单片机ADC,十大C语言滤波算法

电子说

1.3w人已加入

描述

一、限幅滤波法
1、方法:

根据经验判断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:

a. 如果本次值与上次值之差<=A,则本次值有效

b. 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

2、优点:

能有效克服因偶然因素引起的脉冲干扰

3、缺点

无法抑制那种周期性的干扰

平滑度差

 

/* A值根据实际调,Value有效值,new_Value当前采样值,程序返回有效的实际值 */
#define A 10char Value;
char filter()
{    
    char new_Value;    
    new_Value = get_ad(); // 获取采样值    
    if( abs(new_Value - Value) > A)           
        return Value;     // abs()取绝对值函数    
        return new_Value;
}

 

二、中位值滤波法

1、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

2、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

3、缺点:

对流量、速度等快速变化的参数不宜

 

#define N 11char filter()
{    
    char value_buf[N];    
    char count, i, j, temp;    
    for(count = 0; count < N; count ++) //获取采样值    
    {        
        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];
}

 

三、算术平均滤波法

1、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

2、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

3、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

比较浪费RAM

 

#define N 12
char filter()
{    
    int sum = 0;    
    for(count = 0; count < N; count++)    
    {        
        sum += get_ad();    
    }     
    return (char)(sum/N);
}

 

四、递推平均滤波法

1、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

每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则)

把队列中的N个数据进行算术平均运算,就可获得新的滤波结果

N值的选取:流量,N=12;压力:N=4;液面,N=4 ~ 12;温度,N=1 ~ 4

2、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

3、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

比较浪费RAM

 

/* A值根据实际调,Value有效值,new_Value当前采样值,程序返回有效的实际值 */
#define A 10
char Value;
char filter()
{    
    char new_Value;    
    new_Value = get_ad(); // 获取采样值    
    if( abs(new_Value - Value) > A)           
        return Value;     // abs()取绝对值函数    
    return new_Value;
}

 

五、中位值平均滤波法

1、方法:

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

2、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

3、缺点:

测量速度较慢,和算术平均滤波法一样

比较浪费RAM

 

char filter()
{    
    char count, i, j;    
    char Value_buf[N];    
    int sum = 0;    
    for(count = 0; count < N; count++)    
    {        
        Value_buf[count] = get_ad();    
    }     
    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_buf[count];    
    }    
    return (char)(sum/(N-2));
}

 

六、限幅平均滤波法

1、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

2、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

3、缺点:

比较浪费RAM

 

#define A 10
#define N 12
char value, i = 0;
char value_buf[N];
char filter()
{    
    char new_value, sum = 0;    
    new_value = get_ad();    
    if(Abs(new_value - value) < A)          
        value_buf[i++] = new_value;    
    if(i==N)          
        i=0;    
    for(count = 0; count < N; count++)    
    {        
        sum += value_buf[count];    
    }    
    return (char)(sum/N);
}

 

七、一阶滞后滤波法

1、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

2、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

3、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的1/2的干扰信号

 

/*为加快程序处理速度,取a=0~100*/
#define a 30
char value;
char filter()
{    
    char new_value;    
    new_value = get_ad();    
    return ((100-a)*value + a*new_value);
}

 

八、加权递推平均滤波法

1、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

2、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

3、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

不能迅速反应交易系统当前所受干扰的严重程度,滤波效果差

 

/* coe数组为加权系数表 */
#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();    
    }    
    for(count = 0; count < N; count++)    
    {        
        sum += value_buf[count] * coe[count];    
    }     
    return (char)(sum/sum_coe);
}

 

九、消抖滤波法

1、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>或<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

2、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

3、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交易系统

 

#define N 12char filter()
{    
    char count = 0, new_value;    
    new_value = get_ad();    
    while(value != new_value)    
    {        
        count++;        
        if(count >= N)             
            return new_value;        
        new_value = get_ad();    
    }    
    return value;
}

 

十、限幅消抖滤波法

1、方法:

相当于“限幅滤波法”+“消抖滤波法”

先限幅,后消抖

2、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

3、缺点:

对于快速变化的参数不宜

 

#define A 10
#define N 12
char value;
char filter(){    
    char new_value, count = 0;    
    new_value = get_ad();    
    while(value != new_value)    
    {        
        if(Abs(value - new_value) < A)        
        {            
            count++;            
            if(count >= N)                 
                return new_value;            
            new_value = get_ad();        
        }        
        return value;    
    }
}

 

来源:STM32嵌入式开发

免责声明:本文为转载文章,转载此文目的在于传递更多信息,版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题,请联系小编进行处理

审核编辑 黄宇

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分