5.4 常用滤波算法

代码

filter.c

#include <stdio.h>
#include "stm32f429xx.h"
#include <string.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 int num = 0;static float value = 0;  //需要赋一个初值num ++;if(num == 1)value = new_value;if ( ( new_value - value > DEVIATION ) || ( value - new_value > DEVIATION )){return value;}else{	value = new_value;return new_value;}
}int limit_filter_test(void)
{int  i = 0;float result[20];int a[20] = {15,11,65536,13,16,18,21,100,25,25,31,35,120,38,9,46,50,58,68,5};for(i = 0; i < 20; i++){result[i] = limit_filter(a[i]);//printf("result:%f \n", result);}return 0;
}////*
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  3float middle_filter( float new_value)
{static int mid_filter_count;static float value_buf[MIDDLE_FILTER_N];float temp_buff[MIDDLE_FILTER_N];float temp ;unsigned char count, i;mid_filter_count++;//记录数据for ( count = 0; count < MIDDLE_FILTER_N - 1; count++){value_buf[count] = value_buf[count + 1] ;}value_buf[MIDDLE_FILTER_N - 1] = new_value;__nop();//复制数据for(i=0;i<MIDDLE_FILTER_N;i++){temp_buff[i] = value_buf[i];}//冒泡法排序for(char  k=0;k<MIDDLE_FILTER_N-1;k++)  {		for(char  j=0;j<MIDDLE_FILTER_N-1-k;j++){if(temp_buff[j]>temp_buff[j+1]){temp=temp_buff[j];temp_buff[j]=temp_buff[j+1];temp_buff[j+1]=temp;}}}if(mid_filter_count < MIDDLE_FILTER_N)return new_value;elsereturn temp_buff[(MIDDLE_FILTER_N - 1) / 2];		
}int middle_filter_test(void)
{int  i = 0;float result[20];int a[20] = {15,11,65536,13,16,18,21,100,25,25,31,35,120,38,9,46,50,58,68,5};for(i = 0; i < 20; i++){result[i] = middle_filter(a[i]);//printf("result:%f \n", result);}return 0;
}//
/*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 5
float average_filter(float new_value)
{static float value_buf[AVERAGE_N];float average_sum = 0;unsigned char count;//记录数据for ( count = 0; count < AVERAGE_N - 1; count++){value_buf[count] = value_buf[count + 1] ;}value_buf[AVERAGE_N - 1] = new_value;__nop();//复制数据for(uint8_t i=0;i<AVERAGE_N;i++){average_sum += value_buf[i];}return (average_sum /(AVERAGE_N * 1.0) );
}int average_filter_test(void)
{int  i = 0;float result[20];int a[20] = {15,11,65536,13,16,18,21,100,25,25,31,35,120,38,9,46,50,58,68,5};for(i = 0; i < 20; i++){result[i] = average_filter(a[i]);//printf("result:%f \n", result);}return 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。alpha=0~1
//公式：	Y(n)=a*X(n)+(1-a)*Y(n-1)整理后得：Y(n)=Y(n-1)+a*(X(n)-Y(n-1))
*/#define 	alpha  0.05
float low_pass_filter(float value)	
{	static float out_last = 0; //上一次滤波值	float out;	out = out_last + alpha*(value - out_last);	out_last = out;	return out;	
}
int low_pass_filter_test(void)
{int  i = 0;float result[10];int a[10] = {15,11,65,13,31,15,16,17,68,15};for(i = 0; i < 20; i++){result[i] = low_pass_filter(a[i]);//printf("result:%f \n", result);}return 0;
}///
#include <stdio.h>
#include <stdint.h>
/*
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 3 //12uint8_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;//记录数据for ( count = 0; count < WEIGHT_AVERAGE_N - 1  ; count++){weight_average_buf[count] = weight_average_buf[count+ 1] ;}weight_average_buf[WEIGHT_AVERAGE_N - 1] = new_value;__nop();for (count = 0 ; count < WEIGHT_AVERAGE_N; count++)sum += weight_average_buf[count] * coe[count];return (sum / (sum_coe * 1.0));
}int weighted_filter_test(void)
{int  i = 0;float result[10] ;int a[10] = {15,11,25,13,31,15,16,17,68,15};for(i = 0; i < 10; i++){result[i] = weighted_filter(a[i]);//printf("result:%f \n", result);}return 0;
}///
#include <stdio.h>
#include <stdint.h>/*
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 3//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;
}int shake_filter_test()
{int  i = 0;float result[10]={0};int a[10] = {15,11,255,13,31,15,16,17,68,15};for(i = 0; i < 9; i++){result[i] = shake_filter(a[0],a[i+1]);//printf("result:%f \n", result);}return 0;
}

filter.h

#ifndef  _FILTER_H_
#define  _FILTER_H_
int limit_filter_test(void); 		//限幅滤波
int middle_filter_test(void);		//中值滤波
int average_filter_test(void);	//平均值滤波
int low_pass_filter_test(void);	//一阶低通滤波
int weighted_filter_test(void);	//加权递推平均滤波法
int shake_filter_test(void);		//消抖滤波法
#endif