常用的滤波算法

方法一：限幅滤波法

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：能克服偶然因素引起的脉冲干扰

缺点：无法抑制周期性的干扰，平滑度差

/*
DEVIATION 值可根据实际情况调整 
value 为有效值，new_value为当前采样值 
滤波程序返回有效的实际值 
*/
#define DEVIATION  10
uint16_t limit_filter(void)  
{ 
  static uint8_t num = 0;
  static uint16_t value,new_value; 
  num ++;
  if(num == 1){
    value = get_ad();
    // delay();   /*根据你的实际情况进行延时，因为adc的转换效率，以及是否采用dma搬运都会对结果有影响*/
  }
  new_value = get_ad(); 
  // delay();   /*根据你的实际情况进行延时，因为adc的转换效率，以及是否采用dma搬运都会对结果有影响*/
  if((new_value - value > DEVIATION ) || (value - new_value > DEVIATION )) { 
    return value; 
  } else { 
    return new_value; 
  } 
}

方法二：中值滤波法

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：克服偶然因素（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

/*  MIDDLE_FILTER_N 值可根据实际情况调整，排序采用冒泡法 */
#define MIDDLE_FILTER_N 11 
uint16_t middle_filter(void)  
{ 
  uint16_t value_buf[MIDDLE_FILTER_N]; 
  uint8_t i, j;
  uint16_t  temp; 
  for(i = 0; i < N; i++) { 
    value_buf[i] = get_ad(); 
    // delay();   /*根据你的实际情况进行延时，因为adc的转换效率，以及是否采用dma搬运都会对结果有影响*/
  } 
  for(j=0;j<MIDDLE_FILTER_N-1;j++) { 
    for(i=0;i<MIDDLE_FILTER_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[(MIDDLE_FILTER_N - 1) / 2]; 
}

方法三：中值滤波法

方法：连续取N个采样值进行算术平均运算：（ N值的选取：一般流量，N=12；压力：N=4。）

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；

优点：适用于对一般具有随机干扰的信号进行滤波；这种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，比较浪费RAM。

/* AVERAGE_FILTER_N 值可根据实际情况调整 */
#define AVERAGE_FILTER_N 11
uint16_t average_filter(void) 
{ 
  uint16_t value_buf[AVERAGE_FILTER_N]; 
  uint8_t i;
  uint16_t sum = 0; 
  uint16_t average_value;

  for(i = 0; i < AVERAGE_FILTER_N; i++) { 
    value_buf[i] = get_ad(); 
    // delay();   /*根据你的实际情况进行延时，因为adc的转换效率，以及是否采用dma搬运都会对结果有影响*/
  } 

  /* 计算总和 */
  for(i = 0; i < AVERAGE_FILTER_N; i++) {
    sum += value_buf[i];
  } 

  /* 计算平均值 */
  average_value = sum / AVERAGE_FILTER_N;

  return average_value; 
}

方法四：加权递推平均滤波法（又称加权滑动平均滤波法）

方法：把连续取得的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，并根据加权因子对新数据进行加权，同时扔掉原来队首的一次数据。

把队列中的N个数据及其对应的权重进行加权求和，再除以所有权重的总和，获得新的滤波结果。

权重分配：

可以根据实际应用场景和数据特性，为每个采样值分配不同的权重，通常新采样的数据权重较高，旧数据权重较低，以反映最近的数据对当前状态的影响更大。

N值的选取：

根据系统的响应速度和滤波效果的需求，合理选择N值。一般而言，N值越大，滤波效果越平滑，但响应速度越慢。

优点：

可以根据数据的特性和重要性分配不同的权重，提高滤波的灵活性和效果。

对周期性干扰和随机干扰都有一定的抑制作用，平滑度较高。

适用于需要根据数据特性进行动态调整权重的场合。

缺点：

需要预先确定权重分配方案，增加了设计的复杂性。

对于权重分配不合理的情况，可能会影响滤波效果。

同样存在一定的延迟，对实时性要求高的系统可能不适用。

需要更多的计算资源来处理权重的分配和计算。

#define WEIGHT_AVERAGE_N 12
/*定义权重*/
uint8_t coe[WEIGHT_AVERAGE_N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12};
uint8_t sum_coe = 0;
uint16_t weighted_filter(void)
{
    static uint16_t weight_average_buf[WEIGHT_AVERAGE_N];
    uint8_t count;
    uint16_t sum = 0;
    //求和权重值
    for (uint8_t i = 0; i < WEIGHT_AVERAGE_N; i++) 
      sum_coe += coe[i];    
    // 将数组中的值向前移动一位
    for (count = 0; count < WEIGHT_AVERAGE_N - 1; count++)
    {
        weight_average_buf[count] = weight_average_buf[count + 1];
    }
    // 将新值放入数组的最后一个位置
    weight_average_buf[WEIGHT_AVERAGE_N - 1] = get_ad();
    // delay();   /*根据你的实际情况进行延时，因为adc的转换效率，以及是否采用dma搬运都会对结果有影响*/
    
    // 计算加权和
    for (count = 0; count < WEIGHT_AVERAGE_N; count++)
        sum += weight_average_buf[count] * coe[count];
    // 返回加权平均值
    return uint16_t (sum / sum_coe);
}

方法五：中位值平均滤波法（又称防脉冲干扰平均滤波法）

方法：采一组队列去掉最大值和最小值后取平均值，（N值的选取：3-14）。

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。

优点：融合了“中位值滤波法”+“算术平均滤波法”两种滤波法的优点。

对于偶然出现的脉冲性干扰，可消除由其所引起的采样值偏差。

对周期干扰有良好的抑制作用。

平滑度高，适于高频振荡的系统。

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 MEDIAN_AVERAGE_FILTER_N 11 // 定义滤波器的长度，N值的选取：3-14

uint16_t median_average_filter(void)
{
    static uint16_t value_buf[MEDIAN_AVERAGE_FILTER_N]; // 存储样本值的数组
    static uint8_t index = 0; // 指向当前要更新的数组位置
    uint16_t temp;
    uint8_t i, j;
    uint16_t sum = 0; // 用于计算平均值的和
    uint8_t count = 0; // 用于计数，排除最大最小值后的有效数值

    // 将新值添加到数组中，并更新索引
    value_buf[index] = get_ad();
    index++;
    if (index >= MEDIAN_AVERAGE_FILTER_N) {
        index = 0; // 如果超出数组长度，则回到数组的开始
    }

    // 对数组进行排序，以找到最大值和最小值
    for (j = 0; j < MEDIAN_AVERAGE_FILTER_N - 1; j++) {
        for (i = 0; i < MEDIAN_AVERAGE_FILTER_N - j - 1; 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;
            }
        }
    }

    // 移除最大值和最小值
    for (i = 1; i < MEDIAN_AVERAGE_FILTER_N - 1; i++) {
        sum += value_buf[i]; // 累加除了最大值和最小值之外的数据
        count++;
    }

    // 计算平均值
    return sum / count; // 返回算术平均值
}

方法六：限幅平均滤波法

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。

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：比较浪费RAM。

#define LIMIT_AVERAGE_FILTER_N 11 // 定义滤波器的长度

uint16_t limit_average_filter(void)
{
    static uint16_t value_buf[LIMIT_AVERAGE_FILTER_N]; // 存储样本值的数组
    static uint8_t index = 0; // 指向当前要更新的数组位置
    uint16_t sum = 0; // 用于计算平均值的和
    uint8_t i;
    static uint8_t num = 0;
    static uint16_t value,new_value; 
    

    // 限幅处理
    num ++;
    if(num == 1){
    value = get_ad();
    // delay();   /*根据你的实际情况进行延时，因为adc的转换效率，以及是否采用dma搬运都会对结果有影响*/
    }
    new_value = get_ad(); 
    // delay();   /*根据你的实际情况进行延时，因为adc的转换效率，以及是否采用dma搬运都会对结果有影响*/
    if((new_value - value > DEVIATION ) || (value - new_value > DEVIATION )) { 
      new_value = value; 
    }

    // 将新值添加到数组中，并更新索引
    value_buf[index] = new_value;
    index++;
    if (index >= LIMIT_AVERAGE_FILTER_N) {
        index = 0; // 如果超出数组长度，则回到数组的开始
    }

    // 计算数组中所有值的和
    for (i = 0; i < LIMIT_AVERAGE_FILTER_N; i++) {
        sum += value_buf[i];
    }
    /* 限幅加权平均滤波自行参考上述加权平均滤波算法进行更改*/
    

    // 计算并返回平均值
    return sum / LIMIT_AVERAGE_FILTER_N;
}

方法七：一阶滞后滤波法

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。

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。

平滑度高，适于高频振荡的系统。

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1/2的干扰信号。

#define FIRST_ORDER_LAG_FILTER_ALPHA 0.1 // 定义一阶滞后滤波法的参数a，取值范围0-1

uint16_t first_order_lag_filter(void)
{
    static uint16_t last_filtered_value = 0; // 存储上次滤波结果的变量
    static num =0;
    uint16_t current_sample = get_ad(); // 获取本次采样值
    num ++;

    if(num == 1){  
      last_filtered_value = current_sample;
      return current_sample;
    }

    uint16_t filtered_value; // 存储本次滤波结果的变量

    // 计算本次滤波结果
    filtered_value = (1 - FIRST_ORDER_LAG_FILTER_ALPHA) * current_sample + FIRST_ORDER_LAG_FILTER_ALPHA * last_filtered_value;

    // 更新上次滤波结果
    last_filtered_value = filtered_value;

    // 返回本次滤波结果
    return filtered_value;
}

方法八：消抖滤波法

方法：消抖滤波法方法：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<>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。

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。

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系统。

/*可用于按键消抖*/
#define DEBOUNCE_FILTER_N 10 // 定义消抖滤波法的上限N

uint16_t debounce_filter(void)
{
    static uint16_t current_valid_value = 0; // 存储当前有效值的变量
    static uint8_t debounce_counter = 0; // 滤波计数器
    uint16_t current_sample = get_vaule(); // 获取本次采样值

    // 如果采样值等于当前有效值，计数器清零
    if (current_sample == current_valid_value) {
        debounce_counter = 0;
    }
    // 如果采样值不等于当前有效值，计数器+1
    else {
        debounce_counter++;
        // 判断计数器是否溢出
        if (debounce_counter >= DEBOUNCE_FILTER_N) {
            // 如果溢出，则将本次值替换当前有效值，并清计数器
            current_valid_value = current_sample;
            debounce_counter = 0;
        }
    }

    // 返回当前有效值
    return current_valid_value;
}

递推平均滤波法参考加权递推平均滤波法

限幅消抖滤波法参考之前写的限幅滤波与消抖滤波法

方法九：限幅消抖滤波法

方法：相当于“限幅滤波法”+“消抖滤波法”；

先限幅，后消抖。

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。

缺点：对于快速变化的参数不宜。

方法十：递推平均滤波法（又称滑动平均滤波法）

方法：把连续取得的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，

把队列中的N个数据进行算术平均运算，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。

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；

比较浪费RAM。

匿名评论隐私政策

你无需删除空行，直接评论以获取最佳展示效果