常用10种软件滤波方法

介绍了常用10种软件滤波方法，对每种方法的实现原理、方法、优缺点、适用范围等方面分别做了详细的介绍，供大家参考。

常用滤波方法

• 限幅滤波法
  • 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
  • 优点： 能有效克服因偶然因素引起的脉冲干扰
  • 缺点： 无法抑制那种周期性的干扰 平滑度差
• 中值滤波法
  • 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
  • 优点: 能有效克服因偶然因素引起的波动干扰 对温度、液位等变化缓慢的被测参数有良好的滤波效果
  • 缺点: 对流量、速度等快速变化的参数不宜
• 算术平均滤波法
  • 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
  • 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
  • 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
• 递推平均滤波法
  • 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
  • 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
  • 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
• 中位值平均滤波法
  • 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
  • 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
  • 缺点: 测量速度较慢,和算术平均滤波法一样 比较浪费RAM
• 限幅消抖滤波法
  • 方法: 相当于“限幅滤波法”+“消抖滤波法” 先限幅,后消抖
  • 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
  • 缺点: 对于快速变化的参数不宜
• 消抖滤波法
  • 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
  • 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
• 加权递推平均滤波法
  • 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
  • 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
  • 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
• 一阶滞后滤波
  • 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
  • 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
  • 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
• 限幅平均滤波法
  • 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
  • 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
  • 缺点: 比较浪费RAM