單片機軟件濾波的幾種方法

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

11、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

11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 sum = value_buf[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 sum += value[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 sum += value_buf[count]*coe[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;
}
　
//------------------------------------------------------------------------------