ADC(模数转换器)滤波算法在信号处理中起着至关重要的作用,它们能够帮助我们提取出有用的信号,同时滤除噪声和干扰。以下是常用的ADC滤波算法详解,这些算法各具特色,适用于不同的应用场景。
1. 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小于等于A,则本次值有效;如果本次值与上次值之差大于A,则本次值无效,放弃本次值,用上次值代替本次值。
2. 优点
3. 缺点
4. 示例程序
#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;
}
1. 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。
2. 优点
3. 缺点
4. 示例程序
#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[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];
}
1. 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值的选取通常根据被测参数的特性来确定,如一般流量N=12,压力N=4。
2. 优点
3. 缺点
4. 示例程序
#define N 12
char filter() {
int sum = 0;
for (count = 0; count < N; count++) {
sum += get_ad();
}
return (char)(sum / N);
}
1. 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值的选取同样根据被测参数的特性来确定,如流量N=12,压力N=4,液面N=4~12,温度N=1~4。
2. 优点
3. 缺点
4. 示例程序 (注意:此示例程序与上述示例有所不同,但原理相同)
#define N 12
char filter() {
int sum = 0;
for (count = 0; count < N; count++) {
sum += get_ad();
}
return (char)(sum / N);
}
1. 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值的选取通常为3~14。
2. 优点
3. 缺点
4. 示例程序 (注意:此示例程序为简化版,未包含所有细节)
#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);
}
1. 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。
2. 优点
3. 缺点
4. 示例程序 (注意:此示例程序结合了限幅和递推平均滤波的特点)
#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) < A) {
value_buf[i++] = new_value;
if (i == N)
i = 0;
for (count = 0; count < N; count++) {
sum += value_buf[count];
}
return (char)(sum / N);
} else {
return value; // 或者使用其他处理方式,如返回上次有效值等
}
}
// 注意:此示例程序中的“value”变量需要在外部进行初始化和更新,以确保其有效性。同时,为了简化代码,未包含所有错误处理和边界检查。
1. 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。
2. 优点
3. 缺点
4. 示例程序 (注意:此示例程序中的a值可以根据需要进行调整)
#define a 30 // 取0~100之间的值进行换算,如a=30表示0.3的系数
char value;
char filter() {
char new_value;
new
#define a 30 // 取0~100之间的值进行换算,如a=30表示0.3的系数
char value; // 上次滤波结果,需要在外部进行初始化和更新
char filter() {
char new_value = get_ad(); // 本次采样值
value = (100 - a) * new_value / 100 + a * value / 100; // 按照公式进行计算,注意这里将a换算为了百分比形式
// 或者等价地写作:value = new_value * (1 - a/100) + value * (a/100);
return value;
}
注意 :
a
的值通常需要根据具体情况进行调整,以达到最佳的滤波效果。1. 方法
对连续N个采样值,分别乘以不同的加权系数,然后进行算术平均运算。各加权系数的取值通常根据被测参数的特性来确定,如流量测量中的加权系数可以设为中间大两头小,即越接近当前时刻的采样值,其加权系数越大。
2. 优点
3. 缺点
4. 示例程序 (注意:此示例程序为简化版,未包含所有细节和加权系数的具体选择)
#define N 5
char value_buf[N];
int weight[N] = {1, 2, 3, 2, 1}; // 示例加权系数,可以根据需要调整
char i = 0;
char filter() {
char count;
int sum = 0, weighted_sum = 0;
value_buf[i++] = get_ad();
if (i == N)
i = 0;
for (count = 0; count < N; count++) {
sum += value_buf[count];
weighted_sum += value_buf[count] * weight[count];
}
// 可以选择返回算术平均值或加权平均值
// return (char)(sum / N); // 算术平均值
return (char)(weighted_sum / (weight[0] + weight[1] + weight[2] + weight[3] + weight[4])); // 加权平均值
}
1. 方法
设置一个滤波计数器,将每次采样值与当前有效值进行比较。如果采样值与当前有效值相等,则计数器清零;如果采样值与当前有效值不相等,则计数器加1。当计数器达到预设的上限值(如5次)时,本次采样值被认定为有效值,并用其更新当前有效值。
2. 优点
3. 缺点
4. 示例程序 (注意:此示例程序以按键消抖为例)
#define FILTER_THRESHOLD 5 // 滤波计数器上限值
char current_value = 0; // 当前有效值
unsigned char filter_counter = 0; // 滤波计数器
char filter(char new_value) {
if (new_value == current_value) {
filter_counter = 0; // 采样值与当前有效值相等,计数器清零
} else {
filter_counter++; // 采样值与当前有效值不相等,计数器加1
if (filter_counter >= FILTER_THRESHOLD) {
current_value = new_value; // 计数器达到上限值,更新当前有效值
filter_counter = 0; // 计数器清零
}
}
return current_value;
}
以上介绍了九种常用的ADC滤波算法,每种算法都有其特点和适用场景。在实际应用中,需要根据被测参数的特性、采样频率、实时性要求以及系统资源等因素综合考虑,选择最合适的滤波算法。同时,也需要注意滤波算法可能带来的相位滞后、灵敏度降低等副作用,并采取相应的措施进行优化。
全部0条评论
快来发表一下你的评论吧 !