打印

几种滤波算法的方法优缺点及算法实例程序

[复制链接]
23304|76
手机看帖
扫描二维码
随时随地手机跟帖
跳转到指定楼层
楼主
五谷道场|  楼主 | 2012-1-11 12:07 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
1种方法 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
D 实例程序
/*  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 10

char value;

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


}

相关帖子

沙发
五谷道场|  楼主 | 2012-1-11 12:08 | 只看该作者
2种方法 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
D 实例程序
/*  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<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];
}     

使用特权

评论回复
板凳
五谷道场|  楼主 | 2012-1-11 12:08 | 只看该作者
3种方法 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
D 实例程序
#define N 12

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

使用特权

评论回复
地板
五谷道场|  楼主 | 2012-1-11 12:09 | 只看该作者
4种方法 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
D 实例程序
#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);
}

使用特权

评论回复
5
五谷道场|  楼主 | 2012-1-11 12:09 | 只看该作者
5种方法 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
D 实例程序
#define N 12

char 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));
}

使用特权

评论回复
6
五谷道场|  楼主 | 2012-1-11 12:10 | 只看该作者
6种方法 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
D 实例程序
略 参考子程序限幅滤波法算术平均滤波法

使用特权

评论回复
7
五谷道场|  楼主 | 2012-1-11 12:10 | 只看该作者
7种方法 一阶滞后滤波法
A方法
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
D 实例程序
/* 为加快程序处理速度假定基数为100a=0~100 */

#define a 50

char value;

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

使用特权

评论回复
8
五谷道场|  楼主 | 2012-1-11 12:10 | 只看该作者
8种方法 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,越接近现时刻的资料,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
D 实例程序

/* coe数组为加权系数表,存在程序存储区。*/

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

使用特权

评论回复
9
五谷道场|  楼主 | 2012-1-11 12:11 | 只看该作者
9种方法 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
D 实例程序
#define N 12

char 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;   
}

使用特权

评论回复
10
五谷道场|  楼主 | 2012-1-11 12:11 | 只看该作者
10种方法 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
D 实例程序
略 参考子程序1种方法 限幅滤波法(又称程序判断滤波法)9种方法 消抖滤波法

使用特权

评论回复
11
五谷道场|  楼主 | 2012-1-11 12:14 | 只看该作者
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(matlab
C缺点
运算量大
D 实例程序
   略 谁有可以补上,呵呵!

使用特权

评论回复
12
nongfuxu| | 2012-1-11 14:13 | 只看该作者
一般情况下我只用中值滑动平均法.

使用特权

评论回复
13
nongfuxu| | 2012-1-11 14:16 | 只看该作者
只要针对不同采样时间和信号变化快慢,每次取的数组长度和中值个数作适当调整到合适,效果都挺好!

使用特权

评论回复
14
peigang| | 2012-1-11 16:20 | 只看该作者
主题:卡尔曼滤波算法(附C程序)  最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Kолмогоров等人的研究工作,后人统称为维纳滤波理论。从理论上说,维纳滤波的最大缺点是必须用到无限过去的数据,不适用于实时处理。为了克服这一缺点,60年代Kalman把状态空间模型引入滤波理论,并导出了一套递推估计算法,后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计的最佳准则,来寻求一套递推估计的算法,其基本思想是:采用信号与噪声的状态空间模型,利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计,求出现时刻的估计值。它适合于实时处理和计算机运算。现设线性时变系统的离散状态防城和观测方程为:X(k) = F(k,k-1)·X(k-1)+T(k,k-1)·U(k-1)Y(k) = H(k)·X(k)+N(k)其中X(k)和Y(k)分别是k时刻的状态矢量和观测矢量F(k,k-1)为状态转移矩阵U(k)为k时刻动态噪声T(k,k-1)为系统控制矩阵H(k)为k时刻观测矩阵N(k)为k时刻观测噪声则卡尔曼滤波的算法流程为:预估计X(k)^= F(k,k-1)·X(k-1)计算预估计协方差矩阵C(k)^=F(k,k-1)×C(k)×F(k,k-1)'+T(k,k-1)×Q(k)×T(k,k-1)'Q(k) = U(k)×U(k)'计算卡尔曼增益矩阵K(k) = C(k)^×H(k)'×[H(k)×C(k)^×H(k)'+R(k)]^(-1)R(k) = N(k)×N(k)'更新估计X(k)~=X(k)^+K(k)×[Y(k)-H(k)×X(k)^]计算更新后估计协防差矩阵C(k)~ = [I-K(k)×H(k)]×C(k)^×[I-K(k)×H(k)]'+K(k)×R(k)×K(k)'X(k+1) = X(k)~C(k+1) = C(k)~重复以上步骤********************************************************************************************************C语言代码:#include "stdlib.h"  #include "rinv.c"  int lman(n,m,k,f,q,r,h,y,x,p,g)  int n,m,k;  double f[],q[],r[],h[],y[],x[],p[],g[];  { int i,j,kk,ii,l,jj,js;    double *e,*a,*b;    e=malloc(m*m*sizeof(double));//////(分配类型 *)malloc(分配元素个数 *sizeof(分配类 ///型))
///如果成功,则返回该空间首地址,该空间没有初始化,如果失败,则返回0
    l=m;    if (l<n) l=n;    a=malloc(l*l*sizeof(double));    b=malloc(l*l*sizeof(double));    for (i=0; i<=n-1; i++)      for (j=0; j<=n-1; j++)        { ii=i*l+j; a[ii]=0.0;          for (kk=0; kk<=n-1; kk++)            a[ii]=a[ii]+p[i*n+kk]*f[j*n+kk];        }    for (i=0; i<=n-1; i++)      for (j=0; j<=n-1; j++)        { ii=i*n+j; p[ii]=q[ii];          for (kk=0; kk<=n-1; kk++)            p[ii]=p[ii]+f[i*n+kk]*a[kk*l+j];        }    for (ii=2; ii<=k; ii++)      { for (i=0; i<=n-1; i++)        for (j=0; j<=m-1; j++)          { jj=i*l+j; a[jj]=0.0;            for (kk=0; kk<=n-1; kk++)              a[jj]=a[jj]+p[i*n+kk]*h[j*n+kk];          }        for (i=0; i<=m-1; i++)        for (j=0; j<=m-1; j++)          { jj=i*m+j; e[jj]=r[jj];            for (kk=0; kk<=n-1; kk++)              e[jj]=e[jj]+h[i*n+kk]*a[kk*l+j];          }        js=rinv(e,m);        if (js==0)          { free(e); free(a); free(b); return(js);}        for (i=0; i<=n-1; i++)        for (j=0; j<=m-1; j++)          { jj=i*m+j; g[jj]=0.0;            for (kk=0; kk<=m-1; kk++)              g[jj]=g[jj]+a[i*l+kk]*e[j*m+kk];          }        for (i=0; i<=n-1; i++)          { jj=(ii-1)*n+i; x[jj]=0.0;            for (j=0; j<=n-1; j++)              x[jj]=x[jj]+f[i*n+j]*x[(ii-2)*n+j];          }        for (i=0; i<=m-1; i++)          { jj=i*l; b[jj]=y[(ii-1)*m+i];            for (j=0; j<=n-1; j++)              b[jj]=b[jj]-h[i*n+j]*x[(ii-1)*n+j];          }        for (i=0; i<=n-1; i++)          { jj=(ii-1)*n+i;            for (j=0; j<=m-1; j++)              x[jj]=x[jj]+g[i*m+j]*b[j*l];          }        if (ii<k)          { for (i=0; i<=n-1; i++)            for (j=0; j<=n-1; j++)              { jj=i*l+j; a[jj]=0.0;                for (kk=0; kk<=m-1; kk++)                  a[jj]=a[jj]-g[i*m+kk]*h[kk*n+j];                if (i==j) a[jj]=1.0+a[jj];              }            for (i=0; i<=n-1; i++)            for (j=0; j<=n-1; j++)              { jj=i*l+j; b[jj]=0.0;                for (kk=0; kk<=n-1; kk++)                  b[jj]=b[jj]+a[i*l+kk]*p[kk*n+j];              }            for (i=0; i<=n-1; i++)            for (j=0; j<=n-1; j++)              { jj=i*l+j; a[jj]=0.0;                for (kk=0; kk<=n-1; kk++)                  a[jj]=a[jj]+b[i*l+kk]*f[j*n+kk];              }            for (i=0; i<=n-1; i++)            for (j=0; j<=n-1; j++)              { jj=i*n+j; p[jj]=q[jj];                for (kk=0; kk<=n-1; kk++)                  p[jj]=p[jj]+f[i*n+kk]*a[j*l+kk];              }          }      }    free(e); free(a); free(b);    return(js);  }

使用特权

评论回复
15
五谷道场|  楼主 | 2012-1-11 17:12 | 只看该作者
卡曼滤波,不错,就是代码有点乱啊,呵呵。

使用特权

评论回复
16
chenbb8| | 2012-1-11 19:59 | 只看该作者
递推平均滤波法和递推中值平均滤波算法我都用过,在万能板上使用16位的ADC AD7705采集一个低成本的传感器,ADC基准源是比例式的。
使用CVI在电脑上显示波形,数值的波动在50-60之间,平均滤波法效果很不理想,在增加到256个数据进行平均后才基本将波动消除,但反应速度缓慢是显而易见的。
中值平均滤波的波形比平均滤波差点,但在突发干扰的时候波动比单纯的平均滤波好,可根据干扰的时间长度选择每次计算抛弃掉多少个码的数值。
后来买了匠人笔记后才发现那个不起眼的一阶滞后滤波的优越出,果然在8个数值的平均滤波后使用一阶滞后滤波,居然效果和256个数的平均滤波差不多。问题是因为使用整数代替浮点数运算,所以过滤出来的波形整体偏差原始数值中点一定的量,使用一个整形变量存放小数位后,偏差可以接受了,波形就没那么平稳了
卡尔曼没用过,听说比较消耗资源,AVR单片机不知道能不能跑起来

使用特权

评论回复
17
程序匠人| | 2012-1-11 23:08 | 只看该作者
嗯,很眼熟的内容!:lol

使用特权

评论回复
18
自民| | 2012-1-12 09:20 | 只看该作者
学习

使用特权

评论回复
19
灵魂帷幕| | 2012-1-12 10:03 | 只看该作者
各位高手,有人用过sht75温湿度传感器吗?

使用特权

评论回复
20
highend| | 2012-1-16 08:23 | 只看该作者
一个超简单的IIR程序:

#define N 3
char value;
char filter()
{
   char  new_value;
   new_value = get_ad();
   value = value + (new_value - value)/N;
   return value;
}

这个程序的意思是把临近两个的变化减小至 1/N

使用特权

评论回复
发新帖 我要提问
您需要登录后才可以回帖 登录 | 注册

本版积分规则

7647

主题

9805

帖子

11

粉丝