单片机中常用滤波算法

部分滤波方法

单片机中常用滤波算法

限幅滤波算法：

将两次相邻的采样值相减，求出其增量的绝对值，与两次采样允许的最大差值A进行比较。A的大小由被测对象的具体情况而定，如果小于或等于允许的最大差值，则本次采样值有效；否则取上次采样值做本次采样数据的样本。（用于处理变化缓慢的数据） #define A

char data

char filter_1()

{

char data_new;

datanew = get_data(); if((datanew – data > A)||(data – datanew > A))

return data;

return datanew;

}

中值滤波算法：

对某一个参数连续采样N次（N为奇），然后排序（从小到大）再取中间值作为本次采样值。（去掉偶然因素引起的波动和采样器不稳定而引起的脉动干扰，要求变化缓慢） #define N 11

char filter_2()

{

char value_buf[N]; char count , i , j , temp;

for(count=0;count<N;count++)

{ value_buf[count] = get_data();

delay();

}

for(i=0; i<N ; i++)

for(j=0 ; j<i ; j++)

if(value_buf[i] > value_buf[j])

}

算术平均滤波算法：

连续N次取样，算术平均，适用于对具有随机干扰的信号进行滤波； char filter_3()

{

int Sum=0; { } 交换两值；

部分滤波方法

{

} Sum+=get_data(); delay();

return (char) (Sum/N) ;

}

加权平均滤波运算法：

为了协调平滑度和灵敏度之间的关系，对连续N次采样值分别乘上不同的加权系数之后再求累加和，加权系数一般先小后大，以突出后面若干采样的效果。 char code jq[N]={0,1,2,3,····12};

char code sum_jq=1+2+···+12; char filter_4() {

char count; char value_buf[N];

int sum=0;

for(count=0;count<N;count++) {

value_buf[count]=get_data();

delay(); }

for(count=0;count<0;count++)

{

sum+=value_buf[count]*jq[count];

}

return (char) (sum / sumjq); }

滑动平均滤波算法：

只采样一次，将这一次采样值和过去的若干次采样值一起求平均，得到的有效采样值一起求平均，得到的有效采样值即可投入使用；（采用环状队列结构可以方便地实现这种数据存放方式）

char value_buf[N]; char i=0;

char filter_5() {

char count ;

int sum=0;

value_buf[i++]=get_data();

if(i==N)

i=0;

for(count=0;count<N;count++)

{

sum=value_buf[count];

部分滤波方法

return (char) (sum/N); }