传感器数据滤波算法

嵌入式应用中，系统获取的传感器数据通常不能够直接供应用使用（存在噪声干扰：低频噪声或高频噪声），一般通过一种或者多种滤波算法结合，对原始数据进行滤波处理，在保证滤波后数据实时性要求的前提下（过度的数据滤波可能会影响系统的实时响应），获取相对稳定无噪声的数据用于实际的应用系统。

滤除噪声数据，最常见的方法是使用平均滤波：多次数据相加求和。但不同的滤波算法有着不同的特性，适用于不同的应用场景，根据应用特性，需要选择合适的滤波算法及其组合方式。

1、限幅滤波

限幅滤波算法，通常用于滤除原始数据中的异常数据，或系统认为的异常数据。限幅滤波算法，最直接的效果是减小滤波后输出数据的最大差值。代码实现如下：

int32_t FiflerLimiting(int32_t x, uint32_t liming)
{
	if (x > 0)
	{
		if (x > liming)
		{
			return liming;
		}	
	}
	else
	{
		if (x < -liming)
		{
			return -liming;
		}
	}
	return x;
}

2、平均滤波

平均滤波，取一定数量的原始数据，进行累加后取平均，从而获取较稳定的输出数据，主要滤除原始数据中的高频噪声。代码实现如下：

int32_t FilterAverage(const int32_t *x, int32_t n)
{
    int32_t i, sum = 0;
    
    for (i = 0; i < n; i++)
    {
        sum += *x++;
    }
    
    return (int32_t)((float)sum / n + 0.5);
}

3、中值滤波

中值滤波，在一组数据中（通常长度为奇数），挑出中间值作为滤波后数据输出。与限幅滤波相似，中值滤波可以减小滤波后输出数据的最大差值。与限幅滤波不同的是：限幅滤波只能使用设定的绝对值减小输出值最大偏差，而中值滤波是根据原始数据的变换，动态的滤除输出数据的最大偏差。

int32_t FilterMedian(const int32_t *x, int32_t n)
{
    int32_t count, i, j;
	uint32_t flag = 0;
	int32_t result = 0;

	for (count = 0; count < (n / 2 + 1); count++)
	{
		for (i = 0; i < n; i++)
		{
			if ((flag & (0x1 << i)) != 0)
			{
				continue;
			}

			for (j = 0; j < n; j++)
			{
				if ((flag & (0x1 << j)) != 0)
				{
					continue;
				}

				if (x[i] > x[j])
				{
					break;
				}
			}

			if (j == n)
			{
				flag |= 0x1 << i;
				result = x[i];
				break;
			}
		}
	}
	return result;
}

注：该函数希望不对输入数据的顺序及参数做任何调整，因此使用查找最小值的方法，依次查到最小值直到查找到中间值。

*滑动滤波

对于平均滤波和中值滤波，需要选取一组数据进行处理后输出一个有效数据，对应用系统来说，获取一个有效数据的时间讲大大加长。而滑动滤波，将连续的原始数据存放在队列，新增数据从队列尾加入，旧数据从队列尾移除，从而实现每一个原始数据，都可以滤波处理获取一个有效数据。滑动方式的平均滤波和中值滤波，又称滑动平均滤波和滑动中值滤波。
滑动滤波算法实现时，可以使用环形数据直接覆盖旧数据的形式实现，不需要移动数据。

#define LENGTH

uint8_t buffer;
uint32_t index = 0;

void NewData(uint8_t data)
{
	buffer[index++] = data;
	index %= LENGTH;
}

4、IIR滤波

IIR滤波的理论原理就不展开了，IIR滤波主要滤掉原始数据中的毛刺噪声数据。需要注意的是，IIR滤波的输出参考了上次滤波数据，因此IIR的滤波阶数越高，滤掉毛刺噪声的能力越强，但对应的数据实时性会变差。代码实现如下：

int32_t FilterIIR(int32_t x, int32_t oldy, int32_t k)
{
    int32_t result;
    
    result = (float)(x + (k - 1) * oldy) / k + 0.5;
    
    return result;
}

5、抖动滤波

在原始数据处于微小抖动了，为了实现滤波数据跟随，同时又不受微小抖动而波动，通常会实现抖动滤波。抖动滤波简单的说，就是当前依次原始数据，与上次滤波后的数据的差值，超过某一限定，才调整滤波输出数据，从而滤波原始数据中存在的微小抖动信号。
抖动滤波一般放在其他滤波方法之后使用，进一步稳定滤波后的数据。代码实现如下：

int32_t FilterJitter(int32_t x, int32_t oldy, int32_t threshold)
{
    int32_t result;
    
    result = x - oldy;
    if (result >= threshold)
    {
        return x - threshold;
    }
    else if (result <= -threshold)
    {
        return x + threshold;
    }
    
    return oldy;
}