2.在原理图界面，【DG】》【Filter】，d出滤波器选择窗口，点击第一项
d出新的滤波器设计窗口
2.单击
在刚建立的原理图元件库d出
3.选择双端口低通滤波器，添加到原理图中，按esc结束
4.回到滤波器设计向导， *** 作如图
5.选择Filter Assistant，如图
6.响应类型
7.设置如图，刷新后响应曲线如图
8.点击【Design】，系统自动生成集总参数滤波器
9.返回原理图，双击滤波器模型，查看参数
10.单击【CO】，选中【SA】，勾选【Display...】，结果如图
11.查看子电路，选中滤波器模型，单击如图，子电路如图
12.回到设计向导，单击【SA】，起始步长设置如图，单击Simulate仿真
14.至此，一个集总参数低通滤波器设计完成近用mega8做一个AD转换，一开始滤波马马虎虎带过，结果数据跳的不行
最后还得做滤波：1.硬件滤波2.软件滤波
硬件————————
采样口到AD口之间要加滤波电路，最简单的RC滤波也可，串个1K的电阻，下拉一个30pF的电容，有条件的可以做有源的，加个电压跟随。AVCC口一定要串10mH的电感，最好是扼流圈，直流电阻要小！再接100nF的电容到地。总之，这块一定要按datasheet来做。
对了，绝对不要用内部基准！不准。
为了减小数字电路部分对AD的噪声，两路电路一点共地，这很重要。
软件—————————
软件滤波的方法很多，以下方法来自匠人！
1、限幅滤波法（又称程序判断滤波法）
A、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
B、优点：
能有效克服因偶然因素引起的脉冲干扰
C、缺点
无法抑制那种周期性的干扰
平滑度差
/*A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 A 10
char value
charfilter()
{
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
A、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
B、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
C、缺点：
对流量、速度等快速变化的参数不宜
/*N值可根据实际情况调整
排序采用冒泡法*/
#define N 11
charfilter()
{
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、算术平均滤波法
A、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
B、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
C、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
#defineN 12
charfilter()
{
int sum = 0
for (count=0count<Ncount++)
{
sum + = get_ad()
delay()
}
return (char)(sum/N)
}
4、递推平均滤波法（又称滑动平均滤波法）
A、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
B、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
C、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
#defineN 12
charvalue_buf[N]
char i=0
charfilter()
{
char count
intsum=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（又称防脉冲干扰平均滤波法）
A、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
B、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
C、缺点：
测量速度较慢，和算术平均滤波法一样
比较浪费RAM
#defineN 12
charfilter()
{
char count,i,j
charvalue_buf[N]
int sum=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、限幅平均滤波法
A、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
B、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
C、缺点：
比较浪费RAM
/*
*/
略参考子程序1、3
7、一阶滞后滤波法
A、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
B、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
C、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假定基数为100，a=0~100*/
#definea 50
char value
charfilter()
{
char new_value
new_value = get_ad()
return (100-a)*value +a*new_value
}
8、加权递推平均滤波法
A、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
B、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
C、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
/*coe数组为加权系数表，存在程序存储区。*/
#defineN 12
charcode 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
charfilter()
{
char count
charvalue_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)
}
9、消抖滤波法
A、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
B、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
C、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
#defineN 12
charfilter()
{
char count=0
charnew_value
new_value = get_ad()
while (value !=new_value)
{
count++
if (count>=N) return new_value
delay()
new_value = get_ad()
}
return value
}
10、限幅消抖滤波法
A、方法：
相当于“限幅滤波法”+“消抖滤波法”
先限幅,后消抖
B、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
C、缺点：
对于快速变化的参数不宜
市电电压的频率为50Hz，它会以电磁波的辐射形式，对人们的日常生活造成干扰，对电气设备和电子设备造成干扰，导致设备运行异常。解决方法：
1、限幅滤波法（又称程序判断滤波法）
A、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。
B、优点：
能有效克服因偶然因素引起的脉冲干扰。
C、缺点
无法抑制那种周期性的干扰。
平滑度差。
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
微信扫一扫
支付宝扫一扫
评论列表（0条）