function fi = calc_avg(input,len)
% OUT = CALC_AVG(INPUT,LEN)
% calculate the average by each length LEN of the INPUT
% INPUT is the input series or matrix need to be filtered
% LEN is the average filter length, and LEN must be smaller than the input size
% return OUT is the same size series or matrix of input.
[m,n] = size(input)
input = reshape(input,m*n,1)
if len>=m*n
error('the filter length is too large!'高皮)
return
else
input = [inputinput(1:len-1)]
out = []
for i=1:m*n
out(i) = mean(input(i:i+len-1))
end
fi = reshape(out,m,n)
end
1,限制副滤波/ * A值可根据实际情况调整盯知虚值是一个有效的值,NEW_VALUE采样值
过滤程序。返回的实际值* /
定义一个10
char值
炭过??滤器()
{
字符NEW_VALUE
NEW_VALUE get_ad()
((NEW_VALUE - 价值>A)| |(价值 - NEW_VALUE>A)
返回值
回报NEW_VALUE}
2,中位数的滤波方法
/ * N值是根据实际情况调整
排序冒泡法* /
定义N 11
炭过??滤器()
{ BR />字符value_buf [N]
字符数,I,J,温度
(计数= 0数
{
value_buf [计数] = get_ad( )
延迟()
}
为(J = 0
{
(i = 0
{
>(value_buf [I]>value_buf [i +1])
{
TEMP = value_buf [I]
value_buf [I] = value_buf [i +1] value_buf [i +1] =温度
}
}
}
回报率value_buf [(N-1)/ 2]
}
算术平均滤波方法
/ *
* /
定义N 12
炭过??滤器()
{
int总和= 0
为(计数= 0数
{
总和+ = get_ad的()
延迟()
}
回报(字符)(总和/ N)
}
4,交付推动平均滤波法(也被称为移动平均滤波器)
/ *
* /
#定义N 12
字符value_buf [N]
CHAR I = 0
炭过??滤器()
{
字符计数
诠释总和= 0
value_buf [+ +] = get_ad()
(== N)= 0
为(计数= 0数
总和= value_buf第[count]
回报(字符)(总和/ N)
}
5,中位数平均滤波法(也被称为抗脉冲干扰的滤波方法)
>/ *
* /
定义N 12
炭过??滤器()
{
字符数,I,J
字符value_buf [N]
int总和= 0
为(计数= 0数
{
value_buf [计数] = get_ad()
延迟()
>}
(J = 0
{
(i = 0
{
(value_buf [I]>value_buf [+1 ])
{
TEMP = value_buf [I]
value_buf [I] = value_buf [i +1]
value_buf [+1] =温度
>}
}
}
为(计数= 1数
总和+ =值[计数]
回报率(字符)(金额/(N-2 ))
}
6,限幅猛渗平均滤波法
/ *
* /
缩写参考子程序1,3
7,一阶落后过滤器的方法
/ *加快程序假设底座100,A = 0 100 * /
#50
char值
炭过??滤器()
{
字符NEW_VALUE
NEW_VALUE get_ad()
回报(100-A)*值+ A * NEW_VALUE
} <BR / 8,加权平均递归滤波方法
/ * COE阵列加权系数表,有一个程序存储区。* /
定义N 12
字符代码COE [N] = { 1,2,3,4,5,6,7,8,9,10,11,12}
字符代码sum_coe = 1 +2 +3 +4 +5 +6 +7 +8 +9 +10 +11 +12
炭过??滤器()
{
字符value_buf [N]
int总和= 0
(计数= 0时,计算
{
value_buf [计数] = get_ad()
延迟()
}
为(计数= 0,计数 BR />总和+ = value_buf [数量] * COE [计数]
回报(char)的(和/ sum_coe)
}
9,去抖滤波法
定义N 12
炭过??滤器(){
字符数= 0
字符NEW_VALUE
NEW_VALUE get_ad()
而(value! = NEW_VALUE)
{
计数+ +
如果(计数>= N)返回NEW_VALUE
延迟()
NEW_VALUE get_ad()
}
返回值
}
10,限制去抖滤波方法
/ *
* /
略参考子程序1,9
方式限制的方法去抖动滤波器的方法是凯燃等效的限幅滤波“+”消抖滤波方法。“之前的优势去抖乙限的限制”和“反跳”改善一些缺陷去抖滤波的方法,以避免继承的优势到系统C的缺点中的参数的快速变化的干扰值不应该是第11方法IIR数字滤波器的方法,以确定信号的带宽被滤除,Y = a1的* Y第(n-1)+(n)的A2 * Y第(n-2)+ ... +阿克* Y(nk)的+ B0 * X(n)的+ B1 * X(1)+ B2 * X第(n-2)+ ... +浅滩* X(NK)乙优势,高通,低通,带通,带停止任意简约的设计(MATLAB)C大型计算的优缺点
1.限幅滤波算法(程序判断滤波算法)
方法解析:
根据经验判断,确定两次采样允许的最大偏差值(设定为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只差>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:
无法桐携哪抑制那种周期性的干扰,平滑度差
[cpp] view plain copy
#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.中位值滤波法
方法解析:
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局码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
[cpp] view plain copy
#define N 11
char filter()
{
char value_buf[N]
char count,i,j,temp
for ( count=0count<Ncount++)
{
value_buf[count] = get_ad()
delay()
}
for (j=0j<N-1j++)
{
for (i=0i<N-ji++)
{
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]
}
3.算术平均滤波
方法解析:
连续取N个采样值进行平均运算,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12左右。
优点:
适应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并不适用,比较浪费RAM
[cpp] view plain copy
#define N 12
char filter()
{
int sum = 0
for ( count=0count<Ncount++)
{
sum + = get_ad()
delay()
}
return (char)(sum/N)
4.递推隐孝平均滤波(滑动平均滤波法)方法解析:
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)。
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:一般12.
优点:
对周期性干扰有良好的抑制作用,平滑度高,适应于高频振荡的系统
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打的采样值偏差,不适用于脉冲干扰比较严重的场合
浪费RAM
[cpp] view plain copy
#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=0count<N,count++)
sum = value_buf[count]
return (char)(sum/N)
}
5.中位值平均滤波法(防脉冲干扰平均滤波法)
方法解析:
相当于中位值滤波+算术平均滤波,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
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:
测量速度较慢,和算法平均滤波一样,浪费RAM。
[cpp] view plain copy
#define N 12
char filter()
{
char count,i,j
char value_buf[N]
int sum=0,temp=0
for (count=0count<Ncount++)
{
value_buf[count] = get_ad()
delay()
}
for (j=0j<N-1j++)
{
for (i=0i<N-ji++)
{
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=1count<N-1count++)
sum += value[count]
return (char)(sum/(N-2))
}
6一阶滞后滤波法
方法解析:
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
缺点:
相位滞后,灵敏度低,滞后程度取决于a值的大小,不能消除滤波频率高于采样频率的1/2的干扰信号
[cpp] view plain copy
#define a 50
char value
char filter()
{
char new_value
new_value = get_ad()
return (100-a)*value + a*new_value
}
7.加权递推平均滤波法
方法解析:
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。
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
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,不能迅速反应系统当前所受干扰的严重程度,滤波效果差。
[cpp] view plain copy
#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<Ncount++)
{
value_buf[count] = get_ad()
delay()
}
for (count=0,count<Ncount++)
sum += value_buf[count]*coe[count]
return (char)(sum/sum_coe)
}
8.消抖滤波法
方法解析:
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
[cpp] view plain copy
#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.低通数字滤波
解析:
低通滤波也称一阶滞后滤波,方法是第N次采样后滤波结果输出值是(1-a)乘第N次采样值加a乘上次滤波结果输出值。可见a<<1。
该方法适用于变化过程比较慢的参数的滤波的C程序函数如下:
[cpp] view plain copy
float low_filter(float low_buf[])
{
float sample_value
float X=0.01
sample_value=(1_X)*low_buf[1]+X*low buf[0]
retrun(sample_value)
}
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)