STM32学习笔记之 关于电池检测滤波算法

几种经典的滤波算法(转) 

1、限幅滤波法（又称程序判断滤波法）

    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

    

2、中位值滤波法

    A、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

    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

3、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

        

4、递推平均滤波法（又称滑动平均滤波法）

    A、方法：

        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

        N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4

    B、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    

    C、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、中位值平均滤波法（又称防脉冲干扰平均滤波法）

    A、方法：

        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

    B、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

    C、缺点：

        测量速度较慢，和算术平均滤波法一样

        比较浪费RAM

6、限幅平均滤波法

    A、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

    B、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

    C、缺点：

        比较浪费RAM

7、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

        

8、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

    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

9、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

10、限幅消抖滤波法

    A、方法：

        相当于“限幅滤波法”+“消抖滤波法”

        先限幅,后消抖

    B、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

    C、缺点：

        对于快速变化的参数不宜

第11种方法：IIR 数字滤波器 

A. 方法：

   确定信号带宽， 滤之。

   Y(n) = a1*Y(n-1) + a2*Y(n-2) + ... + ak*Y(n-k) + b0*X(n) + b1*X(n-1) + b2*X(n-2) + ... + bk*X(n-k)

B. 优点：高通，低通，带通，带阻任意。设计简单(用matlab）

C. 缺点：运算量大。

　 

//--------------------------------------------------------------------- 

软件滤波的C程序样例

10种软件滤波方法的示例程序

假定从8位AD中读取数据（如果是更高位的AD可定义数据类型为int),子程序为get_ad();

1、限副滤波

/*  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 A 10

char value;

char filter()

{

   char  new_value;

   new_value = get_ad();

   if ( ( new_value - value > A ) || ( value - new_value > A )

      return value;

   return new_value;

         

}

2、中位值滤波法

/*  N值可根据实际情况调整

    排序采用冒泡法*/

#define N  11

char filter()

{

   char value_buf
;

   char count,i,j,temp;

   for ( count=0;count<N;COUNT++)

   {

      value_buf[count] = get_ad();

      delay();

   }

   for (j=0;j<N-1;J++)

   {

      for (i=0;i<N-J;I++)

      {

         if ( value_buf>value_buf[i+1] )

         {

            temp = value_buf;

            value_buf = value_buf[i+1]; 

             value_buf[i+1] = temp;

         }

      }

   }

   return value_buf[(N-1)/2];

}     

3、算术平均滤波法

/*

*/

#define N 12

char filter()

{

   int  sum = 0;

   for ( count=0;count<N;COUNT++)

   {

      sum + = get_ad();

      delay();

   }

   return (char)(sum/N);

}

4、递推平均滤波法（又称滑动平均滤波法）

/*

*/

#define N 12 

char value_buf
;

char i=0;

char filter()

{

   char count;

   int  sum=0;

   value_buf[i++] = get_ad();

   if ( i == N )   i = 0;

   for ( count=0;count<N,COUNT++)

      sum = value_buf[count];

   return (char)(sum/N);

}

//5、中位值平均滤波法（又称防脉冲干扰平均滤波法）

/*

*/

#define N 12

char filter()

{

   char count,i,j;

   char value_buf
;

   int  sum=0;

   for  (count=0;count<N;COUNT++)

   {

      value_buf[count] = get_ad();

      delay();

   }

   for (j=0;j<N-1;J++)

   {

      for (i=0;i<N-J;I++)

      {

         if ( value_buf>value_buf[i+1] )

         {

            temp = value_buf;

            value_buf = value_buf[i+1]; 

             value_buf[i+1] = temp;

         }

      }

   }

   for(count=1;count<N-1;COUNT++)

      sum += value[count];

   return (char)(sum/(N-2));

}

6、限幅平均滤波法

/*

*/  

略 参考子程序1、3

7、一阶滞后滤波法

/* 为加快程序处理速度假定基数为100，a=0~100 */

#define a 50

char value;

char filter()

{

   char  new_value;

   new_value = get_ad();

   return (100-a)*value + a*new_value; 

}

8、加权递推平均滤波法

/* coe数组为加权系数表，存在程序存储区。*/

#define N 12

char code coe
= {1,2,3,4,5,6,7,8,9,10,11,12};

char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12;

char filter()

{

   char count;

   char value_buf
;

   int  sum=0;

   for (count=0,count<N;COUNT++)

   {

      value_buf[count] = get_ad();

      delay();

   }

   for (count=0,count<N;COUNT++)

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

   return (char)(sum/sum_coe);

}

9、消抖滤波法

#define N 12

char filter()

{

   char count=0;

   char new_value;

   new_value = get_ad();

   while (value !=new_value);

   {

      count++;

      if (count>=N)   return new_value;

       delay();

      new_value = get_ad();

   }

   return value;    

}

10、限幅消抖滤波法

/*

*/

略 参考子程序1、9

11、IIR滤波例子

int  BandpassFilter4(int InputAD4)

{

    int  ReturnValue; 

    int  ii;

    RESLO=0;

    RESHI=0;

    MACS=*PdelIn;

    OP2=1068; //FilterCoeff4[4];

    MACS=*(PdelIn+1);

    OP2=8;    //FilterCoeff4[3];

    MACS=*(PdelIn+2);

    OP2=-2001;//FilterCoeff4[2];

    MACS=*(PdelIn+3);

    OP2=8;    //FilterCoeff4[1];

    MACS=InputAD4;

    OP2=1068; //FilterCoeff4[0];

    MACS=*PdelOu;

    OP2=-7190;//FilterCoeff4[8];

    MACS=*(PdelOu+1);

    OP2=-1973; //FilterCoeff4[7];

    MACS=*(PdelOu+2);

    OP2=-19578;//FilterCoeff4[6];

    MACS=*(PdelOu+3);

    OP2=-3047; //FilterCoeff4[5];

    *p=RESLO;

    *(p+1)=RESHI;

    mytestmul<<=2;

    ReturnValue=*(p+1);

    for  (ii=0;ii<3;ii++)

    {

     DelayInput[ii]=DelayInput[ii+1];

     DelayOutput[ii]=DelayOutput[ii+1];

     } 

     DelayInput[3]=InputAD4;

     DelayOutput[3]=ReturnValue;

     

   //  if (ReturnValue<0)

   //  {

   //  ReturnValue=-ReturnValue;

   //  }

    return ReturnValue;  

}