C语言滤波的的方法

本文详细介绍了十种常用的滤波算法,包括限幅滤波法、中位值滤波法、算术平均滤波法等,每种算法都附带了具体的实现方法、优缺点分析及应用场景建议。

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

参考来源:http://blog.sina.com.cn/s/blog_620b71230100f83t.html

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
 
 
#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




#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];
}     


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<N;count++)
   {
      sum + = get_ad();
      delay();
   }
   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 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);
}


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
 
#define N 12
char filter()
{
   char count,i,j;
   char value_buf[N];
   int  sum=0;
   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;
         }
      }
   }
   for(count=1;count<N-1;count++)
      sum += value[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
  
略 参考子程序1、3
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
 
#define a 50
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
 不能迅速反应系统当前所受干扰的严重程度,滤波效果差
 
#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<N;count++)
   {
      value_buf[count] = get_ad();
      delay();
   }
   for (count=0,count<N;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<>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
#define N 12
char filter()
{
   char count=0;
   char new_value;
   new_value = get_ad();
   while (value !=new_value);
   {
      count++;
      if (count>=N)   return new_value;
       delay();
      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:
### 关于C语言实现滤波功能的方法 以下是几种常见的滤波方法及其在C语言中的实现方式: #### 1. **卡尔曼滤波** 卡尔曼滤波是一种递归的状态估计算法,适用于动态系统的预测和校正。以下是一个简单的一维卡尔曼滤波实现示例[^1]。 ```c #include <stdio.h> void kalman_filter(float *estimate, float measurement, float q, float r) { static float p = 1; float k; // 计算卡尔曼增益 p = p + q; k = p / (p + r); // 更新状态估计值 *estimate = *estimate + k * (measurement - *estimate); // 更新误差协方差 p = (1 - k) * p; } int main() { float estimate = 0; // 初始状态估计 float measurements[] = {1.0, 2.1, 1.9, 2.0, 2.2}; // 测量值 int n = sizeof(measurements) / sizeof(measurements[0]); float q = 0.01; // 过程噪声 float r = 0.1; // 测量噪声 for (int i = 0; i < n; i++) { kalman_filter(&estimate, measurements[i], q, r); printf("第%d次测量后的估计值: %.2f\n", i + 1, estimate); } return 0; } ``` --- #### 2. **高斯滤波** 高斯滤波通常用于平滑图像或其他二维信号。下面是一个简单的5×5高斯滤波器的实现[^2]。 ```c #include <stdio.h> #define SIZE 5 float gaussian_filter(int image[SIZE][SIZE]) { float kernel[SIZE][SIZE] = { {1, 4, 7, 4, 1}, {4, 16, 26, 16, 4}, {7, 26, 41, 26, 7}, {4, 16, 26, 16, 4}, {1, 4, 7, 4, 1} }; float sum_kernel = 273; // 核心总和 float filtered_value = 0; for (int i = 0; i < SIZE; i++) { for (int j = 0; j < SIZE; j++) { filtered_value += image[i][j] * kernel[i][j]; } } return filtered_value / sum_kernel; } int main() { int input_image[SIZE][SIZE] = { {255, 255, 255, 255, 255}, {255, 100, 100, 100, 255}, {255, 100, 50, 100, 255}, {255, 100, 100, 100, 255}, {255, 255, 255, 255, 255} }; float output = gaussian_filter(input_image); printf("滤波后的中心像素值: %.2f\n", output); return 0; } ``` --- #### 3. **快速滤波(滑动窗口均值滤波)** 这种方法通过对一组连续数据取平均值来减少噪声影响。以下是一个基于滑动窗口的快速滤波实现[^3]。 ```c #include <stdio.h> float calc_mean(float window[], int size) { float sum = 0; for (int i = 0; i < size; i++) { sum += window[i]; } return sum / size; } void fast_filter(float data[], int length, int window_size, float result[]) { for (int i = 0; i <= length - window_size; i++) { float temp_window[window_size]; for (int j = 0; j < window_size; j++) { temp_window[j] = data[i + j]; } result[i] = calc_mean(temp_window, window_size); } } int main() { float data[] = {1.0, 2.0, 3.0, 4.0, 5.0}; int length = sizeof(data) / sizeof(data[0]); int window_size = 3; float result[length]; fast_filter(data, length, window_size, result); for (int i = 0; i <= length - window_size; i++) { printf("索引 %d 处的滑动窗口均值: %.2f\n", i, result[i]); } return 0; } ``` --- #### 4. **加权移动平均滤波** 该方法为不同时间点的数据赋予不同的权重,从而更好地反映近期趋势。以下是一个加权移动平均滤波的实现[^4]。 ```c #include <stdio.h> float weighted_moving_average(float data[], float weights[], int start_index, int weight_length) { float sum = 0; for (int i = 0; i < weight_length; i++) { sum += data[start_index + i] * weights[i]; } return sum; } int main() { float data[] = {1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0}; float weights[] = {0.1, 0.2, 0.3, 0.2, 0.1}; int data_length = sizeof(data) / sizeof(data[0]); int weight_length = sizeof(weights) / sizeof(weights[0]); for (int i = 0; i <= data_length - weight_length; i++) { float result = weighted_moving_average(data, weights, i, weight_length); printf("索引 %d 处的加权移动平均值: %.2f\n", i, result); } return 0; } ``` --- ### 总结 上述四种方法分别展示了如何在C语言中实现卡尔曼滤波、高斯滤波、快速滤波和加权移动平均滤波。每种方法都有其特定的应用场景和优势。
评论
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