十一种软件滤波算法的原理和比较（带源码）--转载
作者：互联网
1、限幅滤波法（程序判断滤波法）
2、中位值滤波法
3、算术平均滤波法
4、递推平均滤波法（滑动平均滤波法）
5、中位值平均滤波法（防脉冲干扰平均滤波法）
6、限幅平均滤波法
7、一阶滞后滤波法
8、加权递推平均滤波法
9、消抖滤波法
10、限幅消抖滤波法
| 滤波方式 | 方法 | 优点 | 缺点 | 复杂度 |
|---|---|---|---|---|
| 限幅滤波法 | 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 | 能有效克服因偶然因素引起的脉冲干扰 | 无法抑制周期性干扰，平滑度差 | 尚未计算 |
| 中位值滤波法 | 连续采样N次（N取奇数），把N次采样值按大小排列，取中间值作为本次有效值 | 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 | 对流量、速度等快速变化的参数不适宜 | |
| 算术平均滤波法 | 连续采样N个值进行算术平均计算；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，但灵敏度高；N值的选取：一般流量，N = 12；压力：N= 4 | 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 | 对于测量速度较慢或要求数据计算速度较快的试试控制不适用，比较浪费RAM | |
| 递推平均滤波法 | 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）；把队列中的N个数据进行算术平均计算，就可得到新的滤波结果；N值得选取：流量：N = 12；压力：N = 4；液面：N = 4-12；温度：N = 1-4 | 对周期性干扰有良好的抑制作用，平滑度高，适用于高频震荡的系统 | 灵敏度低，对偶然出现的脉冲式干扰的抑制作用较差，不易消除由于脉冲干扰引起的采样值偏差，不适用于脉冲干扰比较严重的场合，比较浪费RAM | |
| 中位值平均滤波法 | 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 = 3-14 | 融合了两种滤波的优点，可消除对于偶然出现的脉冲性滤波干扰 所引起的采样值偏差 | 测量速度较慢，和算术平均值滤波一样，比较浪费RAM | |
| 限幅平均滤波法 | 相当于“限幅两部分 + 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 | 融合了两种滤波的优点，可消除对于偶然出现的脉冲性滤波干扰 所引起的采样值偏差 | 比较浪费RAM | |
| 一阶滞后滤波法 | 取a = 0-1，（1-a）本次采样值+a上次滤波结果 | 对于周期性干扰有良好的抑制作用，适用于波动频率较高的场合 | 相位滞后，灵敏度低，滞后程度取决于a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 | |
| 加权递推平均滤波法 | 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 | 适用于有较大纯滞后时间常数的系统 | 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 | |
| 消抖滤波法 | 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 | 对于变化缓慢的被测参数由较好的滤波效果，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 | 对于快速变化的参数不适宜，如果在计数器溢出的那一次采样值恰好是干扰值，则会将干扰值当做有效值导入系统 | |
| 限幅消抖滤波法 | 相当于“限幅滤波法 + 消抖滤波法” ，先限幅，后消抖 | 继承了限幅和消抖的优点，改进了消抖滤波法中的缺陷，避免将干扰值导入系统 | 不适合快速变化的参数 | |
| 巴特沃斯滤波法 | 适用于ad采样，会出现周期性的脉冲波动 | 占用过多的RAM，计算时间较长，不适宜快速变化的参数 |
1、限副滤波
/* 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;
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
/* N值可根据实际情况调整
排序采用冒泡法*/
define N 11
char filter()
{
char value_buf[N];
char count,i,j,temp;
for ( count=0;count<N;count++)
{
value_buf[count] = get_ad();
delay();
}
for (j=0;j<N-1;j++)
{
for (i=0;i<N-j;i++)
{
if ( value_buf>value_buf[i+1] )
{
temp = value_buf;
value_buf = value_buf[i+1];
value_buf[i+1] = temp;
}
}
}
return value_buf[(N-1)/2];
}
3、算术平均滤波法
/*
*/
define N 12
char filter()
{
int sum = 0;
for ( count=0;count<N;count++)
{
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）
/*
*/
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=0;count<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）
/*
*/
define N 12
char filter()
{
char count,i,j;
char value_buf[N];
int sum=0;
for (count=0;count<N;count++)
{
value_buf[count] = get_ad();
delay();
}
for (j=0;j<N-1;j++)
{
for (i=0;i<N-j;i++)
{
if ( value_buf>value_buf[i+1] )
{
temp = value_buf;
value_buf = value_buf[i+1];
value_buf[i+1] = temp;
}
}
}
for(count=1;count<N-1;count++)
sum += value[count];
return (char)(sum/(N-2));
}
6、限幅平均滤波法
/*
*/
略 参考子程序1、3
7、一阶滞后滤波法
/* 为加快程序处理速度假定基数为100，a=0~100 */
define a 50
char value;
char filter()
{
char new_value;
new_value = get_ad();
return (100-a)value + anew_value;
}
8、加权递推平均滤波法
/* coe数组为加权系数表，存在程序存储区。*/
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<N;count++)
{
value_buf[count] = get_ad();
delay();
}
for (count=0,count<N;count++)
sum += value_buf[count]*coe[count];
return (char)(sum/sum_coe);
}
9、消抖滤波法
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、限幅消抖滤波法
/*
*/
略 参考子程序1、9
标签：count,采样,十一种,滤波,value,char,源码,buf 来源： https://www.cnblogs.com/tyutwanglei/p/12821494.html