打印
[综合信息]

滤波算法

[复制链接]
248|0
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
zerorobert|  楼主 | 2025-5-28 07:02 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
算法一:一阶滤波算法(低通滤波器)
首先要讲的是一阶滤波算法,也就是低通滤波算法,这个滤波算法对于低频的噪声具有非常好的效果,对于0到一定频率的信号是能够无失真接收的。这个算法通过硬件的电路推导,因其十分的简单,一阶滤波算法为:滤波结果=a*本次采样值+(1-a)上一次滤波的结果。
推导过程:
                                                              
       从电路图开始说起。为方便推导,此时我们将负载拉到最大,进入最理想得的状态。由公式Q=I*T得I=Q\T。因为负载拉到最大,此时负载的阻抗极大,想当于没有电流通过。则此时通过的电流相当于电阻通过的所有电流。
               因为电容和负载相互并联。
                                                    Vout=Vin-(Q\T)*R
               由电容公式得,C=Q\U,代入上式得
Vout=Vin-(C*Vout\T)*R;
               整理得:
            Vout=Vin-(Vout\T)*R*C;

                对其进行离散化得。
                                               Vout(K)=Vin(K)-{[Vout(k)-Vout(k-1)]/T}*R*C     
                 最后进行整理得:
                                               Vout(k)=[Vin(k)+(RC\T)*Vout(k-1)]/1+RC/T
                 如果设1/1+RC/T=a,那么(RC/T)/1+RC/t=1-a;
                                              由此可得,
                                              Vout(K)=[aVin(K)+(1-a)*Vout(k-1)]
                                         完结。

那么还有最后一个问题。如何算滤波的频率范围呢?在电子学的定义中,截止频率一般为                           
                                 fL=1/2*Π*R*C
想要滤多频率的波,一般求出R*C的值,代入便可。
float last;

float wave_filtering(float y1)
{
   float output;
   output=y1*A+(1-A)*last;

   last=output;
   return output;
}
算法二:高通滤波算法
高通滤波算法是低通滤波得好兄弟。这个滤波算法对于高频的噪声具有非常好的效果,到截止频率的信号是能够接收的。这个算法也是通过硬件的电路推导,一阶滤波算法为:滤波结果=(1-a)*本次采样值+a*上一次滤波的结果。
      推导过程。引起推导过程与低通滤波还是非常相识的

                                             
                                                   这里的话就不推导了。
       滤波结果=(1-a)*本次采样值+a*上一次滤波的结果。
float last;

float High_pass_filtering(float y1)
{
   float output;
   output=y1*(1-A)+A*last;

   last=output;
   return output;
}

算法三:互补滤波算法
    互补滤波跟卡尔曼滤波非常的相似。相比于卡尔曼滤波,互补滤波的系数值都是固定的,而卡尔曼滤波是在不断的变化的。
   为了更好得滤波,互补滤波可以跟高通滤波和低通滤波一起来增加滤波得准确性。
                 
    具体做法为,滤波数据=(高通滤波的数据*a)+(低通滤波的数据*b)。(a+b=1)





算法四:卡尔曼滤波算法
了解了卡尔曼滤波,就可以被成为地表极为强大的男人了。上到神州奔月到电池电量估计都能用上。
因为观测器的观测值不是完全准确的,存在一定的误差。此时我们可以用上一时刻的值来得出一个估计值,并用估计值和实际值进行一个加权算平均。比如说,为了测量电机的速度,我们可以根据上一时刻电机的速度,以及在一段时间内对电机的操作数值得出一个估计值。将估计值乘以一个系数K,同时将观察值乘以另一个系数R,最后将两数求和,以此来弥补观测值的不准确度。
对于通过电机的上一个状态得出电机的此时的状态。公式为。
                                             
其中Xk-1为上一次电机的状态,A为状态转移矩阵,B为控制矩阵,Uk为控制输入。Wk-1为环境噪声,环境噪声服从高斯分布。
通过这个我们可以从前一次的状态推导出此时此刻的状态。


开头说到,我们通过将估计值乘以一个系数K,同时将观察值乘以另一个系数R,最后将两数求和得出最优估计值。那么问题来了,系数K和系数R分别是什么呢。那么公式来了。
                                             
由上式我们可以轻易得出系数K即是Kn——增益矩阵。(H为系数矩阵,即由x到观测值的系数矩阵,Zx即为观测矩阵)

那么问题又来了,Kn——增益矩阵怎么得来的呢?
                                                        

增益矩阵由此可得。其中R为测量噪声协方差,一般不用求,属于器件的基本属性。

那么问题又出现了Pt-是个什么东西,其实是估计值的方差。Pt-由公式得
                                    
此处的A与上处的A意义相同,都为Xn-1化为Xn的矩阵。Q为环境噪声(Wk-1)的方差。(此处注意,Pk-是有—号的)
那么问题又双来了,Pk-1又是怎么来的呢?Pk-1来自于上一次,但问题是现在的Pk-是带—号的,那么下一次的Pk+1怎么办呢。
来了:
                                 

通过以上的过程,可实现卡尔曼滤波过程的。总的来说,卡尔曼滤波可以分为预测步和更新步。

其中,预测步为:
1   ,
2     

然后,更新步为:
1,
2,
3,


算法五:限幅滤波算法
设有采样值y(n),y(n-1).根据自己的经验,设定一个值,若|y(n)-y(n-1)|的值大于限幅值,则可判断y(n)为干扰,此时可将采样值y(n)舍弃。取y(n-1)为y(n).


#include <stdio.h>

#define xianfuzhi 777777

float xianfu(float y1, float y2)
{
   float output;
   if (((y2 - y1) > xianfuzhi) || ((y1 - y2) > xianfuzhi))
   {

      output = y1;
   }
   else
   {
      output = y2;
   }
   return output;
}

int main()
{
}








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

43

主题

1775

帖子

2

粉丝