滤波算法

本文主要是介绍滤波算法，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

在实际工程中采集的许多数据都需要滤波、这里参考查阅了网上资料，总结了常用的滤波算法，原文链接见文章结尾处。

1、限幅滤波法

名称：限幅滤波法（又称程序判断滤波法）

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。

2、中位值滤波法

名称：中位值滤波法

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、液位的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。

3、算数平均滤波

名称：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；
这种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。

4、递推平均滤波

名称：递推平均滤波法（又称滑动平均滤波法）

方法：
把连续取得的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，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

5、中位值平均滤波

名称：中位值平均滤波法（又称防脉冲干扰平均滤波法）

方法：
采一组队列去掉最大值和最小值后取平均值，
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“中位值滤波法”+“算术平均滤波法”两种滤波法的优点。
对于偶然出现的脉冲性干扰，可消除由其所引起的采样值偏差。
对周期干扰有良好的抑制作用。
平滑度高，适于高频振荡的系统。

缺点：
计算速度较慢，和算术平均滤波法一样。
比较浪费RAM

6、限幅平均滤波法

名称：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。

7、一阶滞后滤波法

名称：一阶滞后滤波法

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1/2的干扰信号

8、加权递推平均滤波法

名称：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。

9、消抖滤波法

名称：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。

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。

10、限幅消抖滤波法

名称：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。

11、卡尔曼滤波

卡尔曼算法既可以用来滤波也可以用来预测

以一维卡尔曼滤波为例，如果我们单纯的相信测量的信号，那么这个信号是包含噪声的，是很毛糙的，但是当我们运行卡尔曼滤波算法去做估计，我们估计的信号会很光滑，看起来似乎滤掉了噪声的影响，所以称之为滤波算法。实际上，卡尔曼滤波不仅仅过滤掉了测量信号的噪声，它同时也结合了以往的估计，卡尔曼滤波在线性问题中被证明是最优估计。

卡尔曼滤波存在着一个非常大的局限性——它仅能对线性的过程模型和测量模型进行精确的估计，在非线性的场景中并不能达到最优的估计效果，为了能够设定线性的环境，我们假定了我们的过程模型为恒定速度模型，但是显然在显示的应用中不是这样的，不论是过程模型还是测量模型，都是非线性的。

原文链接：https://blog.csdn.net/AdamShan/article/details/78248421

原文链接：十大滤波算法程序大全（Arduino精编无错版） - Arduino - 极客工坊 - Powered by Discuz! (geek-workshop.com)

这篇关于滤波算法的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！