1. 程式人生 > >10種簡單的濾波演算法

10種簡單的濾波演算法

10種濾波演算法 及 例子c程式碼(來自於網際網路)

經常有朋友們提起感測器取樣的時候資料會抖動,會跳動, 這時候需要一些濾波演算法;

1、限幅濾波法(又稱程式判斷濾波法)
2、中位值濾波法
3、算術平均濾波法
4、遞推平均濾波法(又稱滑動平均濾波法)
5、中位值平均濾波法(又稱防脈衝干擾平均濾波法)
6、限幅平均濾波法
7、一階滯後濾波法
8、加權遞推平均濾波法
9、消抖濾波法
10、限幅消抖濾波法
11、IIR濾波???


假定從8位AD中讀取資料(如果是更高位的AD可定義資料型別為int),子程式為get_ad();

1、限幅濾波法(又稱程式判斷濾波法)
A、方法:
    根據經驗判斷,確定兩次取樣允許的最大偏差值(設為A)

    每次檢測到新值時判斷:
    如果本次值與上次值之差<=A,則本次值有效
    如果本次值與上次值之差>A,則本次值無效,放棄本次值,用上次值代替本次值
B、優點:
    能有效克服因偶然因素引起的脈衝干擾
C、缺點
    無法抑制那種週期性的干擾
    平滑度差
eg.
#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;  
}

2、中位值濾波法
A、方法:
     連續取樣N次(N取奇數)
    把N次取樣值按大小排列
    取中間值為本次有效值
B、優點:
    能有效克服因偶然因素引起的波動干擾
    對溫度、液位的變化緩慢的被測引數有良好的濾波效果
C、缺點:
    對流量、速度等快速變化的引數不宜

eg.
/*   N值可根據實際情況調整
排序採用冒泡法*/
#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;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];


3、算術平均濾波法
A、方法:
    連續取N個取樣值進行算術平均運算
        N值較大時:訊號平滑度較高,但靈敏度較低
        N值較小時:訊號平滑度較低,但靈敏度較高
        N值的選取:一般流量,N=12;壓力:N=4
B、優點:
    適用於對一般具有隨機干擾的訊號進行濾波
    這樣訊號的特點是有一個平均值,訊號在某一數值範圍附近上下波動
C、缺點:
    對於測量速度較慢或要求資料計算速度較快的實時控制不適用
    比較浪費RAM
eg.
#define N 12

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

4、遞推平均濾波法(又稱滑動平均濾波法)
A、方法:
    把連續取N個取樣值看成一個佇列
    佇列的長度固定為N
    每次取樣到一個新資料放入隊尾,並扔掉原來隊首的一次資料.(先進先出原則)
    把佇列中的N個數據進行算術平均運算,就可獲得新的濾波結果
        N值的選取:流量,N=12;壓力:N=4;液麵,N=4~12;溫度,N=1~4
B、優點:
    對週期性干擾有良好的抑制作用,平滑度高
    適用於高頻振盪的系統
C、缺點:
    靈敏度低
    對偶然出現的脈衝性干擾的抑制作用較差
    不易消除由於脈衝干擾所引起的取樣值偏差
    不適用於脈衝干擾比較嚴重的場合
    比較浪費RAM

#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);
}

5、中位值平均濾波法(又稱防脈衝干擾平均濾波法)
A、方法:
    相當於“中位值濾波法”+“算術平均濾波法”
    連續取樣N個數據,去掉一個最大值和一個最小值
    然後計算N-2個數據的算術平均值
        N值的選取:3~14
B、優點:
    融合了兩種濾波法的優點
    對於偶然出現的脈衝性干擾,可消除由於脈衝干擾所引起的取樣值偏差
C、缺點:
    測量速度較慢,和算術平均濾波法一樣
    比較浪費RAM

eg.
#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;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));
}

6、限幅平均濾波法
A、方法:
    相當於“限幅濾波法”+“遞推平均濾波法”
    每次取樣到的新資料先進行限幅處理,
    再送入佇列進行遞推平均濾波處理
B、優點:
    融合了兩種濾波法的優點
    對於偶然出現的脈衝性干擾,可消除由於脈衝干擾所引起的取樣值偏差
C、缺點:
    比較浪費RAM

7、一階滯後濾波法
A、方法:
    取a=0~1
    本次濾波結果=(1-a)*本次取樣值+a*上次濾波結果
B、優點:
    對週期性干擾具有良好的抑制作用
    適用於波動頻率較高的場合
C、缺點:
    相位滯後,靈敏度低
    滯後程度取決於a值大小
    不能消除濾波頻率高於取樣頻率的1/2的干擾訊號

eg.
/* 為加快程式處理速度假定基數為100,a=0~100 */

#define a 50

char value;

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

8、加權遞推平均濾波法
A、方法:
    是對遞推平均濾波法的改進,即不同時刻的資料加以不同的權
    通常是,越接近現時刻的資料,權取得越大。
    給予新取樣值的權係數越大,則靈敏度越高,但訊號平滑度越低
B、優點:
    適用於有較大純滯後時間常數的物件
    和取樣週期較短的系統
C、缺點:
    對於純滯後時間常數較小,取樣週期較長,變化緩慢的訊號
    不能迅速反應系統當前所受干擾的嚴重程度,濾波效果差

eg.
/* coe陣列為加權係數表,存在程式儲存區。*/

#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);
}

9、消抖濾波法
A、方法:
    設定一個濾波計數器
    將每次取樣值與當前有效值比較:
    如果取樣值=當前有效值,則計數器清零
    如果取樣值<>當前有效值,則計數器+1,並判斷計數器是否>=上限N(溢位)
    如果計數器溢位,則將本次值替換當前有效值,並清計數器
B、優點:
    對於變化緩慢的被測引數有較好的濾波效果,
    可避免在臨界值附近控制器的反覆開/關跳動或顯示器上數值抖動
C、缺點:
    對於快速變化的引數不宜
    如果在計數器溢位的那一次取樣到的值恰好是干擾值,則會將干擾值當作有效值匯入系統

相關推薦

10簡單濾波演算法

10種濾波演算法 及 例子c程式碼(來自於網際網路)經常有朋友們提起感測器取樣的時候資料會抖動,會跳動, 這時候需要一些濾波演算法;1、限幅濾波法(又稱程式判斷濾波法)2、中位值濾波法3、算術平均濾波法4、遞推平均濾波法(又稱滑動平均濾波法)5、中位值平均濾波法(又稱防脈衝

10簡單的Java性能優化

eat 有用 hashmap 解決問題 java 什麽是 ole 渲染 寫法 你是否正打算優化hashCode()方法?是否想要繞開正則表達式?Lukas Eder介紹了很多簡單方便的性能優化小貼士以及擴展程序性能的技巧。 最近“全網域(Web Scale)&

10簡單的Java性能優化(轉)

IT none hset 工作流程 執行 為什麽 util 服務器 也有 本文由 ImportNew - 一直在路上 翻譯自 jaxenter。歡迎加入翻譯小組。轉載請見文末要求。你是否正打算優化hashCode()方法?是否想要繞開正則表達

濾波器學習之十一通用濾波演算法

十一種通用濾波演算法 1、限幅濾波法(又稱程式判斷濾波法) A、方法: 根據經驗判斷,確定兩次取樣允許的最大偏差值(設為A) 每次檢測到新值時判斷: 如果本次值與上次值之差<=A,則本次值有效 如果本次值與上次值之差>A,則本次值無效,放棄本次值,用

10 機器學習演算法的要點(附 Python 和 R 程式碼)

1. 監督式學習 監督式學習演算法包括一個目標變數(因變數)和用來預測目標變數的預測變數(自變數)。通過這些變數我們可以搭建一個模型,從而對於一個已知的預測變數值,我們可以得到對應的目標變數值。重複訓練這個模型,直到它能在訓練資料集上達到預定的準確度。 屬於監

10機器學習演算法(附Python程式碼)

sklearn python API from sklearn.linear_model import LinearRegression # 線性迴歸 # module = LinearRegression() module.fit(x

十一通用濾波演算法及優缺點

1、限幅濾波法(又稱程式判斷濾波法) A、方法:    根據經驗判斷,確定兩次取樣允許的最大偏差值(設為A)    每次檢測到新值時判斷:    如果本次值與上次值之差<=A,則本次值有效    如果本次值與上次值之差>A,則本次值無效,放棄本次值,用上次值代替本次值 B、優點:    能有效克服

嵌入式開發10常見數字濾波演算法

在微控制器開發中,經常需要對輸入的資料進行過濾處理,如感測器資料輸出,AD取樣等,合適的濾波處理能達到更好效果。下面分享幾種較簡單而常用的濾波演算法: 一、限幅濾波法(又稱程式判斷濾波法)二、中位值濾波法三、算術平均濾波法四、遞推平均濾波法五、中位值平均濾波法六、限幅平均濾波法七、一階滯後濾波法

“主宰世界”的10演算法短評

宣告:引用請註明出處http://blog.csdn.net/lg1259156776/ 下面是在網路上引起熱議的“主宰世界”的10種演算法,本文的目的是在於引入,以便後續的拓展演算法學習。 歸併排序(MERGE SORT),快速排序(QUICK SORT)和

數獨問題的一簡單演算法程式碼實現

五一期間無聊時想起去年考研複試有一道上機題目當時沒作出來,於是一時興起想重新拾起看看是當時太緊張,還是自己能力不足。然後發現這道題目還真稍微有些難度,相當於一道數獨問題(sudoku)的簡化版。自己想來想去也只能想到兩種演算法,一種是拿剩餘元素做全排列測試,一種是回溯法測試。最後只實現了一個全排

簡單的排序演算法

1.向上氣泡排序 var len = arr.length; for (var i = 0; i < len - 1; i++) { //比較趟數; for (var j = len - 1; j > i; j--) { //比較次數 if (arr[j] > arr[j

10AD取樣的軟體濾波方法

編者注:         AD取樣點的電壓多少有點起伏波動,經運放放大後電壓的波動如果超過ADC的分辯率,則顯示的值會出現波動。波動如果十分大的話, 建議在硬體上濾波,相反,如果波動較小,你可以用軟體濾波方法解決這個問題。   &n

LCG(linear congruential generator): 一簡單的隨機數生成演算法

目錄 LCG演算法 python 實現 LCG演算法 LCG(linear congruential generator)線性同餘演算法,是一個古老的產生隨機數的演算法。由以下引數組成: 引數 m a c X

Python實現幾簡單的排序演算法

一.氣泡排序 概念:為一個無序的列表排成有序的 實現過程描述:(升序)   1.比較相鄰的元素,如果第一個比第二個大,就交換他們的位置   2.對每一對相鄰元素重複1的工作,從開始第一隊到最後一對,最後結束的時候最大的數會在後面   3.針對所有元素重複1,2的工作,除了最後一個數,因為最後的數最大

10ADC軟體濾波方法及程式

  轉自:億芯工程師部落格 10種AD取樣的軟體濾波方法 10種AD取樣的軟體濾波方法 1、限幅濾波法(又稱程式判斷濾波法) A、方法: 根據經驗判斷,確定兩次取樣允許的最大偏差值(設為A) 每次檢測到新值時判斷:  如果本次值與上次值之差<=A,則本次值有效 

方法求10萬以內素數演算法的用時小測試

1、使用while迴圈,不對演算法做任何優化 import datetime start = datetime.datetime.now() a = 2 while a < 100000: i = 2 while i < a:

非常值得一看—九濾波演算法C語言實現

關注“嵌入式軟體開發學習圈”免費獲取更多學習教程 今天帶著大家學習濾波演算法c語言(九種濾波演算法)實現,以及程式碼,大家可以學習瞭解下。。。。 1.限幅濾波演算法(程式判斷濾波演算法) 方法解析: 根據經驗判斷,確定兩次取樣允許的最

簡單的陣列排序演算法:氣泡排序和直接選擇排序(升序)

氣泡排序的基本思想是:面對一排資料,先從前往後兩兩比較,如果前一個數比後一個數大就交換兩者的順序,即第一個數和第二個數比,第二個數和第三個數比,……,倒數第二個數和最後一個數比,這樣一輪下來以後最大的數就排到最後;接著把除去最大的數的該組資料進行同樣的操作,直至

年後跳槽BAT必看:10資料結構、演算法和程式設計課助你面試通關

作者 | javinpaul 譯者 | 大魚 編輯 | 一一 出品 | AI 科技大本營 進入 BAT 這樣的巨頭企業工作,無疑是很多程式設計師的夢想。但事實上,能通過這些公司高難度程式設計面試的只是一小撮人,大多數人因為理論知識和專案實踐的匱乏

簡單常用濾波演算法C語言實現

1.限幅濾波演算法(程式判斷濾波演算法) 方法解析: 根據經驗判斷,確定兩次取樣允許的最大偏差值(設定為A),每次檢測到新值時判斷: 如果本次值與上次值之差<=A,則本次值有效, 如果本次值與