一、限幅滤波法
1、方法:
根据经验判断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:
a. 如果本次值与上次值之差
b. 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
2、优点:
能有效克服因偶然因素引起的脉冲干扰
3、缺点
无法抑制那种周期性的干扰
平滑度差
/* A值根据实际调,Value有效值,new_Value当前采样值,程序返回有效的实际值 */
#define A 10
char Value;
char filter()
{
char new_Value;
new_Value = get_ad(); // 获取采样值
if( abs(new_Value - Value) > A)
return Value; // abs()取绝对值函数
return new_Value;
}
二、中位值滤波法
1、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
2、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
3、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 //获取采样值
{
value_buf[count] = get_ad();
delay();
}
for(j = 0; j -1); j++)
{
for(i = 0; 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];
}
三、算术平均滤波法
1、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
2、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
3、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 return (char)(sum/N);
}
四、递推平均滤波法
1、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
2、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
3、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
/* A值根据实际调,Value有效值,new_Value当前采样值,程序返回有效的实际值 */
#define A 10
char Value;
char filter()
{
char new_Value;
new_Value = get_ad(); // 获取采样值
if( abs(new_Value - Value) > A)
return Value; // abs()取绝对值函数
return new_Value;
}
五、中位值平均滤波法
1、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
2、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
3、缺点:
测量速度较慢,和算术平均滤波法一样
比较浪费RAM
char filter()
{
char count, i, j;
char Value_buf[N];
int sum = 0;
for(count = 0; count N; count++)
{
Value_buf[count] = get_ad();
}
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_buf[count];
}
return (char)(sum/(N-2));
}
六、限幅平均滤波法
1、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
2、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
3、缺点:
比较浪费RAM
#define A 10
#define N 12
char value, i = 0;
char value_buf[N];
char filter()
{
char new_value, sum = 0;
new_value = get_ad();
if(Abs(new_value - value) if(i==N)
i=0;
for(count = 0; count return (char)(sum/N);
}
七、一阶滞后滤波法
1、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
2、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
3、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,取a=0~100*/
#define a 30
char value;
char filter()
{
char new_value;
new_value = get_ad();
return ((100-a)*value + a*new_value);
}
八、加权递推平均滤波法
1、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。
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
2、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
3、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
不能迅速反应交易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 */
#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();
}
for(count = 0; count N; count++)
{
sum += value_buf[count] * coe[count];
}
return (char)(sum/sum_coe);
}
九、消抖滤波法
1、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>或=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
2、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
3、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交易系统
#define N 12
char filter()
{
char count = 0, new_value;
new_value = get_ad();
while(value != new_value)
{
count++;
if(count >= N)
return new_value;
new_value = get_ad();
}
return value;
}
十、限幅消抖滤波法
1、方法:
相当于“限幅滤波法”+“消抖滤波法”
先限幅,后消抖
2、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
3、缺点:
对于快速变化的参数不宜
#define A 10
#define N 12
char value;
char filter()
{
char new_value, count = 0;
new_value = get_ad();
while(value != new_value)
{
if(Abs(value - new_value) if(count >= N)
return new_value;
new_value = get_ad();
}
return value;
}
}
pswbd5x3qer6401917808.jpg
|