几种时域滤波的比较

本文主要是介绍几种时域滤波的比较，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1　平均值滤波

1）算术平均滤波

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值的选取一般规则为：流量N取12；压力N取4；温度、成分等缓变信号N可取2甚至不平均。

优点：适用于对一般具有随机干扰的信号进行滤波，这种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，并且比较浪费RAM。

2）中位值平均滤波法（又称防脉冲干扰平均滤波法）

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。

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。

缺点：测量速度较慢，和算术平均滤波法一样，比较浪费RAM。

3）滑动平均滤波

上述各种平均滤波算法有一个共同点，即每取得一个有效采样值，必须连续进行若干次采样，当系统的采样速度较慢（如双积分型A/D转换）或采样信号变化较快时，系统的实时性就无法得到保证。而滑动平均滤波算法能较好地解决这一问题。它在每个采样周期只采样一次，将这一次采样值和过去的若干采样值一起求平均，所得结果即为有效采样值。

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就放入队尾,并扔掉原来队首的第一个数据(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值的一般选取方法为：流量，N=12；压力：N=4；液位，N=4～12；温度，N=1～4。

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。

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。

2　中值滤波

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。本算法为取中值，故采样次数应为奇数，一般3～5次即可。对于变化很慢的采样信号也可增加次数。其程序编制可采用几种常规的排序算法，如冒泡算法。

优点：能有效克服因偶然因素引起的波动干扰，对温度、液位等变化较缓慢的被测参数有良好的滤波效果。

缺点：对流量、速度等快速变化过程的参数处理效果不好。

3　限幅滤波

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）每次检测到新值时进行判断，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。

优点：能有效克服因偶然因素引起的脉冲干扰，对随机干扰或采样器不稳定引起的失真有良好的滤波效果。

缺点：无法抑制那种周期性的干扰，平滑度差。

4 一阶滞后滤波法