第4章1智能仪器的基本数据处理算法.ppt

去极值平均滤波 算术平均滤波对周期干扰进行平滑加工，但对随机的脉冲干扰消除效果差。 去极值平均滤波，将N个采样数据中最大值、最小值去掉，对剩下的（N-2）个采样值求平均值。 既能抑制随机干扰，又能滤除明显的脉冲干扰。 去极值平均滤波子程序 #define N 14 char filter() { int sum=0; char value_buf[N]; char count,i,j,min,max; for(count=0;countN;count++) { sum+=get_ad(); delay(); } //得到N次采样的值 min=value_buf[0]; max=value_buf[0]; //先赋值，后面再比较 for(j=0;jN;j++) { sum+=value_buf[count]; //求sum if（minvalue_buf[j]) min=value_buf[j]; //求min if（maxvalue_buf[j]) max=value_buf[j]; //求max } return(char)((sum-min-max)/(N-2)); } 2．滑动平均滤波法 适用于采样速度较慢或要求数据更新率较高的实时系统。 滑动平均滤波法把N个测量数据看成一个队列，队列的长度固定为N，每进行一次新的采样，把新测量结果放入队尾，而去掉原来队首的一个数据，这样在队列中始终有N个“必威体育精装版”的数据。 为第n次采样经滤波后的输出； 为未经滤波的第n－i次采样值； N为滑动平均项数。 特点：平滑度高，灵敏度低；但对偶然出现的脉冲性干扰的抑制作用差。 滑动平均滤波子程序 #define N 12 char value_buf[N]; char i=0; char filter() { char count; int sum=0; value_buf[i]=get_ad(); i++; if(i==N) i=0; for(count=0;countN;count++) sum+=value_buf[count]; return(char)(sum/N); } 3．加权滑动平均滤波 增加新的采样数据在滑动平均中的比重，以提高系统对当前采样值的灵敏度，即对不同时刻的数据加以不同的权。通常越接近现时刻的数据，权取得越大。 按FIR滤波设计 确定系数 加权滑动平均滤波子程序 #define N 11 int code coe[N]={-36,9,44,69,84,89,84,69,44,9,-36}; char filter() //coe数组为加权系数表，存在程序存储区 { char value_buf[N]; char count; int sum=0; for(count=0;countN;count++) { value_buf[i]=get_ad(); delay; } for(count=0;countN;count++) sum+=value_buf[count]*coe[count]; return(char)(sum/N); } 三、复合滤波法 在实际应用中，有时既要消除大幅度的脉冲干扰，有要做数据平滑。因此常把前面介绍的两种以上的方法结合起来使用，形成复合滤波，或称为多级数字滤波。 例如，算术平均滤波对于随机的干扰无法消除，如电网电压的波动、变送器的临时故障等。利用中值滤波则可以解决这个问题。因此，结合两种方法。 第四章 智能仪器的基本数据处理算法 数据处理能力是智能仪器水平的标志,不能充分发挥软件作用,等同硬件化的数字式仪器. 测量精度和可靠性是仪器的重要指标，引入数据处理算法后，使许多原来靠硬件电路难以实现的信号处理问题得以解决，从而克服和弥补了包括传感器在内的各个测量环节中硬件本身的缺陷或弱点，提高了仪器的综合性能。 基本数据处理算法内容提要 克服随机误差的数字滤波算法 消除系统误差的算法、非线性校正 工程量的标度变换。 诸如频谱估计、相关分析、复杂滤波等算法，阅读数字信号处理方面的文献。 第一节 克服随机误差的数字滤波算法 随机误差：由串入仪表的随机干扰、仪器内部器件噪声和A/D量化噪声等引起的，在相同条件下测量同一量时，其大小和符号作无规则变化而无法预测，但在多次测量中符合统计规律的误差。采用模拟滤波器是主要硬件方法。 数字滤波算法的优点：（1）数字滤波只是一个计算过程，无需硬件，因此可靠性高，并且不存在阻抗匹配、