点云滤波方法
点云滤波方法-CAL-FENGHAI.-(YICAI)-Company One1
激光雷达点云数据滤波算法综述
滤波对象及目的：通过机载激光雷达快速获取高精度三维地理数据，对它所获取的点云数据的滤波过程就是将LIDAR点云数据中的地面点和非地面点分离的过程。
滤波方法：对数学形态学的滤波算法、基于坡度的滤波法、基于ＴＩＮ的LIDAR点云过滤算法、基于伪扫描线的滤波算法、基于多分辨率方向预测的LIDAR点云滤波方法。
（一）LIDAR数据形态学滤波算法：
（1）离散点云腐蚀处理。遍历LIDAR点云数据，以任意一点为中心开ｗ×ｗ大小的窗口，比较窗口内各点的高程，取窗口内最小高程值为腐蚀后的高程（2）离散点膨胀处理。再次遍历LIDAR点云数据，对经过腐蚀后的数据用同样大小的结构窗口做膨胀。即以任意一点为中心开ｗ×ｗ大小的窗口，此时，用腐
蚀后的高程值代替原始高程值，比较窗口内各点的高程，取窗口内最大高程值
为膨胀后的高程
（3）地面点提取。设Z p是p点的原始高程，ｔ为阈值，在每点膨胀操作结束时，对该点是否是地面点作出判断。如果ｐ点膨胀后的高程值和其原始高程值Z p
之差的绝对值小于或等于阈值ｔ，则认为ｐ点为地面点，否则为非地面点
该算法有两种滤波方式：一种是按离散点进行滤波，一种是按格网滤波。（1）按离散点滤波：是对每个激光点进行腐蚀和膨胀操作各一次，结构窗口内数据的选取按距离来量度。
（2）按格网滤波：指将每个格网看成一个“像素”，按照数字图像处理中取邻域的方法来开取结构窗口。腐蚀时，格网的“像素值”即为ｗ×ｗ邻域所包含格网的最小高程值；膨胀时，格网的“像素值”即为ｗ×ｗ邻域所包含格网的最大高程值。
优缺点：总体上，数学形态学算法存在的主要问题是坡度阈值的人工选取和细节地形的方块效应。如果阈值设定太大，可能保留一些低矮的地物目标，设定太小，则可能削平地形特征。现在各种阈值的选取一般根据研究者的经验设定，或者根据地形特征设定的，没有考虑全局的特征因素，不具有普适性。解决这些问题的方法是根据地形的起伏大小和高程变化自适应的进行滤波窗口调整。但此方法在大范围地区及地形变化强烈山区的有效性还有待进一步
研究。
实际应用：从应用上，Lindenberger将数字形态学方法引人到机载激光雷达数据滤波中，首先采用水平结构单元对机载激光测高数据进行开运算，过滤剖面式激光扫描数据，然后利用自回归过程改善了开运算结果。
（二）基于坡度变化的滤波算法
滤波基本思想：基于坡度变化的滤波算法是根据地形坡度变化确定最优滤波函数，对于给定的高差值，随着两点间距离的减小，高程值大的激光脚点属于地面点的可能性就越小。
原理：假设Ａ 为原始数据集，ＤＥＭ 为地面点集，ｄ 是点间距离，那么满足下列滤波函数的点就是ＤＥＭ 的元素。
()()
max {|:,}i j i i p p i j DEM P A P A h h h d p p =∈?∈-≤? （1） 如果对于给定点Ｐｉ，找不到临近点Ｐｊ使它们满足关系式（２），那么Ｐｉ 划分为地面点。
max (())i j p p i j h h h d p p ->?- （2）
该滤波方法主要是通过比较两点间的高差值的大小，来判断拒绝还是接收所选择的点。两点间高差的阀值定义为两点间距离的函数Δｈｍａｘ（ｄ）即所谓的滤波核函数。通常该函数是非递减函数，确定该函数的方法主要有合成函数，假设地形坡度不超过ａ％，且观测值没有误差，则滤波函数定义为：
max ()h d ad ?= （３）
通常观测值是有误差的，所以再增加一个置信区间，并假定允许的具有标准偏差的地面点被拒绝，滤波函数就为：
max ()h d ad ?=+ （4）
在绝大多数情况下，很难用一些参数指定具体的滤波函数，因而需要根据具体的地形训练数据子集推求同地形变化特性相符的滤波核函数。这需要选择一个合适的区域作为训练数据子集用这些数据点推求max ()h d ?
优缺点：基于坡度的滤波算法具有计算简单、适应性强等特点，但是需要预先知道地形坡度和确定所开窗口的大小，所选点必须同其它所有点进行比较，以确定该点是否为地面点，也需要在整个数据集中，对每一个点进行坡度计算，这样势必造成计算量的增大，速度变慢。同时，高差阀值的选择是整个算法的关键，这些过滤阀值的设置取决于测区的实际地形状
况，对于平坦地区，丘陵地区和山区，应该根据不同坡度设置不同的过滤参数值。而上述方法仅根据坡度设置统一的阈值，很可能会滤掉一些真实的地形信息，造成分类误差。要克服这些缺点可以把分块处理的思想引入，将原始点云数据按地形统计特性进行分块，然后每一个分块再按照基于坡度变化的滤波算法进行处理得到各块数据地面点集，最后根据重叠区域特征点将各块拼接，得到完整地面点集。这样不同的分块就得到不同的过滤阈值，避免了阈值的单一性，减少了分类误差。Ｖｏｓｓｅｌｍａｎ使用Ｄｅｌａｕｎａｙ三角网组织数据，根据坡度过滤地物点的方法，通过计算该点与邻域内所有点的坡度值，如果最大坡度值在阈值内，则该点分类为地面点。Ｓｉｔｈｏｌｅ在Ｖｏｓｓｅｌｍａｎ的基础之上修改了该算法，采用变化的斜率阈值来提取地面点以适应陡坡地形的算法，不同的地区使用不同的坡度阈值来得到更好的分类结果。
(三) 基于ＴＩＮ的过滤算法
滤波原理：利用ＴＩＮ 模型中的地物临近点云高程突变关系，研究利用高差临界值条件和满足该条件的临近点数量等参数来过滤地物点。
算法：pt_cloud为非空点云，并依据区域地形、建筑物、植被等分布及高程变化情况给定高差（threshold_h）和临近点数量（threshold_vn）两个域值条件，并定义Filtered和Unfiltered两个数组分别记录被过滤点和未被过滤点。
构建pt_cloud的Delauney三角网，则点云过滤算法的描述如下：
TIN_Filtering(Pt_Cloud,Threshold_h,Threshold_vn,Filtered,UnFiltered)
如果Pt_Cloud为空，则结束；
初始化Vicinity数组（邻近点集合），vn（邻近点数）和h（高差值）等参数；取出Pt_Cloud的第一个点，记为obj_pt（目标点）；
在Delauney三角网中检索obj_pt所有邻近点，并将邻近点逐个加入到Vicinity 数组；
取出Vicinity的第一个点，记为v_pt（邻近点）；
计算obj_pt与v_pt的高差值并赋给ｈ；
如果ｈ≥Threshold_h，，则vn++；
如果Vicinity非空，则返回循环；
如果vn≥Threshold_vn，则把obj_pt加入到
Filtered，否则，obj_pt加入到UnFiltered；
当进行多次（Method）循环逐步过滤点云时，算法描述如下：
TIN_Method_Filtering(Pt_Cloud,Threshold_h,Threshold_vn,Method,Filtered,UnFilter ed)如果Method<1，则结束；
置空Unfiltered;
构建Pt_Cloud 的二维Delauney三角网；
TIN_Filtering(Pt_Cloud,Threshold_h,Threshold_vn,Filtered,UnFiltered)
Pt_Cloud= UnFiltered；
Method；
优缺点：基于不规则三角网（ＴＩＮ）的方法，是基于二维邻域搜索的方法，其计算量和算法复杂度相对较大。一般而言，由于高大建筑物和植被与其邻近地面点之间形成明显的高程突变，所以对高程突变地物，算法的过滤效果较好，但在过滤灌丛或低矮的地面物体时，产生过大误差。
（四）基于伪扫描线的滤波算法
伪扫描线：指将水平面上二维离散分布的激光点重新组织成一维线状连续分布点序列的一种数据结构。
基本思想：两点之间的高度差是由自然地形的起伏和地物的高度共同引起的。若两个邻近点之间的高度差越大，那么这个高度差是由自然地形引起的可能性就越小，更为可能的是较高点位于地物上而较低点位于地面上。
原理：假设有两个邻近的激光脚点和，是地面点，是它的邻近点。
如果它们的高度值和满足条件：
其中是高差的容差，ｄ是他们之间的水平距离
那么就认为也是地面点，否则就认为是非地面点。
优缺点：
优点：（1）把二维滤波问题简化为一维滤波问题，算法构造简单，有效地减少了滤波的计算量并且保证了准确性，同时该算法只需两个滤波参数，较容易实现自动化。
（2）总能保证每个滤波窗口中都包含有地面点，能得到比较小的一类误差和总的误差，准确地提取出地形点；
（3）在平坦地区，伪扫描线滤波效果非常好，在地形比较陡峭地区，它的误差也控制在较小范围内；
缺点：（1）由于局部邻域二维滤波器大多假设邻域内高程最低点为地面点，当地面点较少的时候，这类滤波方法往往失效；
（2）在陡峭的斜坡和高程变化比较剧烈的区域或过滤大型物体时，为了获得可靠的结果，通常要减小高程的域值和滤波窗口的大小；在城市区域，为了全部滤除大型建筑物，则要适当增大滤波窗口，使滤波窗口的大小不小于建筑物的最大尺寸。目前，这两个参数的选取还不能做到完全的自动化，该方法还有待进一步改进。
（五）基于多分辨率方向预测的滤波方法
方向预测法的思想：对于某一距离范围，若当前点与所有方向预测值的差值均大于该距离条件下的最大高差限差，则该点为地物点，否则为地面点。
原理:
在局部邻域中，利用方向预测法对格网数据集进行平滑处理。如对于某一格网C(I,j)，局部邻域大小取，C(I,j) 邻域方向的示意图如图１所示。若当前格网C(I,j) 与所有方向预测值之差都小于阈值，则格网值取格网中所有点的高程平均
II III IV
I C(I,j)I
IV III II
优缺点:
基于多分辨率方向预测的点云滤波算法可以实现复杂尺寸的地物目标的剔除处理，由于数据集在数据量上的减少，地面点提取的效率有很大提高，这种优势在处理密集的ＬＩＤＡＲ点云时会体现得更明显。
对于附属在斜坡上的建筑物会出现地物滤除不完全的情况，需要结合航片等辅助数据源来提高滤波精度。多分辨率平滑处理可以得到格网数据集，但格网之间存在缝隙，降低了精度，需要利用点云数据和格网数据集进一步做点云滤波处理。
（六）基于小波分层原理的机载激光雷达数据滤波
基本思想：对原始信号建立数据金字塔，从而获得不同尺度上的信号描述。在最大尺度的信号描述（即金字塔的顶层）中获取最初的兴趣域，然后把这个粗略的兴趣域传到下一层中作为当前层兴趣域的初始值，从而减少计算的时间，提高处理结果的精度。
方法步骤：
（1）用特定大小的窗口分割原始数据，然后在每个窗口中选择一个高程最低的点，组成一个新的数据描述。对这些地面点进行组网，从而形成一个粗略的地形表面；（2）利用这个粗略的地形表面作为参考面，在下一层进行滤波，获取更多的地面点。必须保证每一个分割窗口中至少有一地面点，它需要分割窗口足够大；
（3）采用比目标区域内最大的建筑面积稍微大一点的窗口作为最上面一层数据描述的尺度。以目标区域内最小的人造建筑的面积为第一层数据描述的窗口尺度；
（4）金字塔的层数可以用下面的公式来描述：
为最上层数据描述的窗口尺度；ｋ为第一层数据描述的窗口尺度；ｎ为金字
塔的层数;
描述点与参考面的相对关系最简单的尺度就是高程差异，当高程差异大于某个阈值时，就认为该点不属于地面点；而当高程差异小于某个阈值时，就认为该点属于地面点.
优缺点：小波分层滤波算法要先进行分层，然后把这个粗略的兴趣域传到下一层中作为当前层兴趣域的初始值，从而减少了计算的时间，提高处理结果的精度，但是每一层的判断结果受到了上一层的影响，如果上一层次的处理出现了错误，这种错误会导致下一层次的数据点类型判断出现错误。另外分割窗口的尺度选择也很重要，最上面一层数据描述的尺度要选择比目标区域内最大的建筑面积稍微大一点的尺度，第一层数据描述的窗口尺度要选择目标区域内最小的人造建筑的面积的大小。还有小波分层滤波算法还需要在数据初值选择和判别规则方面考虑更加细致，剔除数据中的粗差。
数字滤波算法
几种简单的数字滤波 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
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 常用的8种数字滤波算法 摘要：分析了采用数字滤波消除随机干扰的优点，详细论述了微机控制系统中常用的8种数字滤波算法，并讨论了各种数字滤波算法的适用范围。 关键词：数字滤波；控制系统；随机干扰；数字滤波算法 1 引言 在微机控制系统的模拟输入信号中，一般均含有各种噪声和干扰，他们来自被测信号源本身、传感器、外界干扰等。为了进行准确测量和控制，必须消除被测信号中的噪声和干扰。噪声有2大类：一类为周期性的，其典型代表为50 Hz 的工频干扰，对于这类信号，采用积分时间等于20 ms整倍数的双积分A/D转换器，可有效地消除其影响；另一类为非周期的不规则随机信号，对于随机干扰，可以用数字滤波方法予以削弱或滤除。所谓数字滤波，就是通过一定的计算或判断程序减少干扰信号在有用信号中的比重，因此他实际上是一个程序滤波。 数字滤波器克服了模拟滤波器的许多不足，他与模拟滤波器相比有以下优点： (1)数字滤波器是用软件实现的，不需要增加硬设备，因而可靠性高、稳定性好，不存在阻抗匹配问题。 (2)模拟滤波器通常是各通道专用，而数字滤波器则可多通道共享，从而降低了成本。 (3)数字滤波器可以对频率很低(如0.01 Hz)的信号进行滤波，而模拟滤波器由于受电容容量的限制，频率不可能太低。 (4)数字滤波器可以根据信号的不同，采用不同的滤波方法或滤波参数，具有灵活、方便、功能强的特点。 2 常用数字滤波算法 数字滤波器是将一组输入数字序列进行一定的运算而转换成另一组输出数字序列的装置。设数字滤波器的输入为X(n)，输出为Y(n)，则输入序列和输出序列之间的关系可用差分方程式表示为： 其中：输入信号X(n)可以是模拟信号经采样和A/D变换后得到的数字序列，也 10种软件滤波方法的示例程序 1 推荐 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 { 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 /* */ #define N 12 char filter() { int sum = 0; for ( count=0;count 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 单片机利用软件抗干扰的几种滤波方法 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。 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 软件滤波算法（转载） 这几天做一个流量检测的东西，其中用到了对数据的处理部分，试了很多种方法，从网上找到这些个滤波算法，贴出来记下 需要注意的是如果用到求平均值的话，注意总和变量是否有溢出，程序没必要照搬，主要学习这些方法，相信做东西的时候都能用得上 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 软件滤波在嵌入式的数据采集和处理中有着很重要的作用，这10种方法各有优劣，根据自己的需要选择。同时提供了C语言的参考代码，希望对各位能有帮助。 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 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 /* 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 AD数据采集的“数字滤波”：10个“软 件滤波程序” 在AD采集中经常要用到数字滤波，而不同情况下又有不同的滤波需求，下面是10种经典的软件滤波方法的程序和优缺点分析： 1、限幅滤波法（又称程序判断滤波法） 2、中位值滤波法 3、算术平均滤波法 4、递推平均滤波法（又称滑动平均滤波法） 5、中位值平均滤波法（又称防脉冲干扰平均滤波法） 6、限幅平均滤波法 7、一阶滞后滤波法 8、加权递推平均滤波法 9、消抖滤波法 10、限幅消抖滤波法 1、限副滤波 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 程序： /* 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 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 程序： /* 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;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]; 1 数字滤波 1.1 概述 在单片机进行数据采集时，会遇到数据的随机误差，随机误差是由随机干扰引起的，其特点是在相同条件下测量同一量时，其大小和符号会现无规则的变化而无法预测，但多次测量的结果符合统计规律。为克服随机干扰引起的误差，硬件上可采用滤波技术，软件上可采用软件算法实现数字滤波。滤波算法往往是系统测控算法的一个重要组成部分，实时性很强。 采用数字滤波算法克服随机干扰的误差具有以下优点： 1、数字滤波无需其他的硬件成本，只用一个计算过程，可靠性高，不存在阻 抗匹配问题。尤其是数字滤波可以对频率很低的信号进行滤波，这是模拟滤波器做不到的。 2、数字滤波使用软件算法实现，多输入通道可共用一个滤波程序，降低系统 开支。 3、只要适当改变滤波器的滤波程序或运算，就能方便地改变其滤波特性，这 对于滤除低频干扰和随机信号会有较大的效果。 4、在单片机系统中常用的滤波算法有限幅滤波法、中值滤波法、算术平均滤 波法、加权平均滤波法、滑动平均滤波等。 1.2 限幅滤波算法 原理：该运算的过程中将两次相邻的采样相减，求出其增量，然后将增量的绝对值，与两次采样允许的最大差值A进行比较。A的大小由被测对象的具体情况而定，如果小于或等于允许的最大差值，则本次采样有效；否则放弃本次值取上次采样值作为本次数据的样本。 优点：能有效克服因偶然因素引起的脉冲干扰。 缺点：无法抑制那种周期性的干扰，平滑度差。 说明：限幅滤波法主要用于处理变化较为缓慢的数据，如温度、物体的位置等。使用时，关键要选取合适的门限制A。通常这可由经验数据获得，必要时可通过实验得到。 1.3 中值滤波算法 原理：该运算的过程是对某一参数连续采样N次（N一般为奇数），然后把N次采样的值按从小到大排列，再取中间值作为本次采样值，整个过程实际上是一个序列排序的过程。 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 自动化科协 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： 自动化科协 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： 11种经典软件滤波的原理和实现 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 不易消除因为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，可消除因为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，可消除因为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 低通滤波：又叫一阶惯性滤波，或一阶低通滤波。是使用软件编程实现普通硬件RC 低通滤波器的功能。 适用范围：单个信号，有高频干扰信号。 一阶低通滤波的算法公式为： Y(n)X(n)(1)Y(n 1)αα=+-- 式中： α是滤波系数；X(n)是本次采样值；Y(n 1)-是上次滤波输出值；Y(n)是本次滤波输出值。 滤波效果1： 红色线是滤波前数据（matlab 中生成的正弦波加高斯白噪声信号） 黄色线是滤波后结果。 滤波效果2： matlab中函数，相当于一阶滤波，蓝色是原始数据（GPS采集到的x（北）方向数据，单位m），红色是滤波结果。 一阶滤波算法的不足： 一阶滤波无法完美地兼顾灵敏度和平稳度。有时，我们只能寻找一个平衡，在可接受的灵敏度范围内取得尽可能好的平稳度。 互补滤波：适用于两种传感器进行融合的场合。必须是一种传感器高频特性好（动态响应好但有累积误差，比如陀螺仪。），另一传感器低频特性好（动态响应差但是没有累积误差，比如加速度计）。他们在频域上互补，所以进行互补滤波融合可以提高测量精度和系统动态性能。 应用：陀螺仪数据和加速度计数据的融合。 互补滤波的算法公式为： 1122Y(n)X (n)(X (n)Y(n 1))αα+=+-- 式中：1α和2α是滤波系数；1X (n)和2X (n)是本次采样值；Y(n 1)-是上次滤 波输出值；Y(n)是本次滤波输出值。 滤波效果 （测试数据）： 蓝色是陀螺仪 信号，红色是加 速度计信号，黄 色是滤波后的 角度。 . 互补滤波实际效果： . 卡尔曼滤波：卡尔曼滤波器是一个“optimal recursive data processing algorithm （最优化自回归数据处理算法）”。对于解决很大部分的问题，它是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测。 首先，用于测量的系统必须是线性的。 (k)(k 1)(k)(k)X AX BU w =-++ (k)(k)(k)Z HX v =+ (k)X 是系统k 时刻的状态，(k)U 是系统k 时刻的控制量。(k)Z 是系统k 时 刻的测量值。A 和B 为系统参数，(k)w 和(k)v 分别表示过程和测量的噪声，H 是测量系统参数。 在进行卡尔曼滤波时： 首先进行先验预测： (k 1|k)(k |k)(k)(k)X AX BU w +=++ 计算先验预测方差： '(k 1|k)(k |k)(k)P AP A Q +=+ 计算增益矩阵： (k 1)(k 1|k)'/((k 1|k)'(k 1))Kg P H HP H R +=++++ 后验估计值： (k 1|k 1)(k 1|k)(k 1)(Z(k 1)(k 1|k))X X Kg HX ++=++++-+ 后验预测方差： (k 1|k 1)(1(k 1))(k 1|k)P Kg H P ++=-++ 其中，(k)Q 是系统过程激励噪声协方差，(k)R 是测量噪声协方差。 举例说明： （下文中加粗的是专有名词，需要理解） 预测小车的位置和速度的例子（博客+自己理解）: 软件滤波方法及其优缺点 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 1、限幅滤波法 /*************************************************** *函数名称：AmplitudeLimiterFilter()-限幅滤波法 *优点：能有效克服因偶然因素引起的脉冲干扰 *缺点：无法抑制那种周期性的干扰，且平滑度差 *说明： 1、调用函数 GetAD(),该函数用来取得当前值 2、变量说明 Value:最近一次有效采样的值，该变量为全局变量 NewValue:当前采样的值 ReturnValue:返回值 3、常量说明 A:两次采样的最大误差值，该值需要使用者根据实际情况设置*入口：Value,上一次有效的采样值，在主程序里赋值 *出口：ReturnValue,返回值，本次滤波结果 ****************************************************/ #define A 10 unsigned char Value unsigned char AmplitudeLimiterFilter() { unsigned char NewValue; unsigned char ReturnValue; NewValue=GatAD(); if(((NewValue-Value)>A))||((Value-NewValue)>A))) ReturnValue=Value; else ReturnValue=NewValue; return(ReturnValue); } 2、中位值滤波法 /**************************************************** *函数名称：MiddlevalueFilter()-中位值滤波法 *优点：能有效克服因偶然因素引起的波动干扰；对温度、液位等变化缓慢的被测参数有良好的滤波效果 *缺点：对流量，速度等快速变化的参数不宜 *说明： 1、调用函数 GetAD(),该函数用来取得当前值 Delay(),基本延时函数 2、变量说明 ArrDataBuffer[N]:用来存放一次性采集的N组数据 数据处理中的几种常用数字滤波算法 王庆河王庆山 (济钢集团计量管理处，济南250101) (济钢集团中厚板厂，济南250101) 摘要随着数字化技术的发展，数字滤波技术成为数字化仪表和计算机在数据采集中的关键性技术，本文对常用的几种数字滤波算法的原理进行描述，并给出必要的数学模型。 关键词：数据采样噪声滤波移动滤波 一、引言 在仪表自动化工作中，经常需要对大量的数据进行处理，这些数据往往是一个时间序列或空间序列，这时常会用到数字滤波技术对数据进行预处理。数字滤波是指利用数学的方法对原始数据进行处理，去掉原始数据中掺杂的噪声数据，获得最具有代表性的数据集合。 数据采样是一种通过间接方法取得事物状态的技术如将事物的温度、压力、流量等属性通过一定的转换技术将其转换为电信号，然后再将电信号转换为数字化的数据。在多次转换中由于转换技术客观原因或主观原因造成采样数据中掺杂少量的噪声数据，影响了最终数据的准确性。 为了防止噪声对数据结果的影响，除了采用更加科学的采样技术外，我们还要采用一些必要的技术手段对原始数据进行整理、统计，数字滤波技术是最基本的处理方法，它可以剔除数据中的噪声，提高数据的代表性。 二、几种常用的数据处理方法 在实际应用中我们所用的数据滤波方法很多，在计算机应用高度普及的今天更有许多新的方法出现，如逻辑判断滤波、中值滤波、均值滤波、加权平均 2中值滤波 中值滤波是对采样序列按大小排滤波、众数滤波、一阶滞后滤波、移动滤波、复合滤波 等。 假设我们采用前端仪表采集了一组采样周期为1s的温度数据的时间序列 T0为第0s 采集的温度值，Ti为第is采集的温度值。下面介绍如何应用几种不同滤波算法来计算结果温度T。 1.程序判断滤波 当采样信号由于随机干扰、误检测或变送器不稳定引起严重失真时，可采用程序判断滤波算法，该算法的基本原理是根据生产经验，确定出相邻采样输入信号可能的最大偏差△T,若超过此偏差值，则表明该输入信号是干扰信号，应该去掉，若小于偏差值则作为此次采样值。 (1)限幅滤波 限幅滤波是把两次相邻的采集值进行相减，取其差值的绝对值△T作为比较依据，如果小于或等于△T,则取此次采样值,如果大于△T,则取前次采样值，如式(1)所示： 随机误差是有随机干搅引起的，其特点是在相同条件下测量同一个量时，其大小和符号做无规则变化而无法预测，但多次测量结果符合统计规律。为克服随机干搅引入的误差，硬件上可采用滤波技术，软件上可以采用软件算法实现数字滤波，其算法往往是系统测控算法的一个重要组成部分，实时性很强，采用汇编语言来编写。 采用数字滤波算法克服随机干搅引入的误差具有以下几个优点： （1）数字滤波无须硬件，只用一个计算过程，可靠性高，不存在阻抗匹配问题，尤其是数字滤波可以对 频率很高或很低的信号进行滤波，这是模拟滤波器做不到的。 （2）数字滤波是用软件算法实现的，多输入通道可用一个软件“滤波器”从而降低系统开支。 （3）只要适当改变软件滤波器的滤波程序或运行参数，就能方便地改变其滤波特性，这个对于低频、脉冲 干搅、随机噪声等特别有效。 常用的数字滤波器算法有程序判断法、中值判断法、算术平均值法、加权滤波法、滑动滤波法、低通滤波法和复合滤波法。 1．程序判断法： 程序判断法又称限副滤波法，其方法是把两次相邻的采样值相减，求出其增量（以绝对值表示）。然后与两次采样允许的最大差值△Y进行比较，△Y的大小由被测对象的具体情况而定，若小于或等于△Y，则取本次采样的值；若大于△Y，则取上次采样值作为本次采样值，即 yn - yn-1|≤△Y，则yn有效， yn -yn-1|＞△Y，则yn-1有效。 式中yn ——第n次采样的值； Yn-1——第（n-1）次采样的值； △Y——相邻两次采样值允许的最大偏差。 设R1和R2为内部RAM单元，分别存放yn-1和yn，滤波值也存放在R2单元，采用MCS-51单片机指令编写的程序判断法子程序如下：付表 2．中值滤波法即对某一参数连续采样N次（一般N为奇数），然后把N次采样值按从小到大排队，再取中间值作为本次采样值。 数字滤波的优点及10 种常用数字滤波方法比较 在微机控制系统的模拟输入信号中，一般均含有各种噪声和干扰，他们来自被测信号源本身、传感器、外界干扰等。为了进行准确测量和控制，必须消除被测信号中的噪声和干扰。噪声有2 大类： (1)周期性的信号，其典型代表为50Hz 的工频干扰，对于这类信号，采用积分时间等于20ms 整倍数的双积分A/D 转换器，可有效地消除其影响； (2)非周期的不规则随机信号，对于随机干扰，可以用数字滤波方法予以削弱或滤除。 所谓数字滤波，就是通过一定的计算或判断程序减少干扰信号在有用信号中的比重，因此他实际上是一个程序滤波。数字滤波器克服了模拟滤波器的许多不足，他与模拟滤波器相比有以下优点： (1) 数字滤波器是用软件实现的，不需要增加硬设备，因而可靠性高、稳定性好，不存在阻抗匹配问题。 (2) 模拟滤波器通常是各通道专用，而数字滤波器则可多通道共享，从而降低了成本。 (3)数字滤波器可以对频率很低(如0.01Hz) 的信号进行滤波，而模拟滤波器由于受电容容量的限制，频率不可能太低。 (4)数字滤波器可以根据信号的不同，采用不同的滤波方法或滤 波参数，具有灵活、方便、功能强的特点。 10 种数字滤波方法 1、限副滤波 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, 则本次值无效，放弃本次值，用上次值代替本次值优点：能有效克服因偶然因素引起的脉冲干扰。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 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。 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。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 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 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。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）方法：把连续取 浅析软件滤波在台达PLC自动控制中的应用 发布时间：2007-08-01作者：中国工控网点击：3060 摘要：介绍PLC应用中软件滤波功能、方法，以及台达PLC在自动控制中软件滤波程序应用。 关键词：PLC 模拟量采集噪声和干扰滤波电路滤波方法闭环调节 1 引言 工业自动化系统中的大型系统或是小型设备，均含有各种噪声和干扰。干扰既有来自信号源本体或传感器，也有来自外界干扰。为了进行准确测量和控制，必须消除被测信号中的噪声和干扰。特别是随着自动化程度的提高，许多控制功能通过自动闭环调节来完成，设备控制的效果取决于外部模拟量采集、控制算法、执行输出等等环节，而在现场工业环境中，电磁干扰、电源干扰、甚至于传感器本身都会影响外部信号，导致得到的数据失真、波动，如果在数据采集环节即出现问题，那整个系统将无法正常工作。本文分析解决的是如何利用软件数字滤波的方式处理外部信号的正确采集，从而才能得到真实的数据，实现自动控制，否则设备的自动化控制将无从谈起。 2 软件滤波功能简介 2.1 软件滤波 软件滤波即是通过软件算法将数据进行适当处理，从而屏蔽掉噪声和干扰杂波信号，获得可用的真实数据的一种方法，也可以说是通过程序处理的方式完成数据采集信号的处理。 对于采集信号的处理，除了软件滤波之外，也可以采用硬件电路实现滤波处理，比如常见的RC滤波、LC 滤波等等，图1为采用电容滤波电路的信号曲线。 图1 电容滤波电路的信号曲线 硬件滤波的优点在于我们在程序中不再需要进行复杂的程序处理，而且数据变化响应性高；而软件滤波的优势在于不需要硬件的投入，简化了电路设计，对于不同的信号干扰可以很方便的调整软件参数达到滤波效果，虽然有些方法在信号处理上会有一定的滞后，但只要合理使用各种不同的滤波方式则完全避免因此而带来的影响。 2.2 数字软件滤波优点 (1) 数字滤波用软件实现，不需要增加硬设备，因而可靠性高、稳定性好，不存在阻抗匹配问题。 (2) 模拟滤波通常是各通道专用，而数字滤波则可多通道共享，从而降低了成本。 (3) 数字滤波可以对频率很低(如0.01 Hz)的信号进行滤波，而模拟滤波由于受电容容量的限制，频率不可能太低。 (4) 数字滤波可以根据信号的不同，采用不同的滤波方法或滤波参数，具有灵活、方便、功能强的特点。 3 实现软件滤波的方法 软件滤波有很多种方法，主要是针对不同干扰信号采取不同的方法将其消除，这里列举了一些方法并针对性说明有缺点，使大家可以正确选择采用的滤波方法。常用的8种数字滤波算法
10种软件滤波算法
10种常用滤波方法
10种简单的数值滤波方法
(整理)11种滤波方法+范例代码.
常用的软件滤波方法(工程师必备).
AD数据采集的“数字滤波”：10个“软件滤波程序”
十一种软件数字滤波算法
十种数字滤波方法
11种经典软件滤波的原理和实现58239
常见的信号处理滤波方法
软件滤波方法及其优缺点
滤波算法程序(详述十种滤波方法,附源代码)
数据处理中的几种常用数字滤波算法
常用7种软件滤波
数字滤波的优点及10种常用数字滤波方法比较
浅析软件滤波在台达PLC自动控制中的应用