当前位置: 首页 > news >正文

一种ADC采样算法,中位值平均滤波+递推平均滤波

前言

在实际AD采集场景中,会出现周期性变化和偶然脉冲波动干扰对AD采集的影响

这里使用中位值平均滤波+递推平均滤波的结合

参考前人写好的代码框架,也参考博主GuYH_下面这篇博客,在此基础上稍作修改,写出这篇博客,能应用于实际项目。常用ADC采样数字滤波算法最全汇总!!!【❤️建议收藏❤️】_adc滤波算法_GuYH_的博客-CSDN博客

以后有机会,搞个上位机对比几种算法的优劣。

有纰漏请指出,转载请说明。

学习交流请发邮件 1280253714@qq.com

算法讲解

中位值滤波:采样10次,去掉最大和最小的值,求和再除8,对脉冲波有抑制作用。

递推平均滤波: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。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。

优点:适用于周期性变化和偶然脉冲波动干扰的AD采集。

缺点:灵敏度低;对偶然出现的脉冲性干扰的抑制作用较差,不适于脉冲干扰较严重的场合。

代码

因为项目用的是比51还low的单片机,所以不能进行太高频的AD采样,否则会大量占用CPU;采样次数也不能设置太高,否则占用大量RAM空间。

每10ms进行一次中位值滤波

每100ms进行一次递推平均滤波

adc.h

#ifndef __ADC_H
#define	__ADC_H#include "sys.h"#define AD_Channel_Num  4 	// ADC的通道数
#define AD_Sample_Num   4 	// 采样次数void AdcInit(void);
u16 ADC_Sample(u8 adch);
void AdcLoopTask(void);typedef struct {u16 V_Chip_0V6;u16 V_Bat;u16 V_In;u16 I_Cur;u8  sampleCnt;                      //采样计数u8  bSampleInit;					// 去除前几次的采样值的标志位,0为去除,1为开始滤波u8  u8ArraryIndex;					// 当前采样的索引			u16 u16SampleValue[AD_Channel_Num];	// 规则转换时DMA搬运的目标数组u16 u16ValueSum[AD_Channel_Num];	// ADC采样值的总和u16	u16Value[AD_Channel_Num];		// 平均滤波后的AD值	
} ADC_S;extern ADC_S stAdc;#endif	//__ADC_H

adc.c

#include "sys.h"ADC_S stAdc;
/********************************************
*	@函数名	AdcInit
*	@描述	ADC循环任务
*	@参数	无
*	@返回值	无
*	@注意	无
********************************************/
void AdcInit(void)
{TRISA0 = 1;		//将RA0设置为输入TRISA2 = 1;		//将RA2设置为输入TRISA5 = 1;		//将RA5设置为输入
}/********************************************
*	@函数名	AD_Sample
*	@描述	AD采样
*	@参数	adch - 检测通道
*	@返回值	ad_result - 8次AD平均值 
*	@注意	采样通道需自行设置为模拟口,采样10次,取中间八次的平均值为采样结果存于adresult中
********************************************/
u16 ADC_Sample(u8 adch)
{u32 adsum = 0;u16 admin = 4096,admax = 0;u8 adtimes = 0;u16 ad_temp,adresult;u8 j;ADCON1 = 0B00000101;			//左对齐,选用VDD 2.0V做AD基准ADCON0 = 0X81 | (adch << 2);	//ADCclk = Fosc/32asm("nop");asm("nop");for(j=0;j<10;j++){GODONE = 1;						//开始转换u8 i = 64;while(GODONE){__delay_us(100);	//延时100us(编译器内置函数)if(0 == (--i))		//延时6.4ms仍没有AD转换结束,跳出程序return;}ad_temp=(ADRESH<<4)+(ADRESL>>4);	//计算12位AD值adresult = ad_temp;if(ad_temp > admax)admax = ad_temp;				//AD采样最大值else if(ad_temp < admin)admin = ad_temp;				//AD采样最小值adsum += ad_temp;}adsum = adsum - admax - admin;adresult = adsum >> 3;		//8次平均值作为最终结果return adresult;
}/********************************************
*	@函数名	AdcSampleAllChanel
*	@描述	对所有ADC通道都进行采样
*	@参数	无
*	@返回值	无
*	@注意	无
********************************************/
static void AdcSampleAllChanel(void)
{stAdc.u16SampleValue[0] 	= ADC_Sample(0x0F);		//芯片内部0.6V电压IO_Vbat_Sample_Ctrl = 1;	stAdc.u16SampleValue[1] 	= ADC_Sample(0x00);		//电池电压IO_Vbat_Sample_Ctrl = 0;stAdc.u16SampleValue[2] 	= ADC_Sample(0x05);		//输入电压stAdc.u16SampleValue[3] 	= ADC_Sample(0x02);		//电流采样电压
}/********************************************
*	@函数名	AdcMoveAverageFilter
*	@描述	ADC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优点:对周期性干扰有良好的抑制作用,平滑度高;试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,不适于脉冲干扰较严重的场合
*	@参数	无
*	@返回值	无
*	@注意	无
********************************************/
static void AdcMoveAverageFilter(void)
{u8 i = 0;
/******************************* u16ValueSum加上最新的值并剔除最旧的值 *******************************/for (i=0; i<AD_Channel_Num; i++){stAdc.u16SampleValue[i] &= 0x0FFF;stAdc.u16ValueSum[i] += stAdc.u16SampleValue[i];stAdc.u16ValueSum[i] -= stAdc.u16ValueArray[i][stAdc.u8ArraryIndex];}/******************************* 最近采样的AD_Sample_Num个数取平均 *******************************/	if ( 0 == stAdc.bSampleInit ){for (i=0; i<AD_Channel_Num; i++){stAdc.u16Value[i] = stAdc.u16SampleValue[i];}} else{for (i=0; i<AD_Channel_Num; i++){stAdc.u16Value[i] = stAdc.u16ValueSum[i]>>2;	//在均值滤波的基础上进行递推均值滤波}}/******************************* u16ValueArray添加最新的值 *******************************/	for (i=0; i<AD_Channel_Num; i++){stAdc.u16ValueArray[i][stAdc.u8ArraryIndex] = stAdc.u16SampleValue[i];}	/******************************* AD游标更新 *******************************/	stAdc.u8ArraryIndex++;if( stAdc.u8ArraryIndex >= AD_Sample_Num ) {stAdc.u8ArraryIndex = 0;stAdc.bSampleInit = 1;}	
}typedef struct {u16 V_Chip_0V6;u16 V_Bat;u16 V_In;u16 I_Cur;
} ADC_TEST_S;
ADC_TEST_S stAdc1;
/********************************************
*	@函数名	AdcLoopTask
*	@描述	ADC循环任务
*	@参数	无
*	@返回值	无
*	@注意	无
********************************************/
void AdcLoopTask(void)
{AdcSampleAllChanel();stAdc.sampleCnt++;if (stAdc.sampleCnt > 10){stAdc.sampleCnt = 0;AdcMoveAverageFilter();stAdc.V_Chip_0V6 = stAdc.u16Value[0];stAdc.V_Bat		 = stAdc.u16Value[1];stAdc.V_In		 = stAdc.u16Value[2];stAdc.I_Cur		 = stAdc.u16Value[3];}	
}

改进递推平均滤波占用大量RAM空间的方法

减去的不是队首的值,而是上一次得到的平均值

如果有10个通道,递推平均滤波个数为10个,那么,改进后,可以省去10*10*2=200byte个字节

这里我采集了4个通道,递推平均滤波个数为4个(8个在改进前RAM溢出了 哭笑 )

改进前

改进后:

省去了4*4*2=32byte个字节的空间

相关文章:

一种ADC采样算法,中位值平均滤波+递推平均滤波

前言 在实际AD采集场景中&#xff0c;会出现周期性变化和偶然脉冲波动干扰对AD采集的影响 这里使用中位值平均滤波递推平均滤波的结合 参考前人写好的代码框架&#xff0c;也参考博主GuYH_下面这篇博客&#xff0c;在此基础上稍作修改&#xff0c;写出这篇博客&#xff0c;能…...

技能培训知识付费服务预约小程序的效果如何

技能、证书往往是很多人生活的基本&#xff0c;行业岗位竞争激烈&#xff0c;每个人都希望有多种技能或工作所需&#xff0c;而需求持续增加下&#xff0c;相关技能培训机构也很多&#xff0c;比如常见的考证、钢琴培训、针灸培训、花艺培训等。 很多行业都需要学习或考证&…...

SparkSQL之Catelog体系

按照SQL标准的解释&#xff0c;在SQL环境下Catalog和Schema都属于抽象概念。在关系数据库中&#xff0c;Catalog是一个宽泛的概念&#xff0c;通常可以理解为一个容器或数据库对象命名空间中的一个层次&#xff0c;主要用来解决命名冲突等问题。 在Spark SQL系统中&#xff0c;…...

【操作系统面试题(32道)与面试Linux命令大全】

文章目录 操作系统面试题引论1.什么是操作系统&#xff1f;2.操作系统主要有哪些功能&#xff1f; 操作系统结构3.什么是内核&#xff1f;4.什么是用户态和内核态&#xff1f;5.用户态和内核态是如何切换的&#xff1f; 进程和线程6.并行和并发有什么区别&#xff1f;7.什么是进…...

Qt TCP/IP网络通信

TCP服务器部分&#xff1a; 创建TCP服务器&#xff1a; #include <QTcpServer> QTcpServer *tcpServer; //TCP服务器 tcpServernew QTcpServer(this);TCP服务器来连接的信号与槽&#xff1a; connect(tcpServer,SIGNAL(newConnection()),this,SLOT(onNewConnection()…...

全域旅游“一机游”智慧旅游平台解决方案:PPT全文48页,附下载

关键词&#xff1a;智慧文旅解决方案&#xff0c;智慧旅游解决方案&#xff0c;智慧旅游平台建设方案&#xff0c;智慧文旅综合运营平台&#xff0c;智慧文旅建设方案 一、智慧文旅一机游定义 智慧文旅一机游是一种新型的旅游方式&#xff0c;它通过智能化的设备和系统&#…...

Ubuntu 22.04 (WSL2) 安装 libssl1.1

废话不多说&#xff01;&#xff01;&#xff01; 步骤一&#xff1a; echo "deb http://security.ubuntu.com/ubuntu focal-security main" | sudo tee /etc/apt/sources.list.d/focal-security.list 步骤二&#xff1a; sudo apt-get update 步骤三&#xff1a…...

Unity 跑酷游戏全部脚本(完结)

脚本1 触发器脚本 这个脚本是主角身上的脚本&#xff0c;用于检测是否碰到其他触发器&#xff0c;并做出对应的行为 using System.Collections; using System.Collections.Generic; using UnityEngine; public class ColliidisonTrigger : MonoBehaviour { //触发检测 …...

凯美瑞 vs 太空船:Web3 游戏生长的两条路径

撰文&#xff1a;Teng Yan&#xff08;0xPrismatic&#xff09;&#xff0c;Delphi Digital 研究员 编译&#xff1a;TinTinLand 来源&#xff1a;https://0xprismatic.substack.com/p/my-short-web3-gaming-thesis 经常有人问我关于 Web3 游戏的看法&#xff0c;所以我想以这…...

(一)正点原子I.MX6ULL kernel6.1移植

一、概述 学完了正点原子的I.MX6ULL移植&#xff0c;正点原子的教程是基于Ubuntu18&#xff0c;使用的是4.1.15的内核&#xff0c;很多年前的了。NXP官方也发布了新的6.1的内核&#xff0c;以及2022.04的uboot。 本文分享一下基于Ubuntu22.04&#xff08;6.2.0-36-generic&…...

计算机服务器中了mallox勒索病毒怎么解决,勒索病毒解密,数据恢复

企业的计算机服务器为企业的数据存储提供了极大便利&#xff0c;也让企业的生产运行效率得到了极大提升&#xff0c;但是网络数据安全威胁随着技术的不断发展也不断增加。近期&#xff0c;云天数据恢复中心接到很多企业的求助&#xff0c;企业的计算机服务器遭到了mallox勒索病…...

CSS3实现动态旋转加载样式

要使用 CSS3 创建一个动态旋转加载样式&#xff0c;可以使用 CSS 动画和旋转变换。下面是一个简单的示例&#xff1a; HTML&#xff1a; <div class"loader"></div> CSS&#xff1a; .loader {width: 50px;height: 50px;border: 4px solid #3498db;b…...

【LeetCode刷题-二分查找】--658.找到K个最接近的元素

658.找到K个最接近的元素 方法一&#xff1a;二分查找双指针 假设数组长度为n&#xff0c;数组arr已经按照升序排序&#xff0c;可以将数组arr分为两部分&#xff0c;前一部分所有元素[0,left]都小于x&#xff0c;后一部分[right,n-1]都大于等于x&#xff0c;left与right都可以…...

新方向!文心一言X具身智能,用LLM大模型驱动智能小车

具身智能已成为近年来研究的热点领域之一。具身智能强调将智能体与实体环境相结合&#xff0c;通过智能体与环境的交互&#xff0c;来感知和理解世界&#xff0c;最终实现在真实环境中的自主决策和运动控制。 如何基于文心大模型&#xff0c;低成本入门“具身智能”&#xff0…...

mysql.sock找不到怎么解决?

当我们连接mysql时找不到mysql.sock的时候会出现下列情况&#xff1a; cant connect to mysql server through socket /tmp/mysql.sock 解决方法&#xff1a; &#xff08;1&#xff09;找到mysql.sock 使用 find / -name mysql.sock 进行寻找。 如果找不到&#xff0c;那…...

微信小程序刷新当前页面(亲测有效)

有个小功能点&#xff0c;需要刷新当前页面&#xff0c;搜索了很多地方&#xff0c;发现很多搜索的结果其实并不准确。 有的调用的是this.onLoad方法&#xff0c;有的是调用的是this.onReady方法。其实都不能满足我的要求&#xff0c;其实我就只是想刷新下当前页面&#xff0c;…...

通过拉普拉斯特征映射降维

拉普拉斯特征映射&#xff08;Laplacian Eigenmaps&#xff09;&#xff0c;主要包括拉普拉斯特征映射&#xff08;Laplacian Eigenmaps&#xff09;使用实例、应用技巧、基本知识点总结和需要注意事项&#xff0c;具有一定的参考价值&#xff0c;需要的朋友可以参考一下。 1 …...

【信息安全原理】——传输层安全(学习笔记)

&#x1f4d6; 前言&#xff1a;为保证网络应用&#xff0c;特别是应用广泛的Web应用数据传输的安全性&#xff08;机密性、完整性和真实性&#xff09;&#xff0c;可以在多个网络层次上采取安全措施。本篇主要介绍传输层提供应用数据安全传输服务的协议&#xff0c;包括&…...

GBDT减少模型偏差、随机森林减小模型方差

1、Adaboost算法原理&#xff0c;优缺点&#xff1a; 理论上任何学习器都可以用于Adaboost.但一般来说&#xff0c;使用最广泛的Adaboost弱学习器是决策树和神经网络。对于决策树&#xff0c;Adaboost分类用了CART分类树&#xff0c;而Adaboost回归用了CART回归树。 Adaboost…...

使用IDEA工具处理git合并后的冲突的细节

使用 IDEA 处理合并(merge) 使用IDEA处理git合并如果遇到冲突&#xff0c;对冲突文件的不冲突部分需要处理吗&#xff1f;会自动将双方不冲突的部分合并吗&#xff1f; 比如如下&#xff0c;使用 IDEA 合并 branch1 到 branch2 分支&#xff0c;出现了冲突&#xff0c;如下图…...

论文解读:交大港大上海AI Lab开源论文 | 宇树机器人多姿态起立控制强化学习框架(二)

HoST框架核心实现方法详解 - 论文深度解读(第二部分) 《Learning Humanoid Standing-up Control across Diverse Postures》 系列文章: 论文深度解读 + 算法与代码分析(二) 作者机构: 上海AI Lab, 上海交通大学, 香港大学, 浙江大学, 香港中文大学 论文主题: 人形机器人…...

(二)TensorRT-LLM | 模型导出(v0.20.0rc3)

0. 概述 上一节 对安装和使用有个基本介绍。根据这个 issue 的描述&#xff0c;后续 TensorRT-LLM 团队可能更专注于更新和维护 pytorch backend。但 tensorrt backend 作为先前一直开发的工作&#xff0c;其中包含了大量可以学习的地方。本文主要看看它导出模型的部分&#x…...

大数据零基础学习day1之环境准备和大数据初步理解

学习大数据会使用到多台Linux服务器。 一、环境准备 1、VMware 基于VMware构建Linux虚拟机 是大数据从业者或者IT从业者的必备技能之一也是成本低廉的方案 所以VMware虚拟机方案是必须要学习的。 &#xff08;1&#xff09;设置网关 打开VMware虚拟机&#xff0c;点击编辑…...

WebRTC从入门到实践 - 零基础教程

WebRTC从入门到实践 - 零基础教程 目录 WebRTC简介 基础概念 工作原理 开发环境搭建 基础实践 三个实战案例 常见问题解答 1. WebRTC简介 1.1 什么是WebRTC&#xff1f; WebRTC&#xff08;Web Real-Time Communication&#xff09;是一个支持网页浏览器进行实时语音…...

android RelativeLayout布局

<?xml version"1.0" encoding"utf-8"?> <RelativeLayout xmlns:android"http://schemas.android.com/apk/res/android"android:layout_width"match_parent"android:layout_height"match_parent"android:gravity&…...

LangChain 中的文档加载器(Loader)与文本切分器(Splitter)详解《二》

&#x1f9e0; LangChain 中 TextSplitter 的使用详解&#xff1a;从基础到进阶&#xff08;附代码&#xff09; 一、前言 在处理大规模文本数据时&#xff0c;特别是在构建知识库或进行大模型训练与推理时&#xff0c;文本切分&#xff08;Text Splitting&#xff09; 是一个…...

C++ 类基础:封装、继承、多态与多线程模板实现

前言 C 是一门强大的面向对象编程语言&#xff0c;而类&#xff08;Class&#xff09;作为其核心特性之一&#xff0c;是理解和使用 C 的关键。本文将深入探讨 C 类的基本特性&#xff0c;包括封装、继承和多态&#xff0c;同时讨论类中的权限控制&#xff0c;并展示如何使用类…...

精益数据分析(98/126):电商转化率优化与网站性能的底层逻辑

精益数据分析&#xff08;98/126&#xff09;&#xff1a;电商转化率优化与网站性能的底层逻辑 在电子商务领域&#xff0c;转化率与网站性能是决定商业成败的核心指标。今天&#xff0c;我们将深入解析不同类型电商平台的转化率基准&#xff0c;探讨页面加载速度对用户行为的…...

中国政务数据安全建设细化及市场需求分析

(基于新《政务数据共享条例》及相关法规) 一、引言 近年来,中国政府高度重视数字政府建设和数据要素市场化配置改革。《政务数据共享条例》(以下简称“《共享条例》”)的发布,与《中华人民共和国数据安全法》(以下简称“《数据安全法》”)、《中华人民共和国个人信息…...

SFTrack:面向警务无人机的自适应多目标跟踪算法——突破小尺度高速运动目标的追踪瓶颈

【导读】 本文针对无人机&#xff08;UAV&#xff09;视频中目标尺寸小、运动快导致的多目标跟踪难题&#xff0c;提出一种更简单高效的方法。核心创新在于从低置信度检测启动跟踪&#xff08;贴合无人机场景特性&#xff09;&#xff0c;并改进传统外观匹配算法以关联此类检测…...