几种常用的滤波算法

`

几种常用的滤波算法

在嵌入式开发中经常会用到一些滤波算法，我整理了一些资料把这些算法封装成可以直接调用的函数，方便以后的开发，包括限幅滤波、中位值滤波法、 算术平均滤波法、一阶滞后滤波法、加权递推平均滤波法、消抖滤波法 ，其他的一些包括卡尔曼滤波什么的之后有机会再整理

#include "filter.h"



/*
限幅滤波

　　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 DEVIATION  10

float limit_filter(float new_value)
{
    static float value = 20.0;  //需要赋一个初值
    if ( ( new_value - value > DEVIATION ) || ( value - new_value > DEVIATION ))
        return value;
    return new_value;
}


/*
中位值滤波法

　　A方法： 取之前采样的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。

    排序采用冒泡法 只需要移动最后一个元素即可

*/
#define MIDDLE_FILTER_N  11

float middle_filter( float new_value)
{
    static float value_buf[MIDDLE_FILTER_N];
    float temp ;
    uint8_t count, i;
    for ( count = 0; count < MIDDLE_FILTER_N - 1; count++)
    {
        value_buf[count] = value_buf[count + 1] ;
    }
    value_buf[MIDDLE_FILTER_N - 1] = new_value;

    for (i = MIDDLE_FILTER_N; i > 0 ; 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];
}


/*
   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 。

   无需每次求一编所有的和，减去第一个数据加上新数据

*/

#define AVERAGE_N 12

float average_filter(float new_value)
{
    static float average_value_buf[AVERAGE_N];
    static  float average_sum = 0;
    uint8_t count;
    average_sum -= average_value_buf[0];
    for ( count = 0; count < AVERAGE_N - 1; count++)
    {
        average_value_buf[count] = average_value_buf[count + 1] ;
    }
    average_value_buf[AVERAGE_N - 1] = new_value;
    average_sum += average_value_buf[11];

    return (average_sum /(AVERAGE_N * 1.0) );
}



/*
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
*/

#define FIRST_LAG_PROPORTION 0.4

float first_order_lag_filter( float new_value)
{
    static float first_order_value , first_order_last_value;
    first_order_value = first_order_last_value;
    first_order_last_value = new_value;
    return (1 - FIRST_LAG_PROPORTION) * first_order_value + FIRST_LAG_PROPORTION * new_value;
}


/*
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，越接近现时刻的资料，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。
*/

#define WEIGHT_AVERAGE_N 12



uint8_t  coe[WEIGHT_AVERAGE_N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12};
uint8_t  sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12;

float weighted_filter(float new_value)
{
    static float weight_average_buf[WEIGHT_AVERAGE_N];
    uint8_t count;
    float  sum = 0;
    for ( count = 0; count < AVERAGE_N - 1  ; count++)
    {
        weight_average_buf[count] = weight_average_buf[count+ 1] ;
    }
    weight_average_buf[AVERAGE_N - 1] = new_value;

    for (count = 0 ; count < WEIGHT_AVERAGE_N; count++)
        sum += weight_average_buf[count] * coe[count];
    return (sum / (sum_coe * 1.0));
}

/*
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。
*/

#define SHAKE_N 12

float shake_filter( float new_value , float now_value)
{
    static uint8_t count = 0;
    if(now_value != new_value)
    {
        count++;
        if (count >= SHAKE_N)
        {
            count = 0;
            return new_value;
        }
    }
    return now_value;
}