Linux语言写的高通滤波,嵌入式开发10种常见数字滤波算法

在单片机开发中，经常需要对输入的数据进行过滤处理，如传感器数据输出，AD采样等，合适的滤波处理能达到更好效果。下面分享几种较简单而常用的滤波算法：

一、限幅滤波法(又称程序判断滤波法)

二、中位值滤波法

三、算术平均滤波法

四、递推平均滤波法

五、中位值平均滤波法

六、限幅平均滤波法

七、一阶滞后滤波法

八、加权递推平均滤波法

九、消抖滤波法

十、限幅消抖滤波法

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

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

int Filter_Value;

int Value;

void setup(){

Serial.begin(9600); // 初始化串口通信

randomSeed(analogRead(0)); // 产生随机种子

Value = 300;

}

void loop(){

Filter_Value = Filter(); // 获得滤波器输出值

Value = Filter_Value; // 最近一次有效采样的值，该变量为全局变量

Serial.println(Filter_Value); // 串口输出

delay(50);

}

// 用于随机产生一个300左右的当前值

int Get_AD(){

return random(295, 305);

}

// 限幅滤波法(又称程序判断滤波法)

#define FILTER_A 1

int Filter(){

int NewValue;

NewValue = Get_AD();

if(((NewValue - Value) > FILTER_A) || ((Value - NewValue) > FILTER_A))

return Value;

else

return NewValue;

}

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

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

/* 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

{

value_buf[count] =get_ad();

delay();

}

for (j=0;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

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

#define N 12

char filter(){

int sum = 0;

for (count=0;count

{

sum + = get_ad();

delay();

}

return (char)(sum/N);

}

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

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

// 递推平均滤波法(又称滑动平均滤波法)

#define FILTER_N 12

int filter_buf[FILTER_N + 1];

int Filter(){

int i;

int filter_sum = 0;

filter_buf[FILTER_N] = Get_AD();

for(i = 0; i < FILTER_N; i++) {

filter_buf[i] = filter_buf[i + 1]; // 所有数据左移，低位仍掉

filter_sum += filter_buf[i];

}

return (int)(filter_sum / FILTER_N);

}

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

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

// 中位值平均滤波法(又称防脉冲干扰平均滤波法)(算法1)

#define FILTER_N 100

int Filter(){

int i, j;

int filter_temp, filter_sum = 0;

int filter_buf[FILTER_N];

for(i = 0; i < FILTER_N; i++) {

filter_buf[i] = Get_AD();

delay(1);

}

// 采样值从小到大排列(冒泡法)

for(j = 0; j < FILTER_N - 1; j++) {

for(i = 0; i < FILTER_N - 1 - j; i++) {

if(filter_buf[i] > filter_buf[i + 1]) {

filter_temp = filter_buf[i];

filter_buf[i] = filter_buf[i + 1];

filter_buf[i + 1] = filter_temp;

}

}

}

// 去除最大最小极值后求平均

for(i = 1; i < FILTER_N - 1; i++) filter_sum += filter_buf[i];

return filter_sum / (FILTER_N - 2);

}

// 中位值平均滤波法(又称防脉冲干扰平均滤波法)(算法2)

#define FILTER_N 100

int Filter(){

int i;

int filter_sum = 0;

int filter_max, filter_min;

int filter_buf[FILTER_N];

for(i = 0; i < FILTER_N; i++) {

filter_buf[i] = Get_AD();

delay(1);

}

filter_max = filter_buf[0];

filter_min = filter_buf[0];

filter_sum = filter_buf[0];

for(i = FILTER_N - 1; i > 0; i--) {

if(filter_buf[i] > filter_max)

filter_max=filter_buf[i];

else if(filter_buf[i] < filter_min)

filter_min=filter_buf[i];

filter_sum = filter_sum + filter_buf[i];

filter_buf[i] = filter_buf[i - 1];

}

i = FILTER_N - 2;

filter_sum = filter_sum - filter_max - filter_min + i / 2; // +i/2 的目的是为了四舍五入

filter_sum = filter_sum / i;

return filter_sum;

}

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

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

// 限幅平均滤波法

#define FILTER_A 1

int Filter(){

int i;

int filter_sum = 0;

filter_buf[FILTER_N - 1] = Get_AD();

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))

filter_buf[FILTER_N - 1] = filter_buf[FILTER_N - 2];

for(i = 0; i < FILTER_N - 1; i++) {

filter_buf[i] = filter_buf[i + 1];

filter_sum += filter_buf[i];

}

return (int)filter_sum / (FILTER_N - 1);

}

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

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

// 一阶滞后滤波法

#define FILTER_A 0.01

int Filter(){

int NewValue;

NewValue = Get_AD();

Value = (int)((float)NewValue * FILTER_A + (1.0 - FILTER_A) * (float)Value);

return Value;

}

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

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

// 加权递推平均滤波法

#define FILTER_N 12

int coe[FILTER_N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}; // 加权系数表

int sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12; // 加权系数和

int filter_buf[FILTER_N + 1];

int Filter(){

int i;

int filter_sum = 0;

filter_buf[FILTER_N] = Get_AD();

for(i = 0; i < FILTER_N; i++) {

filter_buf[i] = filter_buf[i + 1]; // 所有数据左移，低位仍掉

filter_sum += filter_buf[i] * coe[i];

}

filter_sum /= sum_coe;

return filter_sum;

}

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

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

// 消抖滤波法

#define FILTER_N 12

int i = 0;

int Filter(){

int new_value;

new_value = Get_AD();

if(Value != new_value) {

i++;

if(i > FILTER_N) {

i = 0;

Value = new_value;

}

}

else

i = 0;

return Value;

}

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

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

// 限幅消抖滤波法

#define FILTER_A 1

#define FILTER_N 5

int i = 0;

int Filter(){

int NewValue;

int new_value;

NewValue = Get_AD();

if(((NewValue - Value) > FILTER_A) || ((Value - NewValue) > FILTER_A))

new_value = Value;

else

new_value = NewValue;

if(Value != new_value) {

i++;

if(i > FILTER_N) {

i = 0;

Value = new_value;

}

}

else

i = 0;

return Value;

}