注册登录

简单常用滤波算法C语言实现

1.限幅滤波算法(程序判断滤波算法)

方法解析:

根据经验判断,确定两次采样允许的最大偏差值(设定为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只差>A,则本次值无效,放弃本次值,用上次值代替本次值。

优点:

能有效克服因偶然因素引起的脉冲干扰

缺点:

无法抑制那种周期性的干扰,平滑度差

#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;

   return new_value;

}

 

2.中位值滤波法

方法解析:

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

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

缺点:

对流量,速度等快速变化的参数不宜

#define N  11

char 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[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];

}


3.算术平均滤波

方法解析:

连续取N个采样值进行平均运算,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12左右。

优点:

适应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

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并不适用,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);

 

4.递推平均滤波(滑动平均滤波法)

方法解析:

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)。

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:一般12.

优点:

对周期性干扰有良好的抑制作用,平滑度高,适应于高频振荡的系统

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打的采样值偏差,不适用于脉冲干扰比较严重的场合

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);

}


5.中位值平均滤波法(防脉冲干扰平均滤波法)

方法解析:

相当于中位值滤波+算术平均滤波,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

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。

缺点:

测量速度较慢,和算法平均滤波一样,浪费RAM。

 

#define N 12

char filter()

{

   char count,i,j;

   char value_buf[N];

   int sum=0,temp=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));

}


6一阶滞后滤波法

方法解析:

取a=0-1

本次滤波结果=(1-a)*本次采样值+a*上次滤波结果

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

缺点:

相位滞后,灵敏度低,滞后程度取决于a值的大小,不能消除滤波频率高于采样频率的1/2的干扰信号

 

#define a 50

char value;

char filter()

{

   char new_value;

   new_value = get_ad();

   return (100-a)*value + a*new_value;

}


7.加权递推平均滤波法

方法解析:

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。

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。

 

#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<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);

}



8.消抖滤波法

方法解析:

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

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。

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;   

}


9.低通数字滤波

解析:

低通滤波也称一阶滞后滤波,方法是第N次采样后滤波结果输出值是(1-a)乘第N次采样值加a乘上次滤波结果输出值。可见a<<1。

该方法适用于变化过程比较慢的参数的滤波的C程序函数如下:

 

float low_filter(float low_buf[])

{

    float sample_value;

    float X=0.01;

    sample_value=(1_X)*low_buf[1]+X*low buf[0];

    retrun(sample_value);

}

0条回复

作者
用户头像
文章 0关注 0粉丝 0
发私信
相关文章
联系客服