当前位置: 首页 > news >正文

(附程序)AD采集中的10种经典软件滤波程序优缺点分析

前言     


        本次我们学习一下AD采集的一些简单的软件滤波算法并分析优缺点

        本篇博客大部分是自己收集和整理,如有侵权请联系我删除。

        AD采样点的电压多少有点起伏波动,经运放放大后电压的波动如果超过ADC的分辩率,则显示的值会出现波动。波动如果十分大的话, 建议在硬件上滤波,相反,如果波动较小,你可以用软件滤波方法解决这个问题。

一. 限幅滤波法(又称程序判断滤波法)

1、方法

  • 根据经验判断两次采样允许的最大偏差值A
  • 每次采新值时判断:若本次值与上次值之差<=A,则本次有效;若本次值与上次值之差>A,本次无效,用上次值代替本次。

2、优缺点

  • 克服脉冲干扰,无法抑制周期性干扰,平滑度差。

 3.代码

/* A值根据实际调,Value有效值,new_Value当前采样值,程序返回有效的实际值 */
#define A 10
char Value;
char filter()
{char new_Value;new_Value = get_ad();                                        //获取采样值if( abs(new_Value - Value) > A)   return Value;             //abs()取绝对值函数return new_Value;
}

二、中位值滤波

1、方法

  • 连续采样N次,按大小排列,把N次采样值按大小排列 
  • 取中间值为本次有效值

2、优缺点

  • 克服波动干扰,对温度等变化缓慢的被测参数有良好的滤波效果,对速度等快速变化的参数不宜。

3、代码

#define N 11
char filter()
{char value_buf[N];char count,i,j,temp;for(count = 0;count < N;count++)                                //获取采样值{value_buf[count] = get_ad();delay();}for(j = 0;j<(N-1);j++)for(i = 0;i<(n-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];
}

三、算数平均滤波

1、方法

  • 连续采样N次,取平均
  • N较大时平滑度高,灵敏度低
  • N较小时平滑度低,灵敏度高
  • 一般N=12,压力:N=4 

2、优缺点

  • 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
  • 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   

3、代码

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

四、递推平均滤波

1、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 

2、优缺点

  • 对周期性干扰抑制性好,平滑度高
  • 适用于高频振动系统
  • 灵敏度低,RAM占用较大,脉冲干扰严重

3、代码

/* A值根据实际调,Value有效值,new_Value当前采样值,程序返回有效的实际值 */
#define A 10
char Value;
char filter()
{char new_Value;new_Value = get_ad();                                        //获取采样值if( abs(new_Value - Value) > A)   return Value;             //abs()取绝对值函数return new_Value;
}

/***************************************************函数名:FILTER_recursive描  述:递推平均滤波: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,把队列中得N个数据进行算术平均运算,就可以获得新的滤波结果。适用范围: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。缺点是灵敏度低,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输入值:无返回值:sum:滤波结果备注:N=2^x次方 为宜
***************************************************/
unsigned short int FILTER_recursive()                                        //递推平均滤波  N为队列长度
{unsigned short int sum=0;unsigned char count=0;static unsigned char i=0,num=0;static unsigned short int value_temp[N];do{if(i<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value_temp[i] = AD_VALUE;i++;i=(i==N)?0:i;                                                                        //三目运算 i清零}num++;num=num<N?num:N;
}while(num<N);for(count=0;count<N;count++)                sum += value_temp[count];sum = sum/N;        return sum;
}

五、中位值平均滤波

1、方法

  • 采样N个值,去掉最大最小
  • 计算N-2的平均值
  • N= 3~14

2、优缺点

  • 融合了中位值,平均值的优点
  •  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 
  • 计算速度慢,RAM占用大,测量速度较慢,和算术平均滤波法一样 

3、代码

char filter()
{char count,i,j;char Value_buf[N];int sum=0;for(count=0;count<N;count++)Value_buf[count]= get_ad();for(j=0;j<(N-1);j++)for(i=0;i<(N-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 =1;count<N-1;count++)sum += Value_buf[count];return (char)(sum/(N-2));
}
/*****************************************************函数名:FILTER_median描  述:中位值滤波: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。适用范围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。不过对流量、速度等快速变化的参数不宜。中位值平均滤波:连续采用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。适用范围:对应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。但是测量速度较慢, 比较浪费RAM。输入值:Flag:选择中位值滤波或中位值平均滤波ON:中位值平均滤波  OFF:中位值滤波返回值:滤波结果备注:中位值滤波:N取奇数,N=2^x次方+1 为宜中位值平均滤波:N=2^x次方+2 为宜
******************************************************/
unsigned short int FILTER_median(TYPE_STATE Flag)        //中位值滤波   中位值平均滤波  N为采样次数,取奇数  Flag:中位值平均滤波使能
{unsigned short int value_buf[N],temp=0;                        
#if(Flag)unsigned short int sum=0;
#endifunsigned char count,i,j;for (count=0;count<N;count++){value_buf[count] = AD_VALUE;Delay(300);                                                                                                //等待AD转换}for(j=0;j<N-1;j++)                                                                          //排序{for(i=0;i<N-j-1;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;}}}
#if(Flag)for(count=1;count<N-1;count++)                                //中位求平均 由Flag标志控制sum+=value_buf[count];return (uint16_t)(sum/(N-2));
#endifreturn value_buf[(N-1)/2];                                                //中位值
}

六、限幅平均滤波

1、方法

  • 每次采样数据先限幅后送入队列,再送入队列进行递推平均滤波处理 
  •  相当于“限幅滤波法”+“递推平均滤波法” 

2、优缺点

  • 融合限幅、均值、队列的优点
  • 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 
  • 占RAM较多

3、代码

#define A 10
#define N 12
char value,i=0;
char value_buf[N];
char filter()
{char new_value,sum=0;new_value=get_ad();if(Abs(new_value-value)<A)value_buf[i++]=new_value;if(i==N)i=0;for(count =0 ;count<N;count++)sum+=value_buf[count];return (char)(sum/N);
}

七、一阶滞后滤波

1、方法

  • 取a=0~1
  • 本次滤波结果=(1-a)* 本次采样 + a * 上次结果

2、优缺点

  • 良好一直周期性干扰,适用波动频率较高场合
  • 灵敏度低,相位滞后
  •  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

3、代码

/*为加快程序处理速度,取a=0~100*/
#define a 30
char value;
char filter()
{char new_value;new_value=get_ad();return ((100-a)*value + a*new_value);
}
/*****************************************************************函数名:FILTER_firstorder描  述:一阶滞后滤波:取a=(0,1)本次滤波结果result=(1-a)*本次采样值+a*上次值对周期性干扰具有良好的抑制作用,适用于波动频率较高得场合。缺点就是相位滞后,灵敏度低,滞后程度取决于a的大小,不能消除滤波频率高于采样频率1/21/2的干扰信号输入值:无返回值:value:滤波结果备注:A取值0——100 A值越小,滤波结果越平稳,但是灵敏度越低A值越大,灵敏度越高,但是滤波结果越不稳定
*****************************************************************/
unsigned short int FILTER_firstorder()                                        //一阶滞后滤波,A取值0——100  
{                                                                                                                                                        static unsigned short int value=0;                                                unsigned short int new_value;value = (value==0)?AD_VALUE:value;        // 三目运算,避免第一次采样value值为0new_value = AD_VALUE;                                                                value = (100-A)*value/100 + A*new_value/100;return value;
}

八、加权递推平均滤波

1、方法

  • 对递推平均滤波的改进,不同时刻的数据加以不同权重,通常越新的数据权重越大,这样灵敏度高,但平滑度低。

2、优缺点

  • 适用有较大滞后时间常数和采样周期短的系统
  • 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

3、代码

/* coe数组为加权系数表 */
#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<N;count++){value_buf[count]=get_ad();}for(count=0;count<N;count++)sum+=value_buf[count]*coe[count];return (char)(sum/sum_coe);
}

九、消抖滤波

1、方法

  • 设置一个滤波计数器
  • 将采样值与当前有效值比较
  • 若采样值=当前有效值,则计数器清0
  • 若采样值不等于当前有效值,则计数器+1
  • 若计数器溢出,则采样值替换当前有效值,计数器清0

2、优缺点

  • 对变化慢的信号滤波效果好,变化快的不好
  •  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 
  • 对于快速变化的参数不宜 ,计数器溢出时若采到干扰值则无法滤波

3、代码

#define N 12
char filter()
{char count=0,new_value;new_value=get_ad();while(value!=new_value){count++;if(count>=N) return new_value;new_value=get_ad();}return value;
}

十、限幅消抖滤波

1、方法

  • 先限幅 后消抖,相当于“限幅滤波法”+“消抖滤波法” 

2、优缺点

  • 融合了限幅、消抖的优点
  • 避免引入干扰值,对快速变化的信号不宜
  • 改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统 

3、代码

#define A 10
#define N 12
char value;
char filter()
{char new_value,count=0;new_value=get_ad();while(value!=new_value){if(Abs(value-new_value)<A){count++;if(count>=N) return new_value;new_value=get_ad();}return value;}
}

总结:

版权声明:本文来源网络,免费传达知识,版权归原作者所有。如涉及作品版权问题,请联系我进行删除。

 点赞收藏关注博主,不定期分享单片机知识,互相学习交流。

相关文章:

  • 前端UI工具(主要适用于JAVa,layui+easyui+elementui等及UI对比)
  • 基于可变形卷积和注意力机制的带钢表面缺陷快速检测网络DCAM-Net(论文阅读笔记)
  • Go 语言函数、参数和返回值详解
  • ChatGPT/GPT4丨编程助手;AI画图;数据分析;科研/项目实现;提示词工程技巧;论文写作等
  • LeetCode131. Palindrome Partitioning
  • 阿里云ECS服务器如何搭建并连接FTP,完整步骤
  • vue3 滚动条回到顶部
  • 微服务 Spring Cloud 8,开源RPC框架如何选型?
  • 深度学习之自监督模型汇总
  • vue + docxtemplater 导出 word 文档
  • 测试开发(二) 开发chrome插件,提升测试效率
  • Spark-06:共享变量
  • SWOT是什么意思?SWOT分析必备的10款软件,别说你还不知道!
  • 朋友圈为什么会折叠?
  • render函数举例
  • python3.6+scrapy+mysql 爬虫实战
  • 《Javascript高级程序设计 (第三版)》第五章 引用类型
  • Android单元测试 - 几个重要问题
  • Essential Studio for ASP.NET Web Forms 2017 v2,新增自定义树形网格工具栏
  • Fabric架构演变之路
  • JavaScript类型识别
  • js 实现textarea输入字数提示
  • js学习笔记
  • Koa2 之文件上传下载
  • LeetCode18.四数之和 JavaScript
  • leetcode讲解--894. All Possible Full Binary Trees
  • MySQL的数据类型
  • nodejs调试方法
  • Python打包系统简单入门
  • Vim 折腾记
  • windows-nginx-https-本地配置
  • 阿里云前端周刊 - 第 26 期
  • 持续集成与持续部署宝典Part 2:创建持续集成流水线
  • 你真的知道 == 和 equals 的区别吗?
  • 通过几道题目学习二叉搜索树
  • shell使用lftp连接ftp和sftp,并可以指定私钥
  • 说说我为什么看好Spring Cloud Alibaba
  • ​Distil-Whisper:比Whisper快6倍,体积小50%的语音识别模型
  • #FPGA(基础知识)
  • #我与Java虚拟机的故事#连载15:完整阅读的第一本技术书籍
  • $$$$GB2312-80区位编码表$$$$
  • (003)SlickEdit Unity的补全
  • (11)MATLAB PCA+SVM 人脸识别
  • (8)Linux使用C语言读取proc/stat等cpu使用数据
  • (C#)一个最简单的链表类
  • (echarts)echarts使用时重新加载数据之前的数据存留在图上的问题
  • (附源码)springboot 个人网页的网站 毕业设计031623
  • (七)理解angular中的module和injector,即依赖注入
  • (实战篇)如何缓存数据
  • (学习日记)2024.03.25:UCOSIII第二十二节:系统启动流程详解
  • (循环依赖问题)学习spring的第九天
  • (原創) 物件導向與老子思想 (OO)
  • (转)fock函数详解
  • (转)IIS6 ASP 0251超过响应缓冲区限制错误的解决方法
  • (转)nsfocus-绿盟科技笔试题目