十一种通用滤波算法及优缺点

本文介绍了十一种常用的滤波算法,包括限幅滤波法、中位值滤波法、算术平均滤波法等,每种算法都详细阐述了其工作原理、优缺点及适用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文为转载,原文链接为点击打开链接

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。

### 平滑滤波算法优缺点分析 #### 优点 平滑滤波是一种常见的信号处理技术,其主要目的是减少噪声并保留有用的信息。以下是几种常见平滑滤波算法的主要优点: 1. **算术平均滤波** 算术平均滤波通过对多个采样值求均值的方式有效降低随机噪声的影响,从而提高系统的稳定性[^1]。这种方法简单易实现,在硬件资源有限的情况下尤为适用。 2. **中位值平均滤波法(防脉冲干扰平均滤波法)** 中位值平均滤波不仅能够去除极端异常值(如最大值和最小值),还能通过剩余样本的平均运算进一步提升数据的可靠性[^2]。这种组合方式特别适合于存在偶发性大扰动的应用场景。 3. **一阶滞后滤波** 该方法利用差分方程模拟了一阶RC低通滤波器的行为,能够在一定程度上抑制高频噪声的同时保持较低的时间延迟特性[^3]。它适用于动态变化较为缓慢的过程变量监测场合。 4. **通用性与灵活性** 多数平滑滤波算法可以根据实际需求调整参数设置(例如窗口大小、权重系数等),使得它们可以灵活应对不同类型的输入信号以及目标性能指标的要求。 #### 缺点 尽管上述各类平滑滤波各有千秋,但也伴随着一些固有的局限性和挑战: 1. **响应速度受限** 对于快速变动的目标量而言,采用较大时间常数或者较长历史记录长度可能会导致系统反应迟缓,无法及时捕捉瞬态特征。 2. **内存消耗较高** 特别是一些涉及累积存储过往观测值的方法(比如加权递推平均滤波),往往需要占用较多RAM空间来保存中间状态信息。 3. **可能引入相位失真** 部分线性时不变型滤波操作可能导致输出序列相对于原始输入发生偏移现象,这在某些实时控制领域可能是不可接受的副作用之一。 4. **复杂度增加** 当追求更高精度或特殊功能时(如自适应调节增益因子的一阶滞后改进版),相应地也会使程序逻辑变得更加繁琐难懂,并且调试难度也随之增大。 综上所述,每一种具体的平滑滤波方案都有各自的强项与短板所在;因此,在工程实践中应当综合考虑应用场景的具体约束条件之后再做合理选型决策。 ```python def arithmetic_mean_filter(data, n): """ 实现简单的算术平均滤波 """ filtered_data = [] for i in range(len(data)): start_index = max(i - n + 1, 0) window = data[start_index:i+1] avg_value = sum(window)/len(window) filtered_data.append(avg_value) return filtered_data ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值