5、中位值平均滤波法(又称防脉冲干扰平均滤波法) [pre lang="arduino" line="1"]/* A、名称:中位值平均滤波法(又称防脉冲干扰平均滤波法) B、方法: 采一组队列去掉最大值和最小值后取平均值, 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。 C、优点: 融合了“中位值滤波法”+“算术平均滤波法”两种滤波法的优点。 对于偶然出现的脉冲性干扰,可消除由其所引起的采样值偏差。 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。 D、缺点: 计算速度较慢,和算术平均滤波法一样。 比较浪费RAM。 E、整理:shenhaiyu 2013-11-01 */ 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); } // 中位值平均滤波法(又称防脉冲干扰平均滤波法)(算法1) #define FILTER_N 100 int Filter() { int i, j; int filter_temp, filter_sum = 0; int filter_buf[FILTER_N]; for(i = 0; i < FILTER_N; i++) { filter_buf = Get_AD(); delay(1); } // 采样值从小到大排列(冒泡法) for(j = 0; j < FILTER_N - 1; j++) { for(i = 0; i < FILTER_N - 1 - j; i++) { if(filter_buf > filter_buf[i + 1]) { filter_temp = filter_buf; filter_buf = filter_buf[i + 1]; filter_buf[i + 1] = filter_temp; } } } // 去除最大最小极值后求平均 for(i = 1; i < FILTER_N - 1; i++) filter_sum += filter_buf; return filter_sum / (FILTER_N - 2); } // 中位值平均滤波法(又称防脉冲干扰平均滤波法)(算法2) /* #define FILTER_N 100 int Filter() { int i; int filter_sum = 0; int filter_max, filter_min; int filter_buf[FILTER_N]; for(i = 0; i < FILTER_N; i++) { filter_buf = Get_AD(); delay(1); } filter_max = filter_buf[0]; filter_min = filter_buf[0]; filter_sum = filter_buf[0]; for(i = FILTER_N - 1; i > 0; i--) { if(filter_buf > filter_max) filter_max=filter_buf; else if(filter_buf < filter_min) filter_min=filter_buf; filter_sum = filter_sum + filter_buf; filter_buf = filter_buf[i - 1]; } i = FILTER_N - 2; filter_sum = filter_sum - filter_max - filter_min + i / 2; // +i/2 的目的是为了四舍五入 filter_sum = filter_sum / i; return filter_sum; }*/[/pre] 6、限幅平均滤波法 [pre lang="arduino" line="1"]/* A、名称:限幅平均滤波法 B、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。 C、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。 D、缺点: 比较浪费RAM。 E、整理:shenhaiyu 2013-11-01 */ #define FILTER_N 12 int Filter_Value; int filter_buf[FILTER_N]; void setup() { Serial.begin(9600); // 初始化串口通信 randomSeed(analogRead(0)); // 产生随机种子 filter_buf[FILTER_N - 2] = 300; } 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); } // 限幅平均滤波法 #define FILTER_A 1 int Filter() { int i; int filter_sum = 0; filter_buf[FILTER_N - 1] = Get_AD(); if(((filter_buf[FILTER_N - 1] - filter_buf[FILTER_N - 2]) > FILTER_A) || ((filter_buf[FILTER_N - 2] - filter_buf[FILTER_N - 1]) > FILTER_A)) filter_buf[FILTER_N - 1] = filter_buf[FILTER_N - 2]; for(i = 0; i < FILTER_N - 1; i++) { filter_buf = filter_buf[i + 1]; filter_sum += filter_buf; } return (int)filter_sum / (FILTER_N - 1); }[/pre] 7、一阶滞后滤波法 [pre lang="arduino" line="1"]/* A、名称:一阶滞后滤波法 B、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。 C、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。 D、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。 E、整理:shenhaiyu 2013-11-01 */ int Filter_Value; int Value; void setup() { Serial.begin(9600); // 初始化串口通信 randomSeed(analogRead(0)); // 产生随机种子 Value = 300; } 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); } // 一阶滞后滤波法 #define FILTER_A 0.01 int Filter() { int NewValue; NewValue = Get_AD(); Value = (int)((float)NewValue * FILTER_A + (1.0 - FILTER_A) * (float)Value); return Value; }[/pre] 8、加权递推平均滤波法 [pre lang="arduino" line="1"]/* A、名称:加权递推平均滤波法 B、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。 C、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。 D、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。 E、整理:shenhaiyu 2013-11-01 */ 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); } // 加权递推平均滤波法 #define FILTER_N 12 int coe[FILTER_N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}; // 加权系数表 int sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12; // 加权系数和 int filter_buf[FILTER_N + 1]; int Filter() { int i; int filter_sum = 0; filter_buf[FILTER_N] = Get_AD(); for(i = 0; i < FILTER_N; i++) { filter_buf = filter_buf[i + 1]; // 所有数据左移,低位仍掉 filter_sum += filter_buf * coe; } filter_sum /= sum_coe; return filter_sum; }[/pre] 9、消抖滤波法 [pre lang="arduino" line="1"]/* A、名称:消抖滤波法 B、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。 C、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。 D、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。 E、整理:shenhaiyu 2013-11-01 */ int Filter_Value; int Value; void setup() { Serial.begin(9600); // 初始化串口通信 randomSeed(analogRead(0)); // 产生随机种子 Value = 300; } 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); } // 消抖滤波法 #define FILTER_N 12 int i = 0; int Filter() { int new_value; new_value = Get_AD(); if(Value != new_value) { i++; if(i > FILTER_N) { i = 0; Value = new_value; } } else i = 0; return Value; } 10、限幅消抖滤波法 [pre lang="arduino" line="1"]/* A、名称:限幅消抖滤波法 B、方法: 相当于“限幅滤波法”+“消抖滤波法”; 先限幅,后消抖。 C、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。 D、缺点: 对于快速变化的参数不宜。 E、整理:shenhaiyu 2013-11-01 */ int Filter_Value; int Value; void setup() { Serial.begin(9600); // 初始化串口通信 randomSeed(analogRead(0)); // 产生随机种子 Value = 300; } 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); } // 限幅消抖滤波法 #define FILTER_A 1 #define FILTER_N 5 int i = 0; int Filter() { int NewValue; int new_value; NewValue = Get_AD(); if(((NewValue - Value) > FILTER_A) || ((Value - NewValue) > FILTER_A)) new_value = Value; else new_value = NewValue; if(Value != new_value) { i++; if(i > FILTER_N) { i = 0; Value = new_value; } } else i = 0; return Value; } |
|