在实际工程中采集的许多数据都需要滤波、这里参考查阅了网上资料，总结了常用的滤波算法，原文链接见文章结尾处。
1、限幅滤波法
名称：限幅滤波法（又称程序判断滤波法）
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。
优点：
能有效克服因偶然因素引起的脉冲干扰。
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
名称：中位值滤波法
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。
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。
缺点：
对流量、速度等快速变化的参数不宜。
3、算数平均滤波
名称：算术平均滤波法
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。
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；
比较浪费RAM。
4、递推平均滤波
名称：递推平均滤波法（又称滑动平均滤波法）
方法：
把连续取得的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，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。
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
5、中位值平均滤波
名称：中位值平均滤波法（又称防脉冲干扰平均滤波法）
方法：
采一组队列去掉最大值和最小值后取平均值，
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“中位值滤波法”+“算术平均滤波法”两种滤波法的优点。
对于偶然出现的脉冲性干扰，可消除由其所引起的采样值偏差。
对周期干扰有良好的抑制作用。
平滑度高，适于高频振荡的系统。
缺点：
计算速度较慢，和算术平均滤波法一样。
比较浪费RAM
6、限幅平均滤波法
名称：限幅平均滤波法
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。
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：
比较浪费RAM。
7、一阶滞后滤波法
名称：一阶滞后滤波法
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。
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。
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1/2的干扰信号
8、加权递推平均滤波法
名称：加权递推平均滤波法
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。
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。
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
名称：消抖滤波法
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。
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。
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
名称：限幅消抖滤波法
方法：
相当于“限幅滤波法”+“消抖滤波法”；
先限幅，后消抖。
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。
缺点：
对于快速变化的参数不宜。
11、卡尔曼滤波
卡尔曼算法既可以用来滤波也可以用来预测
以一维卡尔曼滤波为例，如果我们单纯的相信测量的信号，那么这个信号是包含噪声的，是很毛糙的，但是当我们运行卡尔曼滤波算法去做估计，我们估计的信号会很光滑，看起来似乎滤掉了噪声的影响，所以称之为滤波算法。实际上，卡尔曼滤波不仅仅过滤掉了测量信号的噪声，它同时也结合了以往的估计，卡尔曼滤波在线性问题中被证明是最优估计。
卡尔曼滤波存在着一个非常大的局限性——它仅能对线性的过程模型和测量模型进行精确的估计，在非线性的场景中并不能达到最优的估计效果，为了能够设定线性的环境，我们假定了我们的过程模型为恒定速度模型，但是显然在显示的应用中不是这样的，不论是过程模型还是测量模型，都是非线性的。
原文链接：https://blog.csdn.net/AdamShan/article/details/78248421
原文链接：十大滤波算法程序大全（Arduino精编无错版） - Arduino - 极客工坊 - Powered by Discuz! (geek-workshop.com)
标签：采样,干扰,消抖,滤波,算法,优点,限幅 来源： https://www.cnblogs.com/hiccuplh/p/16228236.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。