11种经典软件滤波的原理和实现
[整理]10种软件滤波方法
![[整理]10种软件滤波方法](https://img.taocdn.com/s3/m/fe4417420066f5335b81210f.png)
10种软件滤波方法2008年01月10日星期四下午 12:361、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2、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3、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=4B、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RAM4、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=1~4B、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RAM5、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个最小值然后计算N-2个数据的算术平均值N值的选取：3~14B、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RAM6、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RAM7、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8、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，越接近现时刻的数据，权取得越大。
10种简单的数值滤波方法
单片机利用软件抗干扰的几种滤波方法1、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。
2、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。
3、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。
4、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。
5、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个最小值，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。
10种软件滤波方法及示例程序
10种软件滤波方法及示例程序滤波是数字信号处理中常用的一种方法，用于去除信号中的噪声或者改变信号的频率响应。
软件滤波是指使用计算机软件来实现滤波功能。
本文将介绍10种常用的软件滤波方法，并附上相应的示例程序。
1.均值滤波：将信号中的每个样本点都替换为其邻近样本点的平均值。
这种方法适用于去除高频噪声，但会导致信号的模糊化。
示例程序：```pythonimport numpy as npdef mean_filter(signal, window_size):filtered_signal = []for i in range(len(signal)):start = max(0, i - window_size//2)end = min(len(signal), i + window_size//2)filtered_signal.append(np.mean(signal[start:end]))return filtered_signal#使用示例signal = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]window_size = 3filtered_signal = mean_filter(signal, window_size)print(filtered_signal)```2.中值滤波：将信号中每个样本点都替换为邻近样本点的中值。
这种方法适用于去除椒盐噪声等随机噪声，但不适用于平滑信号。
示例程序：```pythonimport numpy as npdef median_filter(signal, window_size):filtered_signal = []for i in range(len(signal)):start = max(0, i - window_size//2)end = min(len(signal), i + window_size//2)filtered_signal.append(np.median(signal[start:end]))return filtered_signal#使用示例signal = [1, 3, 5, 7, 9, 8, 6, 4, 2]window_size = 3filtered_signal = median_filter(signal, window_size)print(filtered_signal)```3.高斯滤波：使用一维/二维高斯函数作为滤波器，加权平均信号的邻近样本点。
一些软件滤波算法的原理和程序源代码
一些软件滤波算法的原理和程序源代码滤波算法是信号处理中常用的技术，用于去除信号中的噪声或抽取感兴趣的信号特征。
在本文中，我将介绍几种常见的软件滤波算法的原理和程序源代码，包括均值滤波、中值滤波和高斯滤波。
1.均值滤波均值滤波是一种简单直观的滤波算法。
其原理是通过计算像素周围邻近像素的平均值，来替换掉原始图像像素的值。
均值滤波的算法步骤如下：-创建一个大小为n的窗口（n通常为奇数），以当前像素为中心。
-计算窗口中所有像素的平均值。
-将当前像素的值替换为计算得到的平均值。
-按顺序处理所有像素。
以下是均值滤波的C++程序源代码示例：```cppvoid meanFilter(const cv::Mat& src, cv::Mat& dst, int kernelSize)int kernelHalfSize = kernelSize / 2;dst.create(src.size(, src.type();for (int y = 0; y < src.rows; y++)for (int x = 0; x < src.cols; x++)cv::Vec3f sum = cv::Vec3f(0, 0, 0);int numPixels = 0;for (int ky = -kernelHalfSize; ky <= kernelHalfSize; ky++) for (int kx = -kernelHalfSize; kx <= kernelHalfSize; kx++) int px = x + kx;int py = y + ky;if (px >= 0 && py >= 0 && px < src.cols && py < src.rows) sum += src.at<cv::Vec3b>(py, px);numPixels++;}}}cv::Vec3f average = sum / numPixels;dst.at<cv::Vec3b>(y, x) = average;}}```2.中值滤波中值滤波是一种非线性滤波算法，主要用于去除图片中的椒盐噪声。
十种经典的软件滤波方法+程序
十种经典的软件滤波方法+程序十种经典的软件滤波方法+程序1、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 10char value;char filter(){char new_value;new_value = get_ad();if ( ( new_value - value > A ) || ( value - new_value > A )return value;return new_value;}2、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#define N 11 //N值可根据实际情况调整char filter(){char value_buf[N];char count,i,j,temp;for (count=0;count<N;count++){value_buf[count]=get_ad(); //获取采样值delay();}for (j=0;j<N-1;j++) //采样值由小到大排列，排序采用冒泡法{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;}}}return value_buf[(N-1)/2]; //取中间值}3、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=4B、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 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）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=1~4B、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 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）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个最小值然后计算N-2个数据的算术平均值N值的选取：3~14B、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 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[i]>value_buf[i+1] ){temp = value_buf[i];value_buf[i] = 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参考子程序1、37、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 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，越接近现时刻的数据，权取得越大。
11种经典软件滤波的原理和实现
11 种经典软件滤波的原理和实现1、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2、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3、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=4B 、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RAM4、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=1〜4B 、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RAM5、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个最小值然后计算N-2 个数据的算术平均值N 值的选取：3~14B 、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RAM6、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RAM7、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8、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，越接近现时刻的数据，权取得越大。
个嵌入式滤波算法
个嵌入式滤波算法嵌入式滤波算法是应用于嵌入式系统中的滤波算法，用于对信号进行处理和去噪。
下面介绍11个常用的嵌入式滤波算法。
1. FIR滤波器：FIR（Finite impulse response）滤波器是一种非递归线性有限冲激响应滤波器，通过对输入信号的线性组合来得到滤波结果。
2. IIR滤波器：IIR（Infinite impulse response）滤波器是一种递归滤波器，通过将输出信号与输入信号之间的关系表示为差分方程来实现滤波。
3.卡尔曼滤波器：卡尔曼滤波器是一种递归滤波器，通过使用观测和系统模型之间的信息来对状态进行估计，具有优秀的估计性能。
4.自适应滤波器：自适应滤波器是一种能够自动调整滤波参数的滤波器，通过不断更新滤波器的权值来适应输入信号的变化。
5.中值滤波器：中值滤波器是一种非线性滤波器，通过将窗口中的数据排序找到中间值来进行滤波，适用于去除信号中的椒盐噪声。
6.小波变换：小波变换是一种基于多尺度分析的滤波方法，通过将信号进行不同尺度的分解和重构来实现滤波。
7.无迹卡尔曼滤波器：无迹卡尔曼滤波器是卡尔曼滤波器的改进版，通过使用无迹变换来估计系统状态，提高了对非线性系统的适应能力。
8.均值滤波器：均值滤波器是一种简单的滤波方法，通过取窗口内数据的平均值来实现滤波，适用于平滑信号。
9.高斯滤波器：高斯滤波器是一种基于高斯函数的滤波方法，通过对窗口内的数据进行加权平均来实现滤波，适用于平滑信号。
10.自适应中值滤波器：自适应中值滤波器是一种改进的中值滤波器，通过动态调整窗口大小和计算信号局部方差来实现滤波，适用于去除椒盐噪声。
11.一阶滞后滤波器：一阶滞后滤波器是一种简单的滤波方法，通过对当前输入信号与上一时刻滤波结果进行加权平均来实现滤波，适用于平滑信号。
这些嵌入式滤波算法在嵌入式系统中广泛应用，对信号的处理和去噪起到了重要的作用。
根据实际应用需求，选择合适的滤波算法可以提高系统的性能和可靠性。
种软件滤波方法DOC
种软件滤波方法DOC软件滤波是一种信号处理技术，用于减小信号中的噪声或其他干扰。
也可以说，软件滤波是通过对信号进行数字化处理来消除噪声的一种方法。
在信号处理领域中，存在多种软件滤波方法，本文将重点介绍其中的11种常见方法。
1. 均值滤波（Mean Filtering）：该方法通过将信号中每个点的值替换为其周围邻域内点的平均值来降低噪声。
该方法适用于噪声较小或均匀分布的信号。
2. 中值滤波（Median Filtering）：该方法通过将信号中每个点的值替换为其周围邻域内点的中值来减少噪声。
中值滤波对于脉冲噪声的抑制效果较好。
3. 高斯滤波（Gaussian Filtering）：该方法使用高斯函数来模拟滤波器的响应，通过卷积运算将噪声信号平滑化。
高斯滤波适用于噪声呈高斯分布的信号。
4. 自适应滤波（Adaptive Filtering）：该方法根据输入信号的特性自动调整滤波器的参数。
这种滤波方法通常用于非线性滤波，如降低背景噪声。
5. 加权滤波（Weighted Filtering）：该方法根据信号的重要性对滤波器的参数进行加权调整，进而减小噪声的影响。
加权滤波常用于需要保留信号细节的应用中。
6. 限幅滤波（Clipping Filtering）：该方法将信号限定在特定范围内，超出范围的部分被替换为边界值。
限幅滤波可用于去除异常值或突发噪声。
7. 自相关滤波（Autocorrelation Filtering）：该方法通过计算信号与其自身的自相关函数，来消除噪声对信号的影响。
自相关滤波对于周期性噪声的抑制效果较好。
8. 卡尔曼滤波（Kalman Filtering）：该方法是一种递归滤波算法，通过使用系统模型和测量值来估计信号的真实值，并根据观测到的噪声不断更新估计值。
卡尔曼滤波适用于信号中存在随机噪声和系统动力学的情况。
9. 快速傅里叶变换滤波（FFT Filtering）：该方法利用快速傅里叶变换将信号从时域转换到频域，滤除频谱上的噪声成分，并将结果逆变换回时域。
- 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)。
{ int ReturnValue; int ii; RESLO=0; RESHI=0; MACS=*PdelIn; OP2=1068; //FilterCoeff4[4]; MACS=*(PdelIn+1); OP2=8; //FilterCoeff4[3]; MACS=*(PdelIn+2); OP2=-2001;//FilterCoeff4[2]; MACS=*(PdelIn+3); OP2=8; //FilterCoeff4[1]; MACS=InputAD4; OP2=1068; //FilterCoeff4[0]; MACS=*PdelOu; OP2=-7190;//FilterCoeff4[8]; MACS=*(PdelOu+1); OP2=-1973; //FilterCoeff4[7]; MACS=*(PdelOu+2); OP2=-19578;//FilterCoeff4[6]; MACS=*(PdelOu+3); OP2=-3047; //FilterCoeff4[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;
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 6、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 7、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 8、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，越接近现时刻的数据，权取得越大。
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 4、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 5、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个最小值 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：
return (char)(sum/N); } 4、递推平均滤波法（又称滑动平均滤波法） #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]; 法（又称防脉冲干扰平均滤波法） #define N 12 char 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++)
char count; char value_buf[N]; int sum=0; for (count=0,count<N;count++) { value_buf[count] = get_ad(); delay(); } for (count=0,count<N;count++) sum += value_buf[count]*coe[count]; return (char)(sum/sum_coe); } 9、消抖滤波法 #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; } 10、限幅消抖滤波法 略 参考子程序1、9 11、IIR滤波例子 int BandpassFilter4(int InputAD4)
{ 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、3 7、一阶滞后滤波法 #define a 50 char 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 #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() {
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 9、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 10、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
{ char value_buf[N]; char count,i,j,temp; 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; } } } return value_buf[(N-1)/2]; } 3、算术平均滤波法 #define N 12 char filter() { int sum = 0; for ( count=0;count<N;count++) { sum + = get_ad(); delay(); }