在AD采集中经常要用到数字滤波,而不同情况下又有不同的滤波需求,下面是10种经典的软件滤波方法的程序和优缺点分析:
1、限幅滤波法(又称程序判断滤波法)
2、中位值滤波法
3、算术平均滤波法
4、递推平均滤波法(又称滑动平均滤波法)
5、中位值平均滤波法(又称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
1、限副滤波
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
程序:
/* 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;
else
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
程序:
/* N值可根据实际情况调整
排序采用冒泡法*/
#define N 11
char filter()
{
charvalue_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-1;i++)
{
if ( value_buf》value_buf[i+1] )
{
temp =value_buf;
value_buf = value_buf[i+1];
value_buf[i+1] = temp;
}
}
}
returnvalue_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
程序:
#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) (FIR前身)
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
程序:
#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);
}
#p#副标题#e#
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
程序:
#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-1;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
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
程序略 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
程序:
/* 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 + 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
程序:
/* 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
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
程序:
#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
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
程序略 参考子程序1、9
首先俺不得不说,下面俺给出的方法可以帮楼主剔除AD采样的异常子数据,但是慎用!数值稳定性是一个很复杂的东西,这个方法不能100%保证情况改善,原因有下:
楼主已经在程序里做了10次弃极值平均,这个算法非常厉害,但是仍出现了大幅波动,因此俺觉得,楼主的采样数据中应该存在多个异常值。就这一点而言,楼主是否更应该关注一下这些异常值的产生?异常值的出现是多方面的,比如ADC本身?程序问题?硬件设计问题?接触不良?电源自身的问题?建议楼主用电池、线性电源之类的采集几次试试,仔细检查检查程序有没有啥异常。硬件上ADC这玩意出问题也比较多,但是楼主用的这个ADC他不是闪速ADC(Flash ADC),出现真正意义上的闪码(Flash Code)几乎是不可能的,而硬件上出问题的概率似乎也不是很大。
因此,随便来个滤波,剃坏值貌似是不严谨,而且不负责任做法。
抛开上述问题不谈,对于某一两个坏值,这个方法还是挺好用的。
剔除坏值的方法有很多,肖维勒准则,格拉布斯准则都是可以的,当然还有其他方法。肖维勒准则对于n<10的情况处理还是不错的,而格拉布斯准则处理n>20效果较好,对于楼主的程序,不妨采用前者。
肖维勒准则说:|Vi|>|Xn-X平均|σZc,就是残差Vi的绝对值如果 大于 单次采样值与采样平均值之差绝对值的方差乘以Zc倍,那么该值为坏值。Zc可以通过查表得到,n为数据个数,大概如下
n=3 Zc=1.38 4 1.54 5 1.65 6 1.73 7 1.80 8 1.86 9 1.92 10 1.96 11 2.00 12 2.03 13 2.07 14 2.10 15 2.13
至于格拉布斯准则,楼主可以自己了解一下。
在剔除坏值以后再求平均,效果较好,楼主可以写个程序试试。
俺还是坚持上面的看法,不检查出坏值产生的原因,啥滤波剃坏值都是不太好的,虽然最后出来的东西可能比较好看。俺看楼主的单片机有4K的程序空间,不如用打log的方式,写个串口通讯吧每一次采样值都发到上位机上,看看数据情况,以便分析。
最后,祝楼主早日解决问题,做个高高高高高高精度的电压电流表!楼主的视频做的也非常好!
1.ADC配置 |