常用的ADC滤波算法有哪些

CHANBAEK 2024-10-08 265

描述

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。

一、限幅滤波法（又称程序判断滤波法）

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

能有效克服因偶然因素引起的脉冲干扰。

3. 缺点

无法抑制周期性干扰，平滑度差。

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;  
}

二、中位值滤波法

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

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。

3. 缺点

对流量、速度等快速变化的参数不宜使用。

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];  
}

三、算术平均滤波法

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

适用于对一般具有随机干扰的信号进行滤波。这类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。

3. 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. 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);  
}

四、递推平均滤波法（又称滑动平均滤波法）

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

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。

3. 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。

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);  
}

五、中位值平均滤波法（又称防脉冲干扰平均滤波法）

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

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。

3. 缺点

测量速度较慢。
比较浪费RAM。

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);  
}

六、限幅平均滤波法

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

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。

3. 缺点

比较浪费RAM。

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。

七、一阶滞后滤波法

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

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。

3. 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。

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：

在实际使用中，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。
一阶滞后滤波法虽然能够抑制周期性干扰，但会引起相位滞后，这在某些对实时性要求较高的应用中可能是一个缺点。

八、加权递推平均滤波法

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

能够更灵活地适应被测参数的变化特性。
通过选择合适的加权系数，可以优化滤波效果。

3. 缺点

加权系数的选择需要一定的经验和试验。
计算量相对较大，可能影响实时性。

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  
}

九、消抖滤波法

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

能够有效消除因按键抖动或传感器不稳定引起的误判。

3. 缺点

对于快速变化的信号可能不适用。
滤波计数器上限值的选择需要一定的经验和试验。

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;  
}

总结

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。

打开APP阅读更多精彩内容