滤波算法比较_滤波算法对比

滤波算法比较：

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=4
      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
      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RAM        
4、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=1~4
      B、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RAM        
5、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：3~14
      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”
          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
          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。
          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
9、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
      B、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
      C、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
10、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
      B、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
      C、缺点：
          对于快速变化的参数不宜

软件滤波C语言实现：

1  种软件滤波方法的示例程序 　　

假定从 8 位 AD 中读取数据（如果是更高位的 AD 可定义数据类型为 int), 子程序为 get_ad(); 　　

1 1 、限副滤波 　　/* 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 */ 　　

#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; 　　

else 

return new_value; 　

　} 　　

2 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]; 　　

char count,i,j,temp; 　　

for ( count=0;count<temp;count++)

 { 　　

value_buf [count] = get_ad(); 　　

delay(); 　　

} 　　

for (j=0;j <N-1;j++) // 冒泡法 　　

{ 　　

for (i=0;i <N-1-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 3 、算术平均滤波法 　　/* 　　*/ 　　

#define N 12 　　

char filter() 　　

{ 　　

int sum = 0; 　　

for ( count=0;count <N;count++)

{

 　　sum + = get_ad();

 　　delay();

 　　}

 　　return (char)(sum/N); 　　

}

4 4 、递推平均滤波法（又称滑动平均滤波法） 　　/* 　　*/

#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 5 、中位值平均滤波法（又称防脉冲干扰平均滤波法） 　　/* 　　*/

#define N 12 　　

char filter() 　　

{ 　　

char count,i,j;

 　　char value_buf [N];

 　　int sum=0;

 　　for (count=0;count<j;count++)

  {

 　　value_buf [count] = get_ad();

 　　delay();

 　　} 

　　for (j=0;j <N-1;j++) // 冒泡法 

　　{ 　　

for (i=0;i <N-1-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=0;count <N;count++) 

sum = value_buf [count];

 　　return (char)(sum/(N-2)); 

　} 

 6 6 、限幅平均滤波法 　　/* 　　*/ 　　略 参考子程序 1 、 3

 7 7 、一阶滞后滤波法 　　/* 为加快程序处理速度假定基数为 100 ， a=0~100 */

#define a 50

char value;

char filter()

{

 　　char new_value;

 　　new_value = get_ad();

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

}

8 8 、加权递推平均滤波法 　　/* coe 数组为加权系数表，存在程序存储区。 */

#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<i;count++)

 {

 　　value_buf [count] = get_ad();

 　　delay();

 　　} 

　　for ( count=0;count <N;count++) 

sum = value_buf [count]; 

return (char)(sum/sum_coe);

}

 9 9 、消抖滤波法 　　

#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;

} 

1010 、限幅消抖滤波法 　　/* 　　*/ 　　略 参考子程序 1 、 9 　　

1111 、 IIR IIR IIR IIR 滤波例子 　　

int BandpassFilter4(int InputAD4) 　　

{ 　　

int ReturnValue; 　　

int ii; 　　

RESLO=0; 　　

RESHI=0; 　　

MACS=*PdelIn; 　　

OP2=1068; //FilterCoef f4[4]; 　　

MACS=*(PdelIn+1); 　　OP2=8; //FilterCoef f4[3]; 　　

MACS=*(PdelIn+2); 　　OP2=-2001;//FilterCoeff4[2];

MACS=*(PdelIn+3); 　　OP2=8; //FilterCoef f4[1]; 　　

MACS=InputAD4; 　　OP2=1068; //FilterCoef f4[0]; 　　

MACS=*PdelOu; 　　OP2=-7190;//FilterCoeff4[8]; 　　

MACS=*(PdelOu+1); 　　OP2=-1973; //FilterCoef f4[7]; 　　

MACS=*(PdelOu+2); 　　OP2=-19578;//FilterCoeff4[6]; 　　

MACS=*(PdelOu+3); 　　OP2=-3047; //FilterCoef f4[5]; 　　

*p=RESLO; 　　

*(p+1)=RESHI; 　　

mytestmul<<=2; 　　

ReturnValue=*(p+1); 　　

for (ii=0;i i<3;i i++) 　　

{ 　　

DelayInput[ii]=DelayInput[ii+1]; 

　　DelayOutput[ii]=DelayOutput[ii+1];

} 　　

DelayInput[3]=InputAD4; 　　

DelayOutput[3]=ReturnValue; 　　

// if (ReturnValue<0) 　　

// { 　　// ReturnValue=-ReturnValue; 　　// } 

　　return ReturnValue; 　　

}