11种经典滤波算法「建议收藏」

大家好，又见面了，我是你们的朋友全栈君。

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

第11种方法：IIR 数字滤波器 

A. 方法：
   确定信号带宽， 滤之。
   Y(n) = a1*Y(n-1) + a2*Y(n-2) + … + ak*Y(n-k) + b0*X(n) + b1*X(n-1) + b2*X(n-2) + … + bk*X(n-k)

B. 优点：高通，低通，带通，带阻任意。设计简单(用matlab）
C. 缺点：运算量大。
　 

//——————————————————————— 

软件滤波的C程序样例

10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、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 10char value;char filter(){   char  new_value;   new_value = get_ad();   if ( ( new_value - value > A ) || ( value - new_value > A ))   {      return value;   }   return new_value;         }

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  11char filter(){   char value_buf[N];   char count,i,j,temp;   for ( count=0;count<N;COUNT++)   {      value_buf[count] = get_ad();      delay();   }   for (j=0;j<N-1;J++)   {      for (i=0;i<N-J;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];}     

3、算术平均滤波法
/*
*/

#define N 12char filter(){   int  sum = 0;   for ( count=0;count<N;COUNT++)   {      sum + = get_ad();      delay();   }   return (char)(sum/N);}

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、中位值平均滤波法（又称防脉冲干扰平均滤波法）
/*
*/

#define N 12char filter(){   char count,i,j;   char value_buf[N];   int  sum=0;   for  (count=0;count<N;COUNT++)   {      value_buf[count] = get_ad();      delay();   }   for (j=0;j<N-1;J++)   {      for (i=0;i<N-J;I++)      {         if ( value_buf>value_buf[i+1] )         {            temp = value_buf;            value_buf = value_buf[i+1];             value_buf[i+1] = temp;         }      }   }   for(count=1;count<N-1;COUNT++)   {      sum += value[count];   }    return (char)(sum/(N-2));}

6、限幅平均滤波法
/*
*/  
略 参考子程序1、3

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 50char value;char filter(){   char  new_value;   new_value = get_ad();   return (100-a)*value + a*new_value; }

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 12char 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<N;COUNT++)   {      value_buf[count] = get_ad();      delay();   }   for (count=0,count<N;COUNT++)   {      sum += value_buf[count]*coe[count];   }   return (char)(sum/sum_coe);}

9、消抖滤波法

#define N 12char 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;    }

10、限幅消抖滤波法
/*
*/
略 参考子程序1、9

11、IIR滤波例子

int  BandpassFilter4(int InputAD4){    int  ReturnValue;     int  ii;    RESLO=0;    RESHI=0;    MACS=*PdelIn;    OP2=1068; //FilterCoeff4[4];    MACS=*(PdelIn+1);    OP2=8;    //FilterCoeff4[3];    MACS=*(PdelIn+2);    OP2=-2001;//FilterCoeff4[2];    MACS=*(PdelIn+3);    OP2=8;    //FilterCoeff4[1];    MACS=InputAD4;    OP2=1068; //FilterCoeff4[0];    MACS=*PdelOu;    OP2=-7190;//FilterCoeff4[8];    MACS=*(PdelOu+1);    OP2=-1973; //FilterCoeff4[7];    MACS=*(PdelOu+2);    OP2=-19578;//FilterCoeff4[6];    MACS=*(PdelOu+3);    OP2=-3047; //FilterCoeff4[5];    *p=RESLO;    *(p+1)=RESHI;    mytestmul<<=2;    ReturnValue=*(p+1);    for(ii=0;ii<3;ii++)    {       DelayInput[ii]=DelayInput[ii+1];       DelayOutput[ii]=DelayOutput[ii+1];    }      DelayInput[3]=InputAD4;     DelayOutput[3]=ReturnValue;        //  if (ReturnValue<0)   //  {   //  ReturnValue=-ReturnValue;   //  }    return ReturnValue;  }