常见的滤波算法(C语言)
一、限幅滤波法优点：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，且平滑度差。/*1、限幅滤波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 valuechar filter(void) { char new_value; new_value = get_ad(); if((new_value - value > A) || (value - new_value > A)) { return value; } else { return new_value; }}二、中位值滤波法优点：能有效克服因偶然因素引起的波动干扰；
对温度、液位等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。/*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(void) { char value_buf; char i, j, temp; for(i = 0; i < N; i++) { value_buf = get_ad(); delay(); } for(j = 0; j < N - 1; j++) { for(i = 0; i < N - j; i++) { if(value_buf > value_buf) { temp = value_buf; value_buf = value_buf; value_buf = temp; } } } return value_buf[(N - 1) / 2];}
三、算数平均滤波法说明：连续取N个采样值进行算术平均运算。优点：试用于对一般具有随机干扰的信号进行滤波。
这种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较快的实时控制不适用/*3、算数平均滤波法 */#define N 11char filter(void) { int sum = 0, i = 0; for(i = 0; i < N; i++) { sum += get_ad(); delay(); } return (char)(sum / N);}
四、递推平均滤波法说明：把连续N个采样值看成一个队列，队列长度固定为N；
每次采样到一个新数据放入队尾，并扔掉队首的一次数据。把队列中的N各数据进行平均运算，即获得新的滤波结果优点：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，不适于脉冲干扰较严重的场合 不适合用于开关电源电路。/*4、递推平均滤波法 */#define N 12char value_buf;char i = 0;char filter(void) { char count = 0; int sum = 0; value_buf = get_ad(); if(i == N) { i = 0; //先进先出 } for(count = 0; count < N; count++) { sum += value_buf; } return (char)(sum / N);}
五、中位值平均滤波法说明：采一组队列去掉最大值和最小值优点：融合了两种滤波的优点。对于偶然出现的脉冲性干扰，可消除有其引起的采样值偏差。
对周期干扰有良好的抑制作用，平滑度高，适于高频振荡的系统。缺点：测量速度慢。/*5、中位值平均滤波法 */#define N 12char filter(void) { char i = 0, j = 0, temp = 0; char value_buf; int sum = 0; for(i = 0; i < N; i++){ value_buf = get_ad(); delay(); } for(j = 0; j < N - 1; j++) { for(i = 0; i < N - j; i++) { if(value_buf > value_buf) { temp = value_buf; value_buf = value_buf; value_buf = temp; } } } for(i = 1; i < N - 1; i++) { sum += value_buf; } return (char)(sum / (N - 2));}
六、限幅平均滤波法优点：融合了两种滤波法的优点；
对于偶然出现的脉冲性干扰，可消除有其引起的采样值偏差。缺点：比较浪费RAM。/*6、限幅平均滤波法结合程序1和3 */
七、一阶滞后滤波法优点：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1/2的干扰信号。/*7、一阶滞后滤波法为加块程序处理速度，假定基数 = 100a = 0 ~ 100 */#define A 50char value = 0;char filter(void) { char new_value = 0; new_value = get_ad(); return (100 - A) * value + a * new_value;}
八、加权递推平均滤波法说明：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。/*8、加权递推平均滤波法coe数组为加权系数表 */#define N 12char coe = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12};char sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12;char filter(void) { char i = 0; char value_buf; int sum = 0; for(i = 0; i < N; i++) { value_buf = get_ad(); delay(); } for(i = 0; i < N; i++) { sum += value_buf * coe; } return (char)(sum / sum_coe);}
九、消抖滤波法说明：
[*]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。
#define N 12char filter(void) { char i = 0; char new_value = 0, value = 0; new_value = get_ad(); while(value != new_value) { i++; if(i > N) { return new_value; } delay(); new_value = get_ad(); } return value;}
十、限幅消抖滤波法说明：
[*]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。
/*10、限幅消抖滤波法参考程序1和9 */
十一、低通滤波法/*11、低通滤波 */#define A 0.25char value; //value 为已有值char filter(void) { char new_value = 0; new_value = get_ad(); return (a * new_value + (1 - a) * value);}
巴特沃斯滤波器可以实现吗 之前用过float作为输入类型，计算的速度太慢了 如何确定滤波器的使用参数呢？ iir滤波算法的效果还是不错。 如果做均值滤波，如何获取信号的噪声呢 如何滤除信号中的直流分量？只能是fft吗 常用的滤波算法的运算法速度怎么样 在这么多的滤波算法中 ，哪种算法最节省资源呢 限幅滤波法需要根据经验判断，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。 中位值滤波法需要连续采样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。 算术平均滤波法得连续取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。 递推平均滤波法（又称滑动平均滤波法）
int Filter_Value;
void setup() {
Serial.begin(9600); // 初始化串口通信
randomSeed(analogRead(0)); // 产生随机种子
}
void loop() {
Filter_Value = Filter(); // 获得滤波器输出值
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);
}
// 递推平均滤波法（又称滑动平均滤波法）
#define FILTER_N 12
int filter_buf;
int Filter() {
int i;
int filter_sum = 0;
filter_buf = Get_AD();
for(i = 0; i < FILTER_N; i++) {
filter_buf = filter_buf; // 所有数据左移，低位仍掉
filter_sum += filter_buf;
}
return (int)(filter_sum / FILTER_N);
} 感觉卡尔曼滤波的算法真的很复杂，特别不好理解 哪一种滤波算法最好用了 iir滤波算法不错 每种算法都各有优劣，只是在不同的应用场景做取舍罢了
页:
[1]