|
11種經典軟件濾波的原理和實現 1、限幅濾波法（又稱程序判斷濾波法） A、方法： 根據經驗判斷，確定兩次采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沖干擾 C、缺點 無法抑制那種周期性的干擾 平滑度差 2、中位值濾波法 A、方法： 連續采樣N次（N取奇數） 把N次采樣值按大小排列 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參數有良好的濾波效果 C、缺點： 對流量、速度等快速變化的參數不宜 3、算術平均濾波法 A、方法： 連續取N個采樣值進行算術平均運算 N值較大時：信號平滑度較高，但靈敏度較低 N值較小時：信號平滑度較低，但靈敏度較高 N值的選取：一般流量，N=12；壓力：N=4 B、優點： 適用于對一般具有隨機干擾的信號進行濾波 這樣信號的特點是有一個平均值，信號在某一數值范圍附近上下波動 C、缺點： 對于測量速度較慢或要求數據計算速度較快的實時控制不適用 比較浪費RAM 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個采樣值看成一個隊列 隊列的長度固定為N 每次采樣到一個新數據放入隊尾,并扔掉原來隊首的一次數據.(先進先出原則) 把隊列中的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；液面，N=4~12；溫度，N=1~4 B、優點： 對周期性干擾有良好的抑制作用，平滑度高 適用于高頻振蕩的系統 C、缺點： 靈敏度低 對偶然出現的脈沖性干擾的抑制作用較差 不易消除由于脈沖干擾所引起的采樣值偏差 不適用于脈沖干擾比較嚴重的場合 比較浪費RAM 5、中位值平均濾波法（又稱防脈沖干擾平均濾波法） A、方法： 相當于“中位值濾波法”+“算術平均濾波法” 連續采樣N個數據，去掉一個最大值和一個最小值 然后計算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 對于偶然出現的脈沖性干擾，可消除由于脈沖干擾所引起的采樣值偏差 C、缺點： 測量速度較慢，和算術平均濾波法一樣 比較浪費RAM 6、限幅平均濾波法 A、方法： 相當于“限幅濾波法”+“遞推平均濾波法” 每次采樣到的新數據先進行限幅處理， 再送入隊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 對于偶然出現的脈沖性干擾，可消除由于脈沖干擾所引起的采樣值偏差 C、缺點： 比較浪費RAM 7、一階滯后濾波法 A、方法： 取a=0~1 本次濾波結果=（1-a）*本次采樣值+a*上次濾波結果 B、優點： 對周期性干擾具有良好的抑制作用 適用于波動頻率較高的場合 C、缺點： 相位滯后，靈敏度低 滯后程度取決于a值大小 不能消除濾波頻率高于采樣頻率的1/2的干擾信號 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，即不同時刻的數據加以不同的權 通常是，越接近現時刻的數據，權取得越大。 給予新采樣值的權系數越大，則靈敏度越高，但信號平滑度越低 B、優點： 適用于有較大純滯后時間常數的對象 和采樣周期較短的系統 C、缺點： 對于純滯后時間常數較小，采樣周期較長，變化緩慢的信號 不能迅速反應系統當前所受干擾的嚴重程度，濾波效果差 9、消抖濾波法 A、方法： 設置一個濾波計數器 將每次采樣值與當前有效值比較： 如果采樣值＝當前有效值，則計數器清零 如果采樣值<>當前有效值，則計數器+1，并判斷計數器是否>=上限N(溢出) 如果計數器溢出,則將本次值替換當前有效值,并清計數器 B、優點： 對于變化緩慢的被測參數有較好的濾波效果, 可避免在臨界值附近控制器的反復開/關跳動或顯示器上數值抖動 C、缺點： 對于快速變化的參數不宜 如果在計數器溢出的那一次采樣到的值恰好是干擾值,則會將干擾值當作有效值導入系統 10、限幅消抖濾波法 A、方法： 相當于“限幅濾波法”+“消抖濾波法” 先限幅,后消抖 B、優點： 繼承了“限幅”和“消抖”的優點 改進了“消抖濾波法”中的某些缺陷,避免將干擾值導入系統 C、缺點： 對于快速變化的參數不宜 第11種方法：IIR 數字濾波器 A. 方法： 確定信號帶寬， 濾之。 Y(n) = a1*Y(n-1) + a2*Y(n-2) + ... + ak*Y(n-k) + b0*X(n) + b1*X(n-1) + b2*X(n-2) + ... + bk*X(n-k) B. 優點：高通，低通，帶通，帶阻任意。設計簡單(用matlab） C. 缺點：運算量大。 //--------------------------------------------------------------------- 軟件濾波的C程序樣例 10種軟件濾波方法的示例程序 假定從8位AD中讀取數據（如果是更高位的AD可定義數據類型為int),子程序為get_ad(); 1、限副濾波 #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 #define N 11 char filter() { char value_buf[N]; char count,i,j,temp; for ( count=0;count value_buf[count] = get_ad(); delay(); } for (j=0;j for (i=0;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 #define N 12 char filter() { int sum = 0; for ( count=0;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） #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 return (char)(sum/N); } 5、中位值平均濾波法（又稱防脈沖干擾平均濾波法） #define N 12 char filter() { char count,i,j; char value_buf[N]; int sum=0; for (count=0;count value_buf[count] = get_ad(); delay(); } for (j=0;j for (i=0;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 return (char)(sum/(N-2)); } 6、限幅平均濾波法 略 參考子程序1、3 7、一階滯后濾波法 #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 #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 value_buf[count] = get_ad(); delay(); } for (count=0,count return (char)(sum/sum_coe); } 9、消抖濾波法 #define N 12 char filter() { char count=0; char new_value; new_value = get_ad(); while (value !=new_value); { count++; if (count>=N) return new_value; delay(); new_value = get_ad(); } return value; } 10、限幅消抖濾波法 略 參考子程序1、9 11、IIR濾波例子 int BandpassFilter4(int InputAD4) { int ReturnValue; int ii; RESLO=0; RESHI=0; MACS=*PdelIn; OP2=1068; //FilterCoeff4[4]; MACS=*(PdelIn+1); OP2=8; //FilterCoeff4[3]; MACS=*(PdelIn+2); OP2=-2001;//FilterCoeff4[2]; MACS=*(PdelIn+3); OP2=8; //FilterCoeff4[1]; MACS=InputAD4; OP2=1068; //FilterCoeff4[0]; MACS=*PdelOu; OP2=-7190;//FilterCoeff4[8]; MACS=*(PdelOu+1); OP2=-1973; //FilterCoeff4[7]; MACS=*(PdelOu+2); OP2=-19578;//FilterCoeff4[6]; MACS=*(PdelOu+3); OP2=-3047; //FilterCoeff4[5]; *p=RESLO; *(p+1)=RESHI; mytestmul<<=2; ReturnValue=*(p+1); for (ii=0;ii<3;ii++) { DelayInput[ii]=DelayInput[ii+1]; DelayOutput[ii]=DelayOutput[ii+1]; } DelayInput[3]=InputAD4; DelayOutput[3]=ReturnValue; // if (ReturnValue<0) // { // ReturnValue=-ReturnValue; // } return ReturnValue; } //------------------------------------------------------------------------------ |
