转自“程序匠人”的10种简单软件滤波，与大家分享

745021926 · 发表于 2013-7-23 17:10:08

本帖最后由 745021926 于 2016-5-31 16:05 编辑

《匠人手记》里的10种软件滤波，感觉不错，在此作为自己的一个笔记，也跟大家分享。感谢“程序匠人”的奉献。
一、限幅滤波法
1、
先根据经验判断，确定两次采样允许的最大偏差值，设为A。
每次检测到新采样值时进行判断：
（1）如果本次新采样值与上一次滤波效果之差<=A，则本次采样值有效，令本次滤波结果=新采样值；
（2）如果本次采样值与上次滤波结果之差>A，则本次采样值无效，放弃本次采样值，本次滤波结果=上次滤波结果。
2、例程
#define A 10
uchar Value; //上次采样有效值
uchar AmplitudeLimiterFilter()
{
  uchar NewValue,ReturnValue;
  NewValue=GetAD();       //本次采样值
  if(((NewValue-Value)>A)||((Value-NewValue)>A))
  {
ReturnValue=Value;
  }
  else
  {
ReturnValue=NewValue;
  }
  return(ReturnValue);
}

二、中位值滤波法
1、连续采样N次值，把采样值按大小排列，取中间值为本次有效值。
2、例程
#define N 9
unchar MiddleValueFilter()
{
  unchar i,j,k;
  uchar temp;
  uchar ArrDataBuffer[N];
  for(i=0; i<N; i++) //一次采集N个数据放入数组中
  {
ArrDataBuffer=GetAD();
Delay();
  }
  for(j=0; j><N-1; j++) //采样值由小到大排列
  {
for(k=0; k><N-j-1; k++)
{
   if(ArrDataBuffer[k]>ArrDataBuffer[k+1])
   {
      temp=ArrDataBuffer[k];
      ArrDataBuffer[k]=ArrDataBuffer[k+1];
      ArrDataBuffer[k+1]=temp;
   }
}
  }
  return(ArrDataBuffer[(N-1)/2]);//取中间值
}

三、算术平均滤波法
1、连续取N个值进行算术平均运算。
N较大时，信号平滑度较高，但灵敏度较低；N较小，信号平滑度低，但灵敏度较高。
2、例程
#define N 12
uchar ArithmeticalAverageValueFilter()
{
  uchar i;
  uchar Value;
  uchar sum;
  sum=0;
  for(i=0; i<N; i++)
  {
sum+=GetAD();
Delay();
  }
  Value=sum/N;
  return(Value);
}
四、递推平均滤波法
1、把连续N个采集值看成一个队列，每次采集到的新数据放入队尾，并扔掉原来队首的数据。把队列中的N个数据进行平均计算，即可获得新的滤波结果。
2、例程
#define N 12
uchar Data[];
uchar Gilde(Data[])
{
  ucahr i,Value,sum;
  sum=0;
  Data[N]=GetAD();
  for(i=0; i><N; i++)
  {
Data=Data[i+1];//所有数据左移，低位仍掉
sum+=Data;
  }
  Value=sum/N;
  return(Value);
}

五、中位值平均滤波法
1、中位值平均滤波法又称脉冲干扰平均滤波法，相当于“中位值滤波法”+“算术平均滤波法”。
连续采集N个数据，去掉一个最大和最小值，然后计算N-2个数的平均值。
2、例程
#define N 12
uchar Middle()
{
  ucahr i,j,k,l;
  uchar temp;
  uchar ArrDataBuffer[N];
  uchar sum,Value;
  for(i=0; i><N; i++) //一次采集N个数据，存入数组
  {
ArrDataBuffer=GetAD();
Delay();
  }
  for(j=0; j><N-1; j++) //采样值由小到大排列
  {
for(k=0; k><N-j-1; k++)
{
   if(ArrDataBuffer[k]>ArrDataBuffer[k+1])
   {
      temp=ArrDataBuffer[k];
      ArrDataBuffer[k]=ArrDataBuffer[k+1];
      ArrDataBuffer[k+1]=temp;
   }
}
  }
  for(l=1; l<N-1; l++)
  {
sum=ArrDataBuffer[l];
  }
  Value=Sum/(N-2);
  return(Value);
}

六、递推中位值平均滤波法
1、相当于“中位值滤波法”+“递推平均滤波法”。这种方法把连续N个值看成一个队列，每次采集到一个新数据放入队尾，并扔掉原来队首的值。把队列中的N个数据先去掉一个最大值和最小值，然后计算N-2个数据的平均值。
2、例程
char Filter()
{
  char max.min;
  int sum;
  char i;
  QUEUE[0]=NewData;
  max=QUEUE[0];
  min=QUEUE[0];
  sum=QUEUE[0];
  for(i=n-1; i!=0; i--)
  {
if(QUEUE>max)
{
   max=QUEUE;
}
else if(QUEUE<min)
{
   min=QUEUE;
}
sum+=QUEUE;
QUEUE=QUEUE[i-1];
  }
  i=n-2;
  sum=sum-max-min+i/2;//加入(n-2)/2目的为了四舍五入
  sum=sum/i;
  return(sum);
}

七、限幅平均滤波法
1、相当于“限幅滤波法”+“递推平均滤波法”。每次采样先进行限幅处理，再进行队列平均滤波处理。
2、例程
#define A 10
#define N 12
uchar Data[N];
uchar Limit()
{
  ucahr i,Value,sum;
  Data[N]=GetAD();
  if(((Data[N]-Data[N-1])>A)||((Data[N-1]-Data[N])>A))
  {
Data[N]=Data[N-1];
  }
  else
  {
Data[N]=NewValue;
  }

  for(i=0; i<N; i++)
  {
Data=Data[i+1];
sum+=Data;
  }
  Value=sum/N;
  return(Value);
}

八、一阶滞后滤波法
1、本次结果滤波结果=a*本次采样值+(1-a)*上次结果。
                  a代表滤波系数，a=0--1。
2、例程

#define a 128
uchar Value;
ucahr OneFactorialFiler()
{
  uchar NewValue;
  uchar ReturnValue;
  NewValue=GetAD();
  ReturnValue=(255-a)*NewValue+a*Value;
  ReturnValue/=255;
  return(ReturnValue);
}

九、加权递推平均滤波法
1、加权递推平均滤波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，但信号的平滑度越低。
2、例程
#define N 10
#define CoeSum 55
const Coefficient[N]= {1,2,3,4,5,6,7,8,9,10};
uchar Data[N];
uchar AAGAFilter()
{
  uchar i,Value,sum;
  sum=0;
  Data[N]=GetAD();
  for(i=0; i><N; i++)
  {
Data=Data[i+1];
sum+=Data*Coefficient;
  }
  Value=sum/CoeSum;
  return(Value);
}

十、消抖滤波法
1、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，否则计数器加1。然后，判断计数器是否>=上限N(溢出)。如果溢出，将本次值替换当前有效值，并清计数器。
2、例程
#define N 20
uchar count;
uchar Value;
uchar Avoid()
{
  uchar NewValue;
  if(NewValue==Value)
  {
count=0;
  }
  else
  {
count++;
if(count>N)
{
   count=0;
   Value=NewValue;
}
  }
  return(Value);
}