程序判断滤波算法——嵌入式常用算法
嵌入式开发10种常见数字滤波算法
嵌⼊式开发10种常见数字滤波算法在单⽚机开发中，经常需要对输⼊的数据进⾏过滤处理，如传感器数据输出，AD采样等，合适的滤波处理能达到更好效果。
下⾯分享⼏种较简单⽽常⽤的滤波算法：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：1. 能有效克服因偶然因素引起的脉冲⼲扰C、缺点：1. ⽆法抑制那种周期性的⼲扰2. 平滑度差int Filter_Value;int Value;void setup() {Serial.begin(9600); // 初始化串⼝通信randomSeed(analogRead(0)); // 产⽣随机种⼦Value = 300;}void loop() {Filter_Value = Filter(); // 获得滤波器输出值Value = Filter_Value; // 最近⼀次有效采样的值，该变量为全局变量Serial.println(Filter_Value); // 串⼝输出delay(50);}// ⽤于随机产⽣⼀个300左右的当前值int Get_AD() {return random(295, 305);}// 限幅滤波法（⼜称程序判断滤波法）#define FILTER_A 1int Filter() {int NewValue;NewValue = Get_AD();if(((NewValue - Value) > FILTER_A) || ((Value - NewValue) > FILTER_A))return Value;elsereturn NewValue;}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：1. 能有效克服因偶然因素引起的波动⼲扰2. 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：1. 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 11char filter(){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];}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：1. 适⽤于对⼀般具有随机⼲扰的信号进⾏滤波2. 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：1. 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2. 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);}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：1. 对周期性⼲扰有良好的抑制作⽤，平滑度⾼2. 适⽤于⾼频振荡的系统C、缺点：1. 灵敏度低2. 对偶然出现的脉冲性⼲扰的抑制作⽤较差3. 不易消除由于脉冲⼲扰所引起的采样值偏差4. 不适⽤于脉冲⼲扰⽐较严重的场合5. ⽐较浪费RAM// 递推平均滤波法（⼜称滑动平均滤波法）#define FILTER_N 12int filter_buf[FILTER_N + 1];int Filter() {int i;int filter_sum = 0;filter_buf[FILTER_N] = Get_AD();for(i = 0; i < FILTER_N; i++) {filter_buf[i] = filter_buf[i + 1]; // 所有数据左移，低位仍掉filter_sum += filter_buf[i];}return (int)(filter_sum / FILTER_N);}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：1. 融合了两种滤波法的优点2. 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：1. 测量速度较慢，和算术平均滤波法⼀样2. ⽐较浪费RAM// 中位值平均滤波法（⼜称防脉冲⼲扰平均滤波法）（算法1）#define FILTER_N 100int Filter() {int i, j;int filter_temp, filter_sum = 0;int filter_buf[FILTER_N];for(i = 0; i < FILTER_N; i++) {filter_buf[i] = Get_AD();delay(1);}// 采样值从⼩到⼤排列（冒泡法）for(j = 0; j < FILTER_N - 1; j++) {for(i = 0; i < FILTER_N - 1 - j; i++) {if(filter_buf[i] > filter_buf[i + 1]) {filter_temp = filter_buf[i];filter_buf[i] = filter_buf[i + 1];filter_buf[i + 1] = filter_temp;}}}// 去除最⼤最⼩极值后求平均for(i = 1; i < FILTER_N - 1; i++) filter_sum += filter_buf[i];return filter_sum / (FILTER_N - 2);}// 中位值平均滤波法（⼜称防脉冲⼲扰平均滤波法）（算法2）#define FILTER_N 100int Filter() {int i;int filter_sum = 0;int filter_max, filter_min;int filter_buf[FILTER_N];for(i = 0; i < FILTER_N; i++) {filter_buf[i] = Get_AD();delay(1);}filter_max = filter_buf[0];filter_min = filter_buf[0];filter_sum = filter_buf[0];for(i = FILTER_N - 1; i > 0; i--) {if(filter_buf[i] > filter_max)filter_max=filter_buf[i];else if(filter_buf[i] < filter_min)filter_min=filter_buf[i];filter_sum = filter_sum + filter_buf[i];filter_buf[i] = filter_buf[i - 1];}i = FILTER_N - 2;filter_sum = filter_sum - filter_max - filter_min + i / 2; // +i/2 的⽬的是为了四舍五⼊ filter_sum = filter_sum / i;return filter_sum;}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：1. 融合了两种滤波法的优点2. 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：1. ⽐较浪费RAM// 限幅平均滤波法#define FILTER_A 1int Filter() {int i;int filter_sum = 0;filter_buf[FILTER_N - 1] = Get_AD();if(((filter_buf[FILTER_N - 1] - filter_buf[FILTER_N - 2]) > FILTER_A) || ((filter_buf[FILTER_N - 2] - filter_buf[FILTER_N - 1]) > FILTER_A)) filter_buf[FILTER_N - 1] = filter_buf[FILTER_N - 2];for(i = 0; i < FILTER_N - 1; i++) {filter_buf[i] = filter_buf[i + 1];filter_sum += filter_buf[i];}return (int)filter_sum / (FILTER_N - 1);}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：1. 对周期性⼲扰具有良好的抑制作⽤2. 适⽤于波动频率较⾼的场合C、缺点：1. 相位滞后，灵敏度低2. 滞后程度取决于a值⼤⼩3. 不能消除滤波频率⾼于采样频率的1/2的⼲扰信号// ⼀阶滞后滤波法#define FILTER_A 0.01int Filter() {int NewValue;NewValue = Get_AD();Value = (int)((float)NewValue * FILTER_A + (1.0 - FILTER_A) * (float)Value);return Value;}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。
十一种滤波方法及C语言程序
一.十一种通用滤波算法(转)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。
几种经典的滤波算法
几种经典的滤波算法(转)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。
2019年几种滤波的经典算法.doc
OP2=1068; //FilterCoeff4[0];
MACS=*PdelOu;
OP2=-7190;//FilterCoeff4[8];
MACS=*(PdelOu+1);
OP2=-1973; //FilterCoeff4[7];
MACS=*(PdelOu+2);
OP2=-19578;//FilterCoeff4[6];
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
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
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”
return value;
return new_value;
}
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*/
#define N 11
char filter()
{
char value_buf[N];
C语言十大滤波算法
C语言十大滤波算法C语言是一种广泛应用于嵌入式系统、图形界面、游戏开发等领域的编程语言。
在信号处理和图像处理等领域，滤波算法是一种重要的处理方式。
滤波算法可以对信号进行去噪、平滑、边缘检测等操作，从而提高信号的质量和准确度。
在C语言中，有许多优秀的滤波算法被广泛应用。
下面将介绍C语言中的十大滤波算法，并讨论它们的原理和应用领域。
1.均值滤波算法：均值滤波是一种简单有效的滤波算法，通过计算像素周围若干个邻域像素的平均值作为滤波结果。
均值滤波适用于去除高频噪声，但会造成图像细节的模糊。
2.中值滤波算法：中值滤波算法通过计算像素周围若干个邻域像素的中值作为滤波结果。
中值滤波可以有效去除椒盐噪声，但不能处理高斯噪声。
3.高斯滤波算法：高斯滤波算法利用高斯函数对图像进行滤波，以平滑图像并去除噪声。
高斯滤波在保持图像边缘信息的同时，能够有效降低噪声。
4.自适应中值滤波算法：自适应中值滤波算法根据像素邻域内像素的不同情况选择中值滤波器的大小，对不同噪声情况进行适应性处理。
5.双边滤波算法：双边滤波算法是一种非线性滤波算法，通过同时考虑空间信息和灰度差异信息，可在去噪的同时保持图像的边缘信息。
6.快速傅里叶变换（FFT）滤波算法：FFT滤波是一种频域滤波算法，通过将信号从时域转换到频域，对频谱进行滤波后再进行逆变换，能够有效去除周期性噪声。
7.小波变换滤波算法：小波变换是一种时频联合分析方法，将信号分解为不同频率的子带，通过阈值处理可以实现去噪。
8.自适应滤波算法：自适应滤波算法根据图像中的纹理复杂度自动选择合适的滤波器，能够在保持图像细节的同时去除噪声。
9.协同滤波算法：协同滤波算法是一种基于用户行为数据的推荐算法，通过分析用户的历史数据和相似用户群体的数据，对用户进行个性化推荐。
10.卡尔曼滤波算法：卡尔曼滤波算法是一种利用动态模型对状态进行推断的滤波算法，适用于系统状态估计、信号恢复等应用。
以上是C语言中的十大滤波算法，它们在不同领域的应用有所差异，但都能够有效地处理信号和数据，提高数据质量和准确度。
10种常见的滤波算法
10种软件滤波方法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=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。
11种常见的AD滤波算法
11种常见的AD滤波算法第 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D 实例程序1:/* 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 */ 2:#define A 103:char value;4:char filter()5: {6:char new_value;7: new_value = get_ad();8:if ( ( new_value - value > A ) || ( value - new_value > A )9:return value;10:return new_value;11: }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D 实例程序1:/* N 值可根据实际情况调整排序采⽤冒泡法*/2:#define N 113:char filter()4: {5:char value_buf[N];6:char count,i,j,temp;7:for ( count="0";count<N;count++)8: {9: value_buf[count] = get_ad();10: delay();11: }12:for (j=0;j<N-1;j++)13: {14:for (i=0;i<N-j;i++)15: {16:if ( value_buf>value_buf[i+1] )17: {18: temp = value_buf;19: value_buf = value_buf[i+1];20: value_buf[i+1] = temp;21: }22: }23: }24:25:return value_buf[(N-1)/2];26: }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=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 RAMD 实例程序1:#define N 122:char filter()3: {4:int sum = 0;5:for ( count="0";count<N;count++)6: {7: sum + = get_ad();8: delay();9: }10:return (char)(sum/N);11: }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=1~4B 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 RAMD 实例程序1:#define N 122:char value_buf[N];3:char i="0";4:char filter()5: {6:char count;7:int sum=0;8:9: value_buf[i++] = get_ad();10:11:if ( i == N ) i = 0;12:13:for ( count="0";count<N,count++)14: sum = value_buf[count];15:16:return (char)(sum/N);17: }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 RAMD 实例程序1:#define N 122:char filter()3: {4:char count,i,j;5:char value_buf[N];6:int sum=0;7:8:for (count=0;count<N;count++)9: {10: value_buf[count] = get_ad();11: delay();12: }13:14:for (j=0;j<N-1;j++)15: {16:for (i=0;i<N-j;i++)17: {18:if ( value_buf>value_buf[i+1] )19: {20: temp = value_buf;21: value_buf = value_buf[i+1];22: value_buf[i+1] = temp;23: }24: }25: }26:27:for(count=1;count<N-1;count++)28: sum += value[count];29:30:return (char)(sum/(N-2));31: }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 RAMD 实例程序略参考⼦程序限幅滤波法和算术平均滤波法第 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D 实例程序1:/* 为加快程序处理速度假定基数为 100，a=0~100 */2:#define a 503:char value;4:char filter()5: {6:char new_value;7: new_value = get_ad();8:9:return (100-a)*value + a*new_value;10: }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D 实例程序1:/* coe 数组为加权系数表，存在程序存储区。
程序判断滤波算法——嵌入式常用算法
程序判断滤波算法——嵌入式常用算法最近计划设计一些数据采集终端，主要用来模拟分布式数据采集与控制功能。
由于自己的预算有限，因此，大部分功能实现均采用软件来实现，少部分必要功能由硬件实现。
虽然牺牲了一些CPU处理时间，但是本身数据采集终端的功能单一，CPU也就完全能够胜任。
这里就包括了温度采样功能里的滤波。
我们知道在普通环境下，外界的温度在短时间内是不会发生骤变的，因此，如果我们传感器采集的数据在短时间间隔变化较大，则有理由认为该数据为非法数据，应该被丢弃。
说得专业一点就是：如果相邻两次采样值之间的变化未超过预定的范围，说明该采样值未明显干扰，可以采信。
基于这个原理，某些牛人就设计了“程序判断滤波”方法，也称“限幅滤波”。
#define DX 15Int32U historyInt32U ProgFilter(){Int32U temp;temp = SampleADC();if(((temp - history) > DX) || ((history - temp) >DX)){temp = history;}history = temp;return temp;}从源代码上我们可以轻松看到，对于采集出来的数据进行一次与上一次结果的比较判断，如果数据在限幅之内，则将数据保留。
这时，我们忽略了一个情况，就是“如果数据限幅之外呢？这次数据就不要了吗？还是如何处理呢？”在限幅之外时，如果数据正处于明显变化的阶段，两次采样数据也有明显的差别，这时没有有效数据而使用上一次数据来替代就有些不足，也会带来较大的误差了。
如果我们这里采用合理的变化量预测，使用一个合理的数据来替代目前被干扰的，则会使误差减小。
对于可怜的MCU计算能力来，使用线性预测的方式，我想，是最好的策略了。
当然，使用线性预测的算法将全再后面的帖子中详细阐述。
欢迎关注本次系列帖子。
- 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)。
程序判断滤波算法——嵌入式常用算法
最近计划设计一些数据采集终端，主要用来模拟分布式数据采集与控制功能。
由于自己的预算有限，因此，大部分功能实现均采用软件来实现，少部分必要功能由硬件实现。
虽然牺牲了一些CPU处理时间，但是本身数据采集终端的功能单一，CPU也就完全能够胜任。
这里就包括了温度采样功能里的滤波。
我们知道在普通环境下，外界的温度在短时间内是不会发生骤变的，因此，如果我们传感器采集的数据在短时间间隔变化较大，则有理由认为该数据为非法数据，应该被丢弃。
说得专业一点就是：如果相邻两次采样值之间的变化未超过预定的范围，说明该采样值未明显干扰，可以采信。
基于这个原理，某些牛人就设计了“程序判断滤波”方法，也称“限幅滤波”。
#define DX 15
Int32U history
Int32U ProgFilter()
{
Int32U temp;
temp = SampleADC();
if(((temp - history) > DX) || ((history - temp) >DX))
{
temp = history;}
history = temp;
return temp;
}
从源代码上我们可以轻松看到，对于采集出来的数据进行一次与上一次结果的比较判断，如果数据在限幅之内，则将数据保留。
这时，我们忽略了一个情况，就是“如果数据限幅之外呢？这次数据就不要了吗？还是如何处理呢？”
在限幅之外时，如果数据正处于明显变化的阶段，两次采样数据也有明显的差别，这时没有有效数据而使用上一次数据来替代就有些不足，也会带来较大的误差了。
如果我们这里采用合理的变化量预测，使
用一个合理的数据来替代目前被干扰的，则会使误差减小。
对于可怜的MCU计算能力来，使用线性预测的方式，我想，是最好的策略了。
当然，使用线性预测的算法将全再后面的帖子中详细阐述。
欢迎关注本次系列帖子。