11種常見的AD濾波算法

第 1 種方法 限幅濾波法（又稱程式判斷濾波法）

A 方法

根據經驗判斷，确定兩次采樣允許的最大偏內插補點（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幹擾

C 缺點

無法抑制那種周期性的幹擾平滑度差

D 執行個體程式

1: /* A 值可根據實際情況調整value 為有效值，new_value 為目前采樣值濾波程式傳回有效的實際值 */      

2: #define A 10      

3: char value;      

4: char filter()      

5: {      

6:     char new_value;      

7:     new_value = get_ad();      

8:     if ( ( new_value - value > A ) || ( value - new_value > A )      

9:         return value;      

10:     return new_value;      

11: }      

第2種方法 中位值濾波法

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

能有效克服因偶然因素引起的波動幹擾對溫度、液位的變化緩慢的被測參數有良好的濾波效果

對流量、速度等快速變化的參數不宜

1: /* N 值可根據實際情況調整排序采用冒泡法*/      

2: #define N 11      

3: char filter()      

4: {      

5:     char value_buf[N];      

6:     char count,i,j,temp;      

7:     for ( count="0";count<N;count++)      

8:     {      

9:         value_buf[count] = get_ad();      

10:         delay();      

11:     }      

12:     for (j=0;j<N-1;j++)      

13:     {      

14:         for (i=0;i<N-j;i++)      

15:         {      

16:             if ( value_buf>value_buf[i+1] )      

17:             {      

18:                 temp = value_buf;      

19:                 value_buf = value_buf[i+1];      

20:                 value_buf[i+1] = temp;      

21:             }      

22:         }      

23:     }      

24:      

25:     return value_buf[(N-1)/2];      

26: }      

第3種方法 算術平均濾波法

連續取 N 個采樣值進行算術平均運算 N 值較大時：信号平滑度較高，但靈敏度較低 N 值較小時：信号平

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

适用于對一般具有随機幹擾的信号進行濾波這樣信号的特點是有一個平均值，信号在某一數值範圍附近上

下波動

對于測量速度較慢或要求資料計算速度較快的實時控制不适用比較浪費 RAM

1: #define N 12      

2: char filter()      

3: {      

4:     int sum = 0;      

5:     for ( count="0";count<N;count++)      

6:     {      

7:         sum + = get_ad();      

8:         delay();      

9:     }      

10:     return (char)(sum/N);      

11: }      

第4種方法 遞推平均濾波法（又稱滑動平均濾波法）

把連續取 N 個采樣值看成一個隊列隊列的長度固定為 N 每次采樣到一個新資料放入隊尾,并扔掉原來隊首

的一次資料.(先進先出原則)把隊列中的 N 個資料進行算術平均運算,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

對周期性幹擾有良好的抑制作用，平滑度高适用于高頻振蕩的系統

靈敏度低對偶然出現的脈沖性幹擾的抑制作用較差不易消除由于脈沖幹擾所引起的采樣值偏差不适用于

脈沖幹擾比較嚴重的場合比較浪費 RAM

1: #define N 12      

2: char value_buf[N];      

3: char i="0";      

4: char filter()      

5: {      

6:     char count;      

7:     int sum=0;      

8:      

9:     value_buf[i++] = get_ad();      

10:      

11:     if ( i == N ) i = 0;      

12:      

13:     for ( count="0";count<N,count++)      

14:         sum = value_buf[count];      

15:      

16:     return (char)(sum/N);      

17: }      

第5種方法 中位值平均濾波法（又稱防脈沖幹擾平均濾波法）

相當于“中位值濾波法”+“算術平均濾波法”連續采樣 N 個資料，去掉一個最大值和一個最小值然後計

算 N-2 個資料的算術平均值 N 值的選取：3~14

融合了兩種濾波法的優點對于偶然出現的脈沖性幹擾，可消除由于脈沖幹擾所引起的采樣值偏差

測量速度較慢，和算術平均濾波法一樣比較浪費 RAM

1: #define N 12      

2: char filter()      

3: {      

4:     char count,i,j;      

5:     char value_buf[N];      

6:     int sum=0;      

7:      

8:     for (count=0;count<N;count++)      

9:     {      

10:         value_buf[count] = get_ad();      

11:         delay();      

12:     }      

13:      

14:     for (j=0;j<N-1;j++)      

15:     {      

16:         for (i=0;i<N-j;i++)      

17:         {      

18:             if ( value_buf>value_buf[i+1] )      

19:             {      

20:                 temp = value_buf;      

21:                 value_buf = value_buf[i+1];      

22:                 value_buf[i+1] = temp;      

23:             }      

24:         }      

25:     }      

26:      

27:     for(count=1;count<N-1;count++)      

28:         sum += value[count];      

29:      

30:     return (char)(sum/(N-2));      

31: }      

第6種方法 限幅平均濾波法

相當于“限幅濾波法”+“遞推平均濾波法” 每次采樣到的新資料先進行限幅處理

再送入隊列進行遞推平均濾波處理

融合了兩種濾波法的優點

對于偶然出現的脈沖性幹擾，可消除由于脈沖幹擾所引起的采樣值偏差

比較浪費 RAM

略 參考子程式限幅濾波法和算術平均濾波法

第 7 種方法 一階滞後濾波法

取 a=0~1 本次濾波結果=（1-a）*本次采樣值+a*上次濾波結果

對周期性幹擾具有良好的抑制作用适用于波動頻率較高的場合

相位滞後，靈敏度低滞後程度取決于 a 值大小不能消除濾波頻率高于采樣頻率的 1/2 的幹擾信号

1: /* 為加快程式處理速度假定基數為 100，a=0~100 */      

2: #define a 50      

3: char value;      

4: char filter()      

5: {      

6:     char new_value;      

7:     new_value = get_ad();      

8:      

9:     return (100-a)*value + a*new_value;      

10: }      

第8種方法 權重遞推平均濾波法

是對遞推平均濾波法的改進，即不同時刻的資料加以不同的權通常是，越接近現時刻的資料，權取得越大

給予新采樣值的權系數越大，則靈敏度越高，但信号平滑度越低

适用于有較大純滞後時間常數的對象和采樣周期較短的系統

對于純滞後時間常數較小，采樣周期較長，變化緩慢的信号不能迅速反應系統目前所受幹擾的嚴重程度，

濾波效果差

1: /* coe 數組為權重系數表，存在程式存儲區。*/      

2: #define N 12      

3: char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12};      

4: char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12;      

5: char filter()      

6: {      

7:     char count;      

8:     char value_buf[N];      

9:     int sum=0;      

10:     for (count=0,count<N;count++)      

11:     {      

12:         value_buf[count] = get_ad();      

13:         delay();      

14:     }      

15:     for (count=0,count<N;count++)      

16:         sum += value_buf[count]*coe[count];      

17:      

18:     return (char)(sum/sum_coe);      

19: }      

第9種方法 消抖濾波法

設定一個濾波計數器将每次采樣值與目前有效值比較：如果采樣值＝目前有效值，則計數器清零如果采樣

值<>目前有效值，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,則将本次值替換目前有

效值,并清計數器

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複開/關跳動或顯示器上數值

抖動

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幹擾值,則會将幹擾值當作有效值

導入系統

1: #define N 12      

2: char filter()      

3: {      

4:     char count="0";      

5:     char new_value;      

6:     new_value = get_ad();      

7:     while (value !=new_value);      

8:     {      

9:         count++;      

10:         if (count>=N) return new_value;      

11:             delay();      

12:         new_value = get_ad();      

13:     }      

14:     return value;      

15: }      

第10種方法 限幅消抖濾波法

相當于“限幅濾波法”+“消抖濾波法”先限幅後消抖

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,避免将幹擾值導入系統

對于快速變化的參數不宜

略 參考子程式第 1 種方法 限幅濾波法（又稱程式判斷濾波法）和第 9 種方法 消抖濾波法

第 11 種方法 IIR

數字濾波器

确定信号帶寬，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)

高通，低通，帶通，帶阻任意。設計簡單(用 matlab）

運算量大

1: #define N 3      

2: char value;      

3: char filter()      

4: {      

5:     char new_value;      

6:     new_value = get_ad();      

7:     value = value + (new_value - value)/N;      

8:     return value;      

9: }      

這個程式的意思是把臨近兩個的變化減小至 1／N