ADC Filter
来自Jack's Lab
(版本间的差异)
(→限幅滤波) |
(→滑动平均滤波) |
||
| (未显示1个用户的23个中间版本) | |||
| 第1行: | 第1行: | ||
| + | == 限幅平均滤波 == | ||
| + | |||
| + | ;;方法: | ||
| + | * 相当于“限幅滤波”+“滑动平均滤波” | ||
| + | * 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 | ||
| + | |||
| + | ;;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 | ||
| + | |||
| + | ;;缺点: | ||
| + | * 灵敏度低 | ||
| + | |||
| + | <br><br> | ||
| + | |||
| + | == 中位值平均滤波 == | ||
| + | |||
| + | 又称防脉冲干扰平均滤波 | ||
| + | |||
| + | ;;方法: | ||
| + | * 相当于“中位值滤波”+“算术平均滤波” | ||
| + | * 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 | ||
| + | |||
| + | ;;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 | ||
| + | |||
| + | ;;缺点: | ||
| + | * 测量速度较慢,和算术平均滤波法一样 | ||
| + | |||
| + | <source lang=cpp> | ||
| + | #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[i] > value_buf[i+1]) { | ||
| + | temp = value_buf[i]; | ||
| + | value_buf[i] = value_buf[i+1]; | ||
| + | value_buf[i+1] = temp; | ||
| + | } | ||
| + | } | ||
| + | } | ||
| + | for (count=1; count < N-1; count++) | ||
| + | sum += value[count]; | ||
| + | |||
| + | return (char)(sum / (N-2)); | ||
| + | } | ||
| + | </source> | ||
| + | |||
| + | <br><br> | ||
| + | |||
| + | == 滑动平均滤波 == | ||
| + | |||
| + | 亦可称递推平均滤波 | ||
| + | |||
| + | ;;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 | ||
| + | * 每次采一个新数据放入队尾,并挤掉队首的一个数据 | ||
| + | * 把队列中的 N 个数据进行算术平均运算,即为滤波结果 | ||
| + | |||
| + | N值的选取:流量,N=12; 压力:N=4; 液面,N=4~12; 温度,N=1~4 | ||
| + | |||
| + | ;;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 | ||
| + | |||
| + | <source lang=cpp> | ||
| + | #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); | ||
| + | } | ||
| + | </source> | ||
| + | |||
| + | <br><br> | ||
| + | |||
| + | == 算术平均滤波 == | ||
| + | |||
| + | ;;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 | ||
| + | |||
| + | ;;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 | ||
| + | |||
| + | ;;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 | ||
| + | |||
| + | <source lang=cpp> | ||
| + | #define N 12 | ||
| + | |||
| + | char filter() | ||
| + | { | ||
| + | int sum = 0; | ||
| + | for (count=0; count<N; count++) | ||
| + | { | ||
| + | sum + = get_ad(); | ||
| + | delay(); | ||
| + | } | ||
| + | return (char)(sum / N); | ||
| + | } | ||
| + | </source> | ||
| + | |||
| + | <br><br> | ||
| + | |||
| + | == 中位值滤波 == | ||
| + | |||
| + | ;;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 | ||
| + | |||
| + | ;;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 | ||
| + | |||
| + | ;;缺点: | ||
| + | * 对流量、速度等快速变化的参数不宜 | ||
| + | |||
| + | <source lang=cpp> | ||
| + | #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[i] > value_buf[i+1]) | ||
| + | { | ||
| + | temp = value_buf[i]; | ||
| + | value_buf[i] = value_buf[i+1]; | ||
| + | value_buf[i+1] = temp; | ||
| + | } | ||
| + | } | ||
| + | } | ||
| + | return value_buf[(N-1) / 2]; | ||
| + | } | ||
| + | </source> | ||
| + | |||
| + | <br><br> | ||
| + | |||
== 限幅滤波 == | == 限幅滤波 == | ||
| + | |||
| + | 过滤脉冲干扰。。。 | ||
| + | |||
;;方法: | ;;方法: | ||
| 第5行: | 第202行: | ||
* 根据经验判断,确定两次采样允许的最大偏差值(设为A) | * 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: | * 每次检测到新值时判断: | ||
| − | ** 如果本次值与上次值之差<= | + | ** 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> | + | ** 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 |
;;优点 | ;;优点 | ||
| 第16行: | 第213行: | ||
* 无法抑制那种周期性的干扰 | * 无法抑制那种周期性的干扰 | ||
* 平滑度差 | * 平滑度差 | ||
| + | |||
| + | <source lang=cpp> | ||
| + | #define A 10 /* A值可根据实际情况调整 */ | ||
| + | |||
| + | char value; | ||
| + | |||
| + | char filter() | ||
| + | { | ||
| + | char new_value; | ||
| + | new_value = get_ad(); | ||
| + | if ((new_value - value > A) || (value - new_value > A)) | ||
| + | return value; | ||
| + | else | ||
| + | return new_value; | ||
| + | } | ||
| + | </source> | ||
| + | |||
| + | <br><br> | ||
| + | |||
| + | == Reference == | ||
| + | |||
| + | * https://www.cnblogs.com/chenxukai/archive/2010/08/01/1789713.html | ||
| + | |||
| + | <br><br> | ||
| + | <br><br> | ||
| + | <br><br> | ||
2018年11月26日 (一) 22:45的最后版本
目录 |
[编辑] 1 限幅平均滤波
- 方法:
- 相当于“限幅滤波”+“滑动平均滤波”
- 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
- 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
- 缺点:
- 灵敏度低
[编辑] 2 中位值平均滤波
又称防脉冲干扰平均滤波
- 方法:
- 相当于“中位值滤波”+“算术平均滤波”
- 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
- 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
- 缺点:
- 测量速度较慢,和算术平均滤波法一样
#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[i] > value_buf[i+1]) {
temp = value_buf[i];
value_buf[i] = value_buf[i+1];
value_buf[i+1] = temp;
}
}
}
for (count=1; count < N-1; count++)
sum += value[count];
return (char)(sum / (N-2));
}
[编辑] 3 滑动平均滤波
亦可称递推平均滤波
- 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
- 每次采一个新数据放入队尾,并挤掉队首的一个数据
- 把队列中的 N 个数据进行算术平均运算,即为滤波结果
N值的选取:流量,N=12; 压力:N=4; 液面,N=4~12; 温度,N=1~4
- 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
#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);
}
[编辑] 4 算术平均滤波
- 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
- 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
- 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
#define N 12
char filter()
{
int sum = 0;
for (count=0; count<N; count++)
{
sum + = get_ad();
delay();
}
return (char)(sum / N);
}
[编辑] 5 中位值滤波
- 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
- 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
- 缺点:
- 对流量、速度等快速变化的参数不宜
#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[i] > value_buf[i+1])
{
temp = value_buf[i];
value_buf[i] = value_buf[i+1];
value_buf[i+1] = temp;
}
}
}
return value_buf[(N-1) / 2];
}
[编辑] 6 限幅滤波
过滤脉冲干扰。。。
- 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
- 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
- 平滑度差
#define A 10 /* A值可根据实际情况调整 */
char value;
char filter()
{
char new_value;
new_value = get_ad();
if ((new_value - value > A) || (value - new_value > A))
return value;
else
return new_value;
}
[编辑] 7 Reference