常用十种算法滤波_低通滤波算法

1. 限幅滤波法（又称程序判断滤波法）

• 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
• 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

2. 中位值滤波法

• 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
• 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

3. 算术平均滤波法

• 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
• 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
• 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）

• 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
• 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
• 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）

• 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
• 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，和算术平均滤波法一样 比较浪费RAM

6. 限幅平均滤波法

• 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
• 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： 比较浪费RAM

7. 一阶滞后滤波法

一阶滤波，又叫一阶惯性滤波，或一阶低通滤波。是使用软件编程实现普通硬件RC低通滤波器的功能。 一阶低通滤波的算法公式为：
Y(n)=αX(n) + (1-α)Y(n-1)
式中：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。 一阶低通滤波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。

• 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
• 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

• 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
• 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

9. 消抖滤波法

• 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
• 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

10. 限幅消抖滤波法

• 方法： 相当于“限幅滤波法”+“消抖滤波法” 先限幅,后消抖
• 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
• 缺点： 对于快速变化的参数不宜