;char value_buf[N];int sum=0;for (count=0;count<N;COUNT++){value_buf[count] = get_ad();delay();}for (j=0;j<N-1;J++){for (i=0;i<N-J;I++){if ( value_buf>value_buf[i+1] ){temp = value_buf;value_buf = value_buf[i+1];value_buf[i+1] = temp;}}}for(count=1;count<N-1;COUNT++)sum += value[count];return (char)(sum/(N-2));}6、限幅平均滤波法/**/略参考子程序1、37、一阶滞后滤波法/* 为加快程序处理速度假定基数为100，a=0~100 */#define a 50char 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/* coe数组为加权系数表，存在程序存储区。
智能预处理 常见算法
智能预处理常见算法智能预处理是指在对数据进行后续处理之前，使用算法和技术对原始数据进行处理和优化，以提高数据的质量和可用性。
以下是一些常见的智能预处理算法：1. 缺失值处理算法：- 删除法：删除包含缺失值的样本或特征。
- 填充法：使用均值、中位数、众数等统计量填充缺失值。
- 插值法：使用插值算法（如线性插值、多项式插值、Kriging插值等）估计缺失值。
- 随机森林等机器学习算法：使用其他特征的信息预测缺失值。
2. 数据平滑算法：- 移动平均法：使用窗口滑动计算平均值，平滑数据序列。
- Savitzky-Golay滤波器：基于多项式拟合的滤波器，平滑数据并保留趋势。
- Loess回归：使用局部加权回归线性拟合，平滑数据并保留趋势。
3. 数据归一化和标准化算法：- 最小-最大归一化：将数据线性缩放到指定的范围（如0到1）。
- Z-score标准化：将数据转换为均值为0，标准差为1的分布。
- 小数定标标准化：将数据除以一个适当的基数（如10的幂），使其落在[-1, 1]范围内。
4. 特征选择和降维算法：- 方差选择法：删除方差低于阈值的特征。
- 相关系数法：通过计算特征与目标变量之间的相关系数选择特征。
- 主成分分析（PCA）：将高维数据转换为低维表示，保留最重要的特征。
5. 异常值检测算法：- 离群点分析：使用统计方法（如均值和标准差）或基于距离的方法（如K近邻）检测异常值。
- 孤立森林：基于数据点的密度进行异常值检测。
- 单变量和多变量图表：使用盒图、散点图等可视化方法检测异常值。
这些算法只是智能预处理中的一部分常见算法，实际应用中可能还有其他算法和技术，具体选择和使用取决于数据的特点和预处理的目标。
智能仪器的典型数据处理功能
返回 上页 下页
在Keil c51编程环境下查表子程序清单如下：
unsigned char u1;
unsigned int var;
/*0～1300°C范围的 K分度表，每隔10°C对应一个电压值*/
unsigned char code K_TABLE[131]={0，397，798，1203，1611， 2022，2436，2850，3266，3681，4095，4508，4919，5327，5733，
特别是DSP器件的数值分析、FFT、语音、频谱分析
返回 上页 下页
5．2 测量结果的非数值处理
一、查表
查表法就是把事先计算或测得的数据按照一定 顺序编制成表格，根据被测参数的值或者中间结 果，查出最终所需要的结果。
顺序查表法
顺序查表法就是从头开始，按照顺序把 表中元素的关键项逐一地与给定的关键字进 行比较。若比较结果相同，所比较的元素就 是要查找的元素；若表中所有元素的比较结
返回 上页 下页
{ mid=(max+min)/2;
/*中心元素位置*/
if(K_TAB[mid]=da) var=mid*10;break;/*中心元素等于查表的 元素,计算相应温度*/
if(K_TAB[mid]>da) max=mid;
else
min=mid;
if((max-min)<=1
/*线性插值计算温度值*/
同理，第二轮比较需要进行(N一2)次比较，第二轮结束后，次 最大(或最小)的数据排在底部往上第二位置上。
重复上述过程，直至全部排完，从而实现这组数据由大到小 （或由小到大）的顺序排列。
例子见课本
返回 上页 下页
仪器数据处理操作流程
仪器数据处理操作流程在科学研究和实验室工作中，仪器数据的处理是十分重要的一环。
正确的数据处理流程可以保证实验结果的准确性和可靠性，从而为科学研究提供有力的支持。
本文将介绍一种常用的仪器数据处理操作流程，以供参考。
一、数据收集与记录在进行实验或测量时，首先需要准备好相应的仪器设备，并确保其状态良好。
接下来，根据实验设计或测量需求，选择恰当的数据采集方法，并将采集到的数据记录下来。
为了保证数据的准确性，可以使用实时数据记录设备或相关软件，避免人工记录误差的产生。
二、数据清理与筛选获得原始数据后，需要进行数据清理和筛选的过程。
首先，检查数据中是否存在异常值或误差值，并进行修正或删除。
其次，根据实验设计或测试目的，对数据进行筛选，提取出符合要求的数据集。
这一步骤可以减少数据集中的噪声和冗余信息，提高后续分析的效率和准确性。
三、数据处理与分析在完成数据的清理和筛选后，可以进行数据处理和分析的步骤。
根据实验目的和研究需求，选择合适的数据处理方法，如平均值、标准偏差、相关性分析等。
同时，可以使用统计分析软件或编程语言进行数据处理和分析，以获得更加精确和可靠的结果。
四、结果展示和解释在完成数据处理和分析后，需要将结果进行展示和解释。
可以使用图表、表格等方式来清晰地呈现数据和分析结果。
同时，应该对数据和结果进行解释，提供背景知识和相关参考，帮助读者理解和理解实验结果。
此外，还可以进行结果的讨论和比较，与已有研究结果进行对比，进一步验证实验或测量的可靠性。
五、结果验证与讨论为了验证数据处理结果的准确性和可靠性，可以进行结果的验证和讨论。
可以通过重复实验、对比分析或模拟实验等方法来验证数据处理结果的一致性和稳定性。
同时，可以对实验过程中的误差来源进行讨论，分析其可能的影响和解决方案，以提高数据处理结果的可信度。
六、结论与总结最后，在完成数据处理和验证后，可以得出结论并进行总结。
结论应该简明扼要地回答实验或测量的研究问题，并提供相关的科学依据和理论支持。
智能仪器基础概述与处理技术
2.3
模/数转换技术
2.4
微控制器
2.5
人机接口
2.6
低功耗设计
2.1
数据处理技术
2021/4/14
13
2.3 模/数转换技术
•由于实际测量对象往往都是一些模拟量(如温度、压力、位移、等)，要 让微处理器识别、处理这些信号，必须首先将这些模拟信号转换成数字 信号，也就是模/数（A/D）转换。 •通常A/D转换的过程包括采样、保持和量化、编码两大步骤。
传感器是指能把物 理化学量转变成便 于利用和输出的电 信号，用于获取被 测信息，完成信号 的检测和转换的器 件。
2.2.1 传感器
传感器的分类
Text 3
按被测物理量
按传感器工作或 信号转换原理
按传感器与被测量 间能量转换关系
力、速度、温 T度ex传t 感4 器等
结构型
物理型 能量转化型
能量控制型
2.1
概述
2.2
传感器与信号调理
2.3
模/数转换技术
2.4
微控制器
2.5
人机接口
2.6
低功耗设计
2.1
数据处理技术
2021/4/14
4
2.2 传感器与信号调理
5
2021/4/14
传感器与 信号调理
信号调理是将实际存 在的电压、电流、声 音、图像、温度、压 力等连续变化的模拟 信号进行放大、滤波 、隔离等操作转换成 采集设备能够识别的 标准信号 。
2.3.1 A/D转换器的主要技术指标
15
转换误差 转换时间
2021/4/14
线性度
输入电压范围、功率损耗等
分辨率
A/D转换器的主要技术指标
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
yn
|
yn
yn 1
|
a, yn a, yn
yn yn 1或yn
2yn 1
yn2
a是相邻两个采样值的最大允许增量，其 数值可根据y的最大变化速率Vmax及采样 周 期 T 确 定 ， 即 a = Vmax T 实现本算法的关键是设定被测参量相邻
两次采样值的最大允许误差a.要求准确
（1）该准则在样本值少于10个时不能判别任 何奇异数据；
（2）3σ准则是建立在正态分布的等精度重复 测量基础上，而造成奇异数据的干扰或噪声难 以满足正态分布。
4. 基于中值数绝对偏差的决策滤波器
中值绝对偏差估计的决策滤波器能够判别出奇 异数据，并以有效性的数值来取代。采用一个 移动窗口，x0，(k) …x，1(k)，x m－1(利k) 用m个数据来确定 的有效性。如果滤波器判定该数据有效，则输 出，否则，如果判定该数据为奇异数据，用中 值来取代。
● 令 Q＝1.4826*d =MAD
●计算 q | x m (k) - z | ●如果 q L Q 则 ym (k) x m (k) 否则 y m (k) Z
可以用窗口宽度m和门限L调整滤波器的特性。m影响滤波器的 总一致性，m值至少为7。门限参数L直接决定滤波器主动进取 程度，本非线性滤波器具有比例不变性、因果性、算法快捷等 特点，实时地完成数据净化。
克服由仪器外部环境偶然因素引起 的突变性扰动或仪器内部不稳定引起 误码等造成的大尖脉冲干扰，通常采 用简单的非线性滤波法。
滤除脉冲干扰是仪器数据处理的第 一步。
1．限幅滤波法
限幅滤波法（又称程序判别法、增量判 别法）通过程序判断被测信号的变化幅 度，从而消除缓变信号中的尖脉冲干扰。
实现方法:依赖已有的时域采样结果，将 本次采样值与上次采样值进行比较，若 它们的差值超出允许范围，则认为本次 采样值受到了干扰，应予易除。
设滤波器窗口的宽度为n=2k+1，离散时间信号x （i）的长度为N，（i=1，2，…，N；N>>n），
则当窗口在信号序列上滑动时，一维中值滤波 器的输出:
med[x（i）]=x(k) 表示窗口2k+1内排序的第k
个值，即排序后的中间值。
原始信号
中值滤波后的信号
对不同宽脉冲滤波效果
3．基于拉依达准则的奇异数据滤波法 （剔除粗大误差）
第四章 智能仪器的基本数据处理算法
数据处理能力是智能仪器水平的标志,不能充分发 挥软件作用,等同硬件化的数字式仪器.
测量精度和可靠性是仪器的重要指标，引入 数据处理算法后，使许多原来靠硬件电路难以 实现的信号处理问题得以解决，从而克服和弥 补了包括传感器在内的各个测量环节中硬件本 身的缺陷或弱点，提高了仪器的综合性能。
（1）确定当前数据有效性的判别准则
一个序列的中值对奇异数据的灵敏度远 无小于序列的平均值，用中值构造一个 尺度序列，设{ xi (k) }中值为Z，则
给出了每个数据点偏离参照值的尺度 令{d(k)}的中值为D，著名的统计学家FR.Hampel 提出并证明了中值数绝对偏差MAD＝1.4826*D， MAD可以代替标准偏差σ。对3σ法则的这一修正 有时称为“Hampel标识符”。
基本数据处理算法内容提要
克服随机误差的数字滤波算法 消除系统误差的算法、非线性校正 工程量的标度变换。 诸如频谱估计、相关分析、复杂滤波等算
法，阅读数字信号处理方面的文献。
第一节 克服随机误差的数字滤波算法
随机误差： （１）由串入仪表的随机干扰、仪器内部器件
噪声和A/D量化噪声等引起的。 （２）在相同条件下测量同一量时，其大小和
二、抑制小幅度高频噪声的平均滤波法
小幅度高频电子噪声：电子器件热噪 声、A/D量化噪声等。
通常采用具有低通特性的线性滤波器 算数平均滤波法 加权平均滤波法 滑动加权平均滤波法等。
1．算数平均滤波
N个连续采样值（分别为X1至XN）相加，然 后取其算术平均值作为本次测量的滤波值。
即
X
N 1
X n Ci X ni i0
C0 C1 CN1 1
按FIR滤波设计 确定系数
C0 C1 CN1 0
三、复合滤波法
在实际应用中，有时既要消除大幅度的脉冲 干扰，有要做数据平滑。因此常把前面介绍 的两种以上的方法结合起来使用，形成复合 滤波。
(2)．实现基于L*MAD准则的滤波算法
●建立移动数据窗口(宽度m）
｛w 0 (k), w1 (k), w 2 (k), w m-1 (k)} {x 0 (k), x1 (k), x 2 (k), x m-1 (k)}
●计算出窗口序列的中值Z（排序法）
●计算尺度序列 di (k) | wi (k) - z | 的中值d（排序法）
2．滑动平均滤波法
对于采样速度较慢或要求数据更新率 较高的实时系统，算术平均滤法无法 使用的。
滑动平均滤波法把N个测量数据看成一 个队列，队列的长度固定为N，每进行 一次新的采样，把测量结果放入队尾， 而去掉原来队首的一个数据，这样在 队列中始终有N个“最新”的数据。
Xn
1 N
N 1
符号作无规则变化而无法预测，但在多次测 量中符合统计规律的误差。
处理方法： 模拟滤波或数字滤波。
第一节 克服随机误差的数字滤波算法
数字滤波算法的优点： （1）数字滤波是一个计算过程，通常用软件实
现，在实时要求高的情况下用ＦＰＧＡ实现， 因此可靠性高。无需模拟电路，不存在阻抗 匹配、特性波动、非一致性等问题。 （2）只要适当改变数字滤波程序有关参数，就 能方便的改变滤波特性，因此数字滤波使用 时方便灵活。
1 N
N
Xi
i 1
设
Xi Si ni
Si为采样值中的有用部分ni 为随机误差。
X
1 N
N
(si
i 1
ni)
1 N
N
si
i 1
1 N
N i 1
ni
X
1 N
N
Si
i 1
滤波效果主要取决于采样次数N，N越大，滤 波效果越好，但系统的灵敏度要下降。因此 这种方法只适用于慢变信号。
1 N
N
Xi
i 1
（2）求各项的剩余误差Vi Vi Xi X
（3）计算标准偏差σ
N
( Vi2) /(N 1)
i 1
（4）判断并剔除奇异项Vi＞3σ ，则认为该Xi为 坏值，予以剔除。
依据拉依达准则净化数据的局限性
采用3σ准则净化奇异数据，有的仪器通过选择 Lσ中的L值（L＝2，3，4，5）调整净化门限， L＞3，门限放宽，L＜3，门限紧缩。采用3σ 准则净化采样数据有其局限性，有时甚至失效。
问题讨论
1、试画出去极值加权平均复合滤波算法流程图。
2、测量的直流电压受到工频及其谐波干扰，如果用平 均滤波算法，怎样确定平均点数N和采样间隔Ts？
3、如果被测量是频率为f0的正弦波，如果用ＦＩＲ滤 波算法滤除高频噪声，根据哪些条件设计滤波器参数？
拉依达准则法的应用场合与程序判别 法类似，并可更准确地剔除严重失真 的奇异数据。
拉依达准则：当测量次数N足够多且测 量服从正态分布时，在各次测量值中， 若某次测量值Xi所对应的剩余误差Vi＞ 3σ，则认为该Xi为坏值，予以剔除。
拉依达准则法实施步骤
（1）求N次测量值X1至XN的算术平均值
X
Xni
i0
Xn 为第n次采样经滤波后的输出；
X
n
为未经滤波的第n－i次采样值；
i
N为滑动平均项数。
平滑度高，灵敏度低；但对偶然出现的脉冲 性干扰的抑制作用差。实际应用时，通过观 察不同N值下滑动平均的输出响应来选取N值 以便少占用计算机时间，又能达到最好的滤 波效果。
3．加权滑动平均滤波
增加新的采样数据在滑动平均中的比重， 以提高系统对当前采样值的灵敏度，即对 不同时刻的数据加以不同的权。通常越接 近现时刻的数据，权取得越大。
去极值平均滤波算法：先用中值滤波算法滤 除采样值中的脉冲性干扰，然后把剩余的各 采样值进行平均滤波。连续采样N次，剔除 其最大值和最小值，再求余下N－2个采样的 平均值。显然，这种方法既能抑制随机干扰， 又能滤除明显的脉冲干扰。
为使计算更 方便，N－2 应为2，4， 8，16
常取N为
4，6，10，18。
估计Vmax和采样周期T。
2．中值滤波法
中值滤波是一种典型的非线性滤波器， 它运算简单，在滤除脉冲噪声的同时可 以很好地保护信号的细节信息。
对某一被测参数连续采样n次（一般n应 为奇数），然后将这些采样值进行排序， 选取中间值为本次采样值。
最适合单调变化信号中脉冲干扰的滤除。
对温度、液位等缓慢变化的被测参数， 采用中值滤波法一般能收到良好的滤波 效果。
常用的数字滤波算法
一、克服大脉冲干扰的数字滤波法 1．限幅滤波法 2．中值滤波法 3．基于拉依达准则的奇异数据滤波法（剔除粗
大误差） 4. 基于中值数绝对偏差的决策滤波器 二、抑制小幅度高频噪声的平均滤波法 1．算数平均 2．滑动平均 3．加权滑动平均 三、复合滤波法
一、克服大脉冲干扰的数字滤波法