zoukankan      html  css  js  c++  java
  • (转)十一种通用滤波算法

    一.十一种通用滤波算法(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[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;
    }

    作者:tdyizhen1314(一位从事软硬件开发十年以上的老兵的故事,希望与大家一起交流,共同进步) 邮箱:495567686@qq.com
  • 相关阅读:
    初步掌握HBase
    基于HBase0.98.13搭建HBase HA分布式集群
    获取当前目录中的文件个数
    MapReduce链接作业
    MapReduce二次排序
    使用map端连接结合分布式缓存机制实现Join算法
    字符串匹配算法-BM
    统计电视机顶盒中无效用户数据,并以压缩格式输出有效用户数据
    字符串匹配算法-KMP
    MapReduce中的Join算法
  • 原文地址:https://www.cnblogs.com/tdyizhen1314/p/1790683.html
Copyright © 2011-2022 走看看