ADC Filter
来自Jack's Lab
目录 |
1 递推平均滤波
亦可称滑动平均滤波
- 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); }
2 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); }
3 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]; }
4 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; }