常见滤波算法区别和应用_液位滤波公式

常见滤波算法区别和应用

常用滤波算法简介

1、限幅滤波

基本方法：比较相邻n 和 n - 1时刻的两个采样值y(n)和 y(n – 1)，根据经验确定两次采样允许的最大偏差。如果两次采样值的差值超过最大偏差范围 ,认为发生可随机干扰 ,并认为后一次采样值y(n)为非法值 ,应予删除 ,删除y(n)后 ,可用y(n – 1) 代替y(n)；若未超过所允许的最大偏差范围 ,则认为本次采样值有效。

适用场景：随机干扰

C语言实现：

/*******************************************************
*	函 数 名: Limit_Filter
*	功能说明: 限幅滤波，消除随机干扰 
*	形    参: NULL
*	返 回 值: 限幅滤波结果
*******************************************************/
#define A 10 /* 可根据实际情况调整 */

int Limit_Filter()
{   
    static int old_value; /* 上一次采样值 */
    int new_value; /* 当前采样值 */
    
    /* 获取新的采样值 */
    new_value = get_ad();
    /* 超出最大偏差范围，返回上一次采样值*/
    if ( ( new_value - old_value > A ) || ( old_value - new_value > A ))  
        return old_value;
    /* 未超出最大偏差范围，返回新采样值，并记录*/
    old_value = new_value;
    return new_value;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

2、中值平均滤波

基本方法：对某一被测参数连续采样 n次，然后再把采样值按大小排列 ，取中间值为本次采样值。

适用场景：克服偶然因素引起的波动或采样不稳定引起的误码等脉冲干扰。对温度、液位等缓慢变化的被测参数用此法能收到良好的滤波效果,但是对于流量压力等快速变化的参数一般不宜采用中位值滤波法

C语言实现：

/*******************************************************
*	函 数 名: Median_Filter
*	功能说明: 中值平均滤波，克服采样不稳或波动问题
*	形    参: NULL
*	返 回 值: 中值滤波结果
*******************************************************/
#define SAMP_N 20 /* 采样总次数，可根据实际情况调整 */
#define TAKE_N 10 /* 取样次数，可根据实际情况调整 */

int Median_Filter()
{   
    int value_buf[SAMP_N];
    int cnt,i,j,temp;
    
    /* 取样SAMP_N次 */
    for (cnt=0; cnt<SAMP_N; cnt++)
    { 
        value_buf[cnt] = get_ad();    
        delay();   
    }
    
    /* 使用选择法升序排序 */
    for (i=0;i<SAMP_N-1;i++)
    {  
        for (j=i+1;j<SAMP_N;j++)
        {  
            if (value_buf[i] > value_buf[j])
            {
                temp = value_buf[j]; 
                value_buf[j] = value_buf[i]; 
                value_buf[i] = temp;
            }
        }
    }
    
    /* 取中间TAKE_N个数做均值处理 */
    for (i=(SAMP_N-TAKE_N)/2; i<(SAMP_N/2+TAKE_N/2); i++)
    {
        temp += value_buf[i];
    }
    return temp / TAKE_N;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

3、滑动平均滤波

基本方法：采用队列存储采样数据，设队列的长度为 N，每进行一次测量 ，把测量结果放于队尾，而扔掉原来队首的一个数据，这样在队列中始终就有 N 个“最新”的数据，然后取n次采样值的平均值。

适用场景：适用于对一般的具有随机干扰的信号进行滤波。这种信号的特点是信号本身在某一数值范围附近上下周期波动，如测量流量、液位

C语言实现：

/*******************************************************
*	函 数 名: Average_Filter
*	功能说明: 均值滤波，克服周期波动问题
*	形    参: NULL
*	返 回 值: 均值滤波结果
*******************************************************/
#define SAMP_N 20 /* 采样总次数，可根据实际情况调整 */

int Average_Filter()
{   
    static int value_buf[SAMP_N]={0}, buf_cnt=0, avg_cnt=0;
    int cnt,temp;
   
	if(buf_cnt <= SAMP_N)
	{
		if(buf_cnt == SAMP_N)buf_cnt = 0;
		if(avg_cnt < SAMP_N)avg_cnt++;
	}
	value_buf[buf_cnt++] = get_ad(); /*将数据存入环形buf中*/ 
	for(cnt=0; cnt<avg_cnt; i++)/*对环形buf中数据求和*/
	{
		temp += value_buf[i];
	}
	
	return temp / SAMP_N;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

4、一阶滤波

基本方法：采用本次采样值与上次滤波输出值进行加权，得到有效滤波值，使得输出对输入有反馈作用。计算公式为：Y(n)=αX(n)(1-α)Y(n-1);
α=滤波系数，X(n)=本次采样值，Y(n-1)=上次滤波输出值，Y(n)=本次滤波输出值

适用场景：对周期性干扰具有一定的抑制作用，适用于波动频率较高的场合

C语言实现：

/*******************************************************
*	函 数 名: FirstOrder_Filter
*	功能说明: 一阶滤波，克服周期干扰
*	形    参: NULL
*	返 回 值: 均值滤波结果
*******************************************************/
#define F 0.5 /* 滤波系数，可根据实际情况调整 */

int FirstOrder_Filter()
{   
    static int old_value; /* 上一次采样值 */
    int temp, new_value; /* 当前采样值 */
    
    new_value = get_ad();   
    temp = F * new_value + （1-F）*old_value;
    old_value = new_value;
    
    return temp;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

滤波算法对比