注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

易拉罐的博客

心静自然凉

 
 
 

日志

 
 

转 十一种通用滤波算法  

2015-01-21 13:54:54|  分类: 算法 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
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[N];
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[N];
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[N];
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[N] = {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[N];
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; 
}

二.在图像处理中应用到的滤波算法实例:

BOOL   WINAPI   MedianFilter(LPSTR   lpDIBBits,   LONG   lWidth,   LONG   lHeight,    
    int   iFilterH,   int   iFilterW,     
    int   iFilterMX,   int   iFilterMY)   
{   
    
//   指向源图像的指针   
unsigned   char* lpSrc;   
    
//   指向要复制区域的指针   
unsigned   char* lpDst;   
    
//   指向复制图像的指针   
LPSTR lpNewDIBBits;   
HLOCAL hNewDIBBits;   
    
//   指向滤波器数组的指针   
unsigned   char *   aValue;   
HLOCAL hArray;   
    
//   循环变量   
LONG i;   
LONG j;   
LONG k;   
LONG l;   
    
//   图像每行的字节数   
LONG lLineBytes;   
    
//   计算图像每行的字节数   
lLineBytes   =   WIDTHBYTES(lWidth   *   8);   
    
//   暂时分配内存,以保存新图像   
hNewDIBBits   =   LocalAlloc(LHND,   lLineBytes   *   lHeight);   
    
//   判断是否内存分配失败   
if   (hNewDIBBits   ==   NULL)   
{   
//   分配内存失败   
return   FALSE;   
}   
    
//   锁定内存   
lpNewDIBBits   =   (char   *   )LocalLock(hNewDIBBits);   
    
//   初始化图像为原始图像   
memcpy(lpNewDIBBits,   lpDIBBits,   lLineBytes   *   lHeight);   
    
//   暂时分配内存,以保存滤波器数组   
hArray   =   LocalAlloc(LHND,   iFilterH   *   iFilterW);   
    
//   判断是否内存分配失败   
if   (hArray   ==   NULL)   
{   
//   释放内存   
LocalUnlock(hNewDIBBits);   
LocalFree(hNewDIBBits);   
    
//   分配内存失败   
return   FALSE;   
}   
    
//   锁定内存   
aValue   =   (unsigned   char   *   )LocalLock(hArray);   
    
//   开始中值滤波   
//   行(除去边缘几行)   
for(i   =   iFilterMY;   i   <   lHeight   -   iFilterH   +   iFilterMY   +   1;   i++)   
{   
//   列(除去边缘几列)   
for(j   =   iFilterMX;   j   <   lWidth   -   iFilterW   +   iFilterMX   +   1;   j++)   
{   
//   指向新DIB第i行,第j个象素的指针   
lpDst   =   (unsigned   char*)lpNewDIBBits   +   lLineBytes   *   (lHeight   -   1   -   i)   +   j;   
    
//   读取滤波器数组   
for   (k   =   0;   k   <   iFilterH;   k++)   
{   
for   (l   =   0;   l   <   iFilterW;   l++)   
{   
//   指向DIB第i   -   iFilterMY   +   k行,第j   -   iFilterMX   +   l个象素的指针   
lpSrc   =   (unsigned   char*)lpDIBBits   +   lLineBytes   *   (lHeight   -   1   -   i   +   iFilterMY   -   k)   +   j   -   iFilterMX   +   l;   
    
//   保存象素值   
aValue[k   *   iFilterW   +   l]   =   *lpSrc;   
}   
}   
    
//   获取中值   
*   lpDst   =   GetMedianNum(aValue,   iFilterH   *   iFilterW);   
}   
}   
    
//   复制变换后的图像   
memcpy(lpDIBBits,   lpNewDIBBits,   lLineBytes   *   lHeight);   
    
//   释放内存   
LocalUnlock(hNewDIBBits);   
LocalFree(hNewDIBBits);   
LocalUnlock(hArray);   
LocalFree(hArray);   
    
//   返回   
return   TRUE;   
}  

 

三.RC滤波的一种实现.

RcDigital(double & X, double & Y)
{
static int MidFlag;
static double Yn_1,Xn_1;
double MyGetX=0,MyGetY=0;
double Alfa;
Alfa=0.7;
if(X==0||Y==0)
{
   MidFlag=0;
   Xn_1=0;
   Yn_1=0;
   MyGetX=0;
   MyGetY=0;
}
if(X>0&&Y>0)
{
   if(MidFlag==1)
   {
    MyGetY = (1 - Alfa) * Y + Alfa * Yn_1;
            MyGetX = (1 - Alfa) * X + Alfa * Xn_1;
            Xn_1 = MyGetX;
    Yn_1 = MyGetY;
   }
   else
   {
    MidFlag=1;
    MyGetX = X;
    MyGetY = Y;
    Xn_1 = X;
    Yn_1 = Y;
   }
}
X = MyGetX;
Y = MyGetY;
}
  评论这张
 
阅读(312)| 评论(0)
推荐 转载

历史上的今天

在LOFTER的更多文章

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017