嵌入式常用10种滤波算法介绍及其优缺点对比(建议收藏)
扫描二维码
随时随地手机看文章
一、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
-
能有效克服因偶然因素引起的脉冲干扰
-
无法抑制那种周期性的干扰
-
平滑度差
2int Value;
3
4void setup() {
5 Serial.begin(9600); // 初始化串口通信
6 randomSeed(analogRead(0)); // 产生随机种子
7 Value = 300;
8}
9
10void loop() {
11 Filter_Value = Filter(); // 获得滤波器输出值
12 Value = Filter_Value; // 最近一次有效采样的值,该变量为全局变量
13 Serial.println(Filter_Value); // 串口输出
14 delay(50);
15}
16
17// 用于随机产生一个300左右的当前值
18int Get_AD() {
19 return random(295, 305);
20}
21
22// 限幅滤波法(又称程序判断滤波法)
23#define FILTER_A 1
24int Filter() {
25 int NewValue;
26 NewValue = Get_AD();
27 if(((NewValue - Value) > FILTER_A) || ((Value - NewValue) > FILTER_A))
28 return Value;
29 else
30 return NewValue;
31}
二、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
-
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
-
对流量、速度等快速变化的参数不宜
2#define N 11
3
4char filter()
5{
6 char value_buf[N];
7 char count,i,j,temp;
8 for ( count=0;count
10 value_buf[count] =get_ad();
11 delay();
12 }
13 for (j=0;j
14 {
15 for (i=0;i
17 if (value_buf>value_buf[i 1] )
18 {
19 temp = value_buf;
20 value_buf = value_buf[i 1];
21 value_buf[i 1] = temp;
22 }
23 }
24 }
25 return value_buf[(N-1)/2];
26}
三、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
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
-
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
2
3char filter()
4{
5 int sum = 0;
6 for (count=0;count
8 sum = get_ad();
9 delay();
10 }
11 return (char)(sum/N);
12}
四、递推平均滤波法
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
-
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
-
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
2#define FILTER_N 12
3int filter_buf[FILTER_N 1];
4int Filter() {
5 int i;
6 int filter_sum = 0;
7 filter_buf[FILTER_N] = Get_AD();
8 for(i = 0; i < FILTER_N; i ) {
9 filter_buf[i] = filter_buf[i 1]; // 所有数据左移,低位仍掉
10 filter_sum = filter_buf[i];
11 }
12 return (int)(filter_sum / FILTER_N);
13}
五、中位值平均滤波法
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
-
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
-
测量速度较慢,和算术平均滤波法一样
-
比较浪费RAM
2#define FILTER_N 100
3int Filter() {
4 int i, j;
5 int filter_temp, filter_sum = 0;
6 int filter_buf[FILTER_N];
7 for(i = 0; i < FILTER_N; i ) {
8 filter_buf[i] = Get_AD();
9 delay(1);
10 }
11 // 采样值从小到大排列(冒泡法)
12 for(j = 0; j < FILTER_N - 1; j ) {
13 for(i = 0; i < FILTER_N - 1 - j; i ) {
14 if(filter_buf[i] > filter_buf[i 1]) {
15 filter_temp = filter_buf[i];
16 filter_buf[i] = filter_buf[i 1];
17 filter_buf[i 1] = filter_temp;
18 }
19 }
20 }
21 // 去除最大最小极值后求平均
22 for(i = 1; i < FILTER_N - 1; i ) filter_sum = filter_buf[i];
23 return filter_sum / (FILTER_N - 2);
24}
25
26
27// 中位值平均滤波法(又称防脉冲干扰平均滤波法)(算法2)
28#define FILTER_N 100
29int Filter() {
30 int i;
31 int filter_sum = 0;
32 int filter_max, filter_min;
33 int filter_buf[FILTER_N];
34 for(i = 0; i < FILTER_N; i ) {
35 filter_buf[i] = Get_AD();
36 delay(1);
37 }
38 filter_max = filter_buf[0];
39 filter_min = filter_buf[0];
40 filter_sum = filter_buf[0];
41 for(i = FILTER_N - 1; i > 0; i--) {
42 if(filter_buf[i] > filter_max)
43 filter_max=filter_buf[i];
44 else if(filter_buf[i] < filter_min)
45 filter_min=filter_buf[i];
46 filter_sum = filter_sum filter_buf[i];
47 filter_buf[i] = filter_buf[i - 1];
48 }
49 i = FILTER_N - 2;
50 filter_sum = filter_sum - filter_max - filter_min i / 2; // i/2 的目的是为了四舍五入
51 filter_sum = filter_sum / i;
52 return filter_sum;
53}
六、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
-
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
-
比较浪费RAM
2#define FILTER_A 1
3int Filter() {
4 int i;
5 int filter_sum = 0;
6 filter_buf[FILTER_N - 1] = Get_AD();
7 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))
8 filter_buf[FILTER_N - 1] = filter_buf[FILTER_N - 2];
9 for(i = 0; i < FILTER_N - 1; i ) {
10 filter_buf[i] = filter_buf[i 1];
11 filter_sum = filter_buf[i];
12 }
13 return (int)filter_sum / (FILTER_N - 1);
14}
七、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
-
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
-
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
2#define FILTER_A 0.01
3int Filter() {
4 int NewValue;
5 NewValue = Get_AD();
6 Value = (int)((float)NewValue * FILTER_A (1.0 - FILTER_A) * (float)Value);
7 return Value;
8}
八、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。
-
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
-
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
-
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
2#define FILTER_N 12
3int coe[FILTER_N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}; // 加权系数表
4int sum_coe = 1 2 3 4 5 6 7 8 9 10 11 12; // 加权系数和
5int filter_buf[FILTER_N 1];
6int Filter() {
7 int i;
8 int filter_sum = 0;
9 filter_buf[FILTER_N] = Get_AD();
10 for(i = 0; i < FILTER_N; i ) {
11 filter_buf[i] = filter_buf[i 1]; // 所有数据左移,低位仍掉
12 filter_sum = filter_buf[i] * coe[i];
13 }
14 filter_sum /= sum_coe;
15 return filter_sum;
16}
九、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
-
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
-
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
2#define FILTER_N 12
3int i = 0;
4int Filter() {
5 int new_value;
6 new_value = Get_AD();
7 if(Value != new_value) {
8 i ;
9 if(i > FILTER_N) {
10 i = 0;
11 Value = new_value;
12 }
13 }
14 else
15 i = 0;
16 return Value;
17}
十、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
-
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
-
对于快速变化的参数不宜
2#define FILTER_A 1
3#define FILTER_N 5
4int i = 0;
5int Filter() {
6 int NewValue;
7 int new_value;
8 NewValue = Get_AD();
9 if(((NewValue - Value) > FILTER_A) || ((Value - NewValue) > FILTER_A))
10 new_value = Value;
11 else
12 new_value = NewValue;
13 if(Value != new_value) {
14 i ;
15 if(i > FILTER_N) {
16 i = 0;
17 Value = new_value;
18 }
19 }
20 else
21 i = 0;
22 return Value;
23}
限时免费扫码进群,交流更多行业技术
每篇原创内容都是我们用心血换来的知识精华,如果您觉得本文有价值,欢迎转载分享;
如果您对单片机及嵌入式设计感兴趣,欢迎加入我们的辩论探讨,加我微信【xyzn3333】。