低通滤波算法->消抖，延时，电机缓启动
typedef __packed struct
{
fp32 input; // 输入数据
fp32 out; // 滤波输出的数据
fp32 num; // 滤波参数
fp32 frame_period; // 滤波的时间间隔 单位 s
} first_order_filter_type_t;
/* 一阶低通滤波初始化*/
void first_order_filter_init(first_order_filter_type_t *first_order_filter_type, fp32 frame_period, fp32 num)
{
first_order_filter_type->frame_period = frame_period;
first_order_filter_type->num = num;
first_order_filter_type->input = 0.0f;
first_order_filter_type->out = 0.0f;
}
/* 一阶低通滤波计算*/
void first_order_filter_cali(first_order_filter_type_t *first_order_filter_type, fp32 input)
{
first_order_filter_type->input = input;
first_order_filter_type->out =
first_order_filter_type->num / (first_order_filter_type->num + first_order_filter_type->frame_period) * first_order_filter_type->out +
first_order_filter_type->frame_period / (first_order_filter_type->num + first_order_filter_type->frame_period) * first_order_filter_type->input;
}斜波函数
typedef __packed struct
{
fp32 input; // 输入数据
fp32 out; // 输出数据
fp32 min_value; // 限幅最小值
fp32 max_value; // 限幅最大值
fp32 frame_period; // 时间间隔
} ramp_function_source_t;
/*斜波函数初始化*/
void ramp_init(ramp_function_source_t *ramp_source_type, fp32 frame_period, fp32 max, fp32 min)
{
ramp_source_type->frame_period = frame_period;
ramp_source_type->max_value = max;
ramp_source_type->min_value = min;
ramp_source_type->input = 0.0f;
ramp_source_type->out = 0.0f;
}
/* 斜波函数计算，根据输入的值进行叠加， 输入单位为 /s 即一秒后增加输入的值*/
void ramp_calc(ramp_function_source_t *ramp_source_type, fp32 input)
{
ramp_source_type->input = input;
ramp_source_type->out += ramp_source_type->input * ramp_source_type->frame_period;
if (ramp_source_type->out > ramp_source_type->max_value)
{
ramp_source_type->out = ramp_source_type->max_value;
}
else if (ramp_source_type->out < ramp_source_type->min_value)
{
ramp_source_type->out = ramp_source_type->min_value;
}
}其他常见滤波算法头文件
#ifndef __FILTER_H__
#define __FILTER_H__
#include "stm32f4xx.h"
#include "stdio.h"
/*限幅滤波参数*/
typedef struct
{
float valu;
float NewValue;
float FILTER_A;
} lim_filter;
/*滑动均值滤波法*/
typedef struct
{
float *move_filter_buf;
u8 buf_length;
} move_average;
/*限幅平均滤波法*/
typedef struct
{
float *limit_avg_filter_buf;
u8 buf_length;
float FILTER_A;
} limit_average;
typedef struct
{
float value;
float First_order_FILTER_A;
float filter_out;
} first_order_lag_info;
float limiting_filter(float Value, lim_filter *lim);
float median_filter(float *filter_buf, u8 filter_data_length);
float arc_average_filter(float *filter_buf, u8 filter_data_length);
float move_average_filter(float get_value, move_average *move_filter);
float median_average_filter(float *filter_buf, u8 filter_data_length);
float limit_average_filter(float get_value, limit_average *limit);
void first_order_lag_filter(float value_s, first_order_lag_info *first_order_lag_info_s);
#endif其他常见滤波算法C文件
#include "filter.h"
/*限幅滤波*/
float limiting_filter(float NewValue, lim_filter *lim)
{
lim->NewValue = NewValue;
if (((lim->NewValue - lim->valu) > lim->FILTER_A) || ((lim->valu - lim->NewValue) > lim->FILTER_A))
return lim->valu;
else
return lim->NewValue;
}
/*
A、名称：中位值滤波法
B、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。
C、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。
D、缺点：
对流量、速度等快速变化的参数不宜。
E、整理:liuwei 2019-9-25
*/
float median_filter(float *filter_buf, u8 filter_data_length)
{
int i, j;
int filter_temp;
// 采样值从小到大排列（冒泡法）
for (j = 0; j < filter_data_length - 1; j++)
{
for (i = 0; i < filter_data_length - 1 - j; i++)
{
if (filter_buf[i] > filter_buf[i + 1])
{
filter_temp = filter_buf[i];
filter_buf[i] = filter_buf[i + 1];
filter_buf[i + 1] = filter_temp;
}
}
}
return filter_buf[(filter_data_length - 1) / 2];
}
/*
A、名称：算术平均滤波法
B、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。
C、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。
D、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。
E、整理:liuwei 2019-9-25
*/
float arc_average_filter(float *filter_buf, u8 filter_data_length)
{
int i;
int filter_sum = 0;
for (i = 0; i < filter_data_length; i++)
{
filter_sum += filter_buf[i];
}
return (float)(filter_sum / filter_data_length);
}
/*
A、名称：滑动均值滤波法(递推滤波)
B、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。
C、 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。
D、 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。
E、 整理:liuwei 2019-9-25
*/
float move_average_filter(float get_value, move_average *move_filter)
{
int i;
float filter_sum = 0;
move_filter->move_filter_buf[move_filter->buf_length] = get_value;
for (i = 0; i < move_filter->buf_length; i++)
{
move_filter->move_filter_buf[i] = move_filter->move_filter_buf[i + 1]; // 所有数据左移，低位仍掉
filter_sum += move_filter->move_filter_buf[i];
}
return (float)(filter_sum / move_filter->buf_length);
}
/*
A、名称：中位值平均滤波法
B、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。
C、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。
D、缺点：
计算速度较慢，和算术平均滤波法一样。
比较浪费RAM。
E、 整理:liuwei 2019-9-25
*/
float median_average_filter(float *filter_buf, u8 filter_data_length)
{
int i, j;
int filter_temp, filter_sum = 0;
// 采样值从小到大排列（冒泡法）
for (j = 0; j < filter_data_length - 1; j++)
{
for (i = 0; i < filter_data_length - 1 - j; i++)
{
if (filter_buf[i] > filter_buf[i + 1])
{
filter_temp = filter_buf[i];
filter_buf[i] = filter_buf[i + 1];
filter_buf[i + 1] = filter_temp;
}
}
}
// 去除最大最小极值后求平均
for (i = 1; i < filter_data_length - 1; i++)
filter_sum += filter_buf[i];
return filter_sum / (filter_data_length - 2);
}
/*
A、名称：限幅平均滤波法
B、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。
C、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。
D、缺点：
比较浪费RAM。
E、 整理:liuwei 2019-9-25
*/
float limit_average_filter(float get_value, limit_average *limit)
{
int i;
int filter_sum = 0;
limit->limit_avg_filter_buf[limit->buf_length - 1] = get_value;
if (((limit->limit_avg_filter_buf[limit->buf_length - 1] - limit->limit_avg_filter_buf[limit->buf_length - 2]) > limit->FILTER_A) || ((limit->limit_avg_filter_buf[limit->buf_length - 2] - limit->limit_avg_filter_buf[limit->buf_length - 1]) > limit->FILTER_A))
limit->limit_avg_filter_buf[limit->buf_length - 1] = limit->limit_avg_filter_buf[limit->buf_length - 2];
for (i = 0; i < limit->buf_length - 1; i++)
{
limit->limit_avg_filter_buf[i] = limit->limit_avg_filter_buf[i + 1];
filter_sum += limit->limit_avg_filter_buf[i];
}
return (float)filter_sum / (limit->buf_length - 1);
}
/*
A、名称：一阶滞后滤波法
B、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。
C、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。
D、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。
E、 整理:liuwei 2019-9-25
*/
void first_order_lag_filter(float value_s, first_order_lag_info *first_order_lag_info_s)
{
first_order_lag_info_s->value = value_s;
first_order_lag_info_s->filter_out = (float)((float)value_s * first_order_lag_info_s->First_order_FILTER_A + (1.0 - first_order_lag_info_s->First_order_FILTER_A) * first_order_lag_info_s->filter_out);
}
/*
A、名称：加权递推平均滤波法
B、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。
C、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。
D、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。
E、 整理:liuwei 2019-9-25
*/
// #define FILTER_N 12
// int coe[FILTER_N] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}; // 加权系数表
// int sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12; // 加权系数和
// int filter_buf[FILTER_N + 1];
// float weighted_Re_avg_Filter(float we_value)
// {
// int i;
// int filter_sum = 0;
// filter_buf[FILTER_N] = we_value;
// for (i = 0; i < FILTER_N; i++)
// {
// filter_buf[i] = filter_buf[i + 1]; // 所有数据左移，低位仍掉
// filter_sum += filter_buf[i] * coe[i];
// }
// filter_sum /= sum_coe;
// return filter_sum;
// }
/*
A、名称：消抖滤波法
B、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。
C、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。
D、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。
E、整理：卖家 LENS电子科技
*/
// #define FILTER_N 12
// float anti_shake_filter(float anti_value)
// {
// int i = 0;
// float new_value;
// static float anti_last_value;
// new_value = anti_value;
// if (anti_last_value != new_value)
// {
// i++;
// if (i > FILTER_N)
// {
// i = 0;
// anti_last_value = new_value;
// }
// }
// else
// i = 0;
// return anti_last_value;
// }