ADC常见的一些滤波算法

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

/* A值根据实际调，Value有效值，new_Value当前采样值，程序返回有效的实际值 */
#define A 10
char Value;
char filter()
{
  char new_Value;
  new_Value = get_ad();                                        //获取采样值
  if( abs(new_Value - Value) > A)   return Value;             //abs()取绝对值函数
  return new_Value;
}

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

#define N 11
char filter()
{
 char value_buf[N];
 char count,i,j,temp;
 for(count = 0;count < N;count++) //获取采样值
 {
  value_buf[count] = get_ad();
  delay();
 }
 for(j = 0;j<(N-1);j++)
 {
  	for(i = 0;i<(n-j-1);i++)
  	{
	  	if(value_buf[i]>value_buf[i+1])
	  	{
	   		temp = value_buf[i];
	   		value_buf[i] = value_buf[i+1];
	   		value_buf[i+1] = temp;
	  	}
  	}
 }
 return value_buf[(N-1)/2];
}

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

#define N 12
char filter()
{
 int sum = 0;
 for(count = 0;count
 {
 	sum += get_ad();
 } 
 return (char)(sum/N);
}

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

#define	ADC_LOOP1_MARK 20
 
uint16_t DATA_BUFF1[ADC_LOOP1_MARK];
uint16_t DATA_BUFF2[ADC_LOOP2_MARK];
 
uint16_t SENSOR_getavg1(uint16_t adc)
{
	uint16_t maxA,minA;
	uint32_t avg=0;
	uint16_t jA;
	
	maxA = 0;
	minA = 0xffff;
	
	for(jA=0;jA<(ADC_LOOP1_MARK-1);jA++)	//将数据左移一位，空出【0】存新数据
    {
		DATA_BUFF1[(ADC_LOOP1_MARK-1)-jA] = DATA_BUFF1[(ADC_LOOP1_MARK-2)-jA];
    }
	DATA_BUFF1[0] = adc;	//存新数据
	
	for(jA=0;jA//将最大值与最小值存入maxA、minA
    {
		if(maxA<=DATA_BUFF1[jA]) maxA = DATA_BUFF1[jA];
		if(maxA>=DATA_BUFF1[jA]) maxA = DATA_BUFF1[jA];
    }
	for(jA=0;jA//除去最大与最小值的相加
    {
		if((DATA_BUFF1[jA] != maxA) && (DATA_BUFF1[jA] != minA))
		{
			avg+=DATA_BUFF1[jA];
		}
		if(DATA_BUFF1[jA] == maxA) maxA=0xffff;
		if(DATA_BUFF1[jA] == minA) maxA=0xffff;
    }
	minA = avg/ADC_LOOP1_MARK;	//求取平均数
	return minA;
}

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

char filter()
{
 char count,i,j;
 char Value_buf[N];
 int sum=0;
 for(count=0;count
 {
 	Value_buf[count]= get_ad();
 } 
 for(j=0;j<(N-1);j++)
 {
 	for(i=0;i<(N-j);i++)
    {
 	   if(Value_buf[i]>Value_buf[i+1])
	   {
     	   temp = Value_buf[i];
    	   Value_buf[i]= Value_buf[i+1];
	       Value_buf[i+1]=temp;
	   }
    }		
 }    
 for(count =1;count-1;count++)
 {
     sum += Value_buf[count];
 }
  return (char)(sum/(N-2));
}

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

#define A 10
#define N 12
char value,i=0;
char value_buf[N];
char filter()
{
 char new_value,sum=0;
 new_value=get_ad();
 if(Abs(new_value-value)
 if(i==N)  i=0;
 for(count =0 ;count
 {
 	 sum+=value_buf[count];
 }
 return (char)(sum/N);
}

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

/*为加快程序处理速度，取a=0~100*/
#define a 30
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

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
不能迅速反应交易系统当前所受干扰的严重程度，滤波效果差

/* coe数组为加权系数表 */
#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
 {
  	value_buf[count]=get_ad();
 }
 for(count=0;count
 {
	 sum+=value_buf[count]*coe[count];
 } 
 return (char)(sum/sum_coe);
}

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>或<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交易系统

#define N 12
char filter()
{
 char count=0,new_value;
 new_value=get_ad();
 while(value!=new_value)
 {
  count++;
  if(count>=N) return new_value;
  new_value=get_ad();
 }
 return value;
}

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

#define A 10
#define N 12
char value;
char filter()
{
 char new_value,count=0;
 new_value=get_ad();
 while(value!=new_value)
 {
  if(Abs(value-new_value)
  {
	  count++;
	  if(count>=N) return new_value;
	  new_value=get_ad();
  }
 return value;
 }
}

对于目前这些ADC采样算法而言，在项目中遇到对应问题去做对应的算法进行优化得到的参数，只能尽量让ADC数据更加符合项目所需，后续遇见其他算法，就继续添加在这里让大家一起用