滤波器设计问题.doc

12.2.3 数据处理 计算机测控系统中的数据处理从一般意义上说应包括三方面内容： 一是对传感器输出信号进行放大、滤波、I/V转换等预处理，通常称之为信号调理；二是对采 集到计算机中的信号数据进行数字滤波、数值计算、逻辑判断、非线性补偿和标度变换等加工处理，通常称之为一次处理；三是对经前两步得到的测量数据进行分 析，寻找规律，判断事物性质，生成所需控制信号，甚至进一步研究以前控制效果，决策后一时刻的控制方案等，此称为二次处理。信号调理都是由硬件完成，对不 同性质的传感器输出信号进行信号调理及与微机接口的通常方法如表12.5所示；而一次处理和二次处理则一般由软件实现。不过通常所说的数据处理多指上述的一次处理。本节讨论的范围也仅限于此。 一次处理的主要任务是提高检测数据的精确度和可信度，并使数据格式化、标准化，以便运算和显 示、打印、记录。而检测数据的精确度和可信度主要受检测过程的随机误差和系统误差的影响。随机误差可用统计方法处理而削弱其影响；系统误差则可通过自校准 或特性补偿技术来加以削弱或消除。下面分别讨论之。 1. 随机误差的处理 随机误差主要指外部干扰信号和内部噪声源或某些意外情况出现所造成的检测误差。由随机过程数理统计理论可知，随机误差虽然具有不可预知性，但总体上服从于统计规律，多数情况下接近于正态分布。在多次检测中，随机误差的绝对值的波动有一定界限，且正负误差出现的概率几乎相同，即是说，随机误差具有对称性、互抵性及有界性，因此其算术平均值趋于零。据此，为了提高信噪比，每个采样周期中进行多次重复采样，以其算术平均值作为该周期的采样值是可取的。可以验证，采用这种方法进行采样，信噪比的提高程度与重复采样的次数的平方根成正比，如果将采样次数适当增加，甚至可以从甚高噪声背景中提取极其微弱的信号。 表12.5 传感器输出信号与信号调理的对应关系 由于在数据采集过程中有强干扰或意外情况偶尔出现，可能会产生粗大误差或个别数据丢失现象。这些偶尔出现的错误数据点叫做奇异点。奇异点的存在会使数据处理误差大大增加。为了尽可能减小数据处理误差，一般要在求取算术平均值之前将这些奇异点检拾出来，同时用一合适值取而代之。 1) 检拾奇异点 我们知道，任何物理量的变化无论在时间上还是幅值上都是连续的，不可能出现间断和突跳。利用这一特性，我们便可用预测方法来检拾并剔除奇异点。例如可以用最简单的一阶差分方法计算预测值，然后与实测值比较，根据允许的误差大小决定此点的性质和取舍。 设t时刻的检测值为xt，而预测值为，根据一阶差分方程表达式，可求： = xt-1+(xt-1-xt-2) (12.1) 式(12.1)说明，t时刻的值可以用(t-1)和(t-2)时刻的检测值来推算。当采样频率的选择符合采样定理时，这种预测方法是有足够精度的。 我们将t时刻的预测值与t时刻的实际测量值xt进行比较，对该实际数据点是否奇异点做出判断。判断准则是，根据采样频率和被测物理量变化特性，给定一个误差容限或称误差窗口W，看xt和之差是否超出W，若超出则为奇异点，将xt舍弃而用取而代之。 有时，为确保检测结果的正确性、真实性，还对连续出现的奇异点进行计数，以防系统误差造成的数据平移等假象。比如设定连续三次剔除奇异点时，应舍弃这次数据，重新检测；如多次发生此类现象，则应给出报警信息。 图12.22给出了按上述思想、方法剔除奇异点后再求算术平均值的程序流程图。 图12.22 剔除奇异点并求平均值流程图 2) 数字滤波 所谓数字滤波，就是对采样的数据(有时是经过剔除奇异点的采样数据)用计算机软件的办法进行平滑加工，提高其有用信号，消除或削弱各种干扰及噪声造成的随机误差。 采用数字滤波器较之采用模拟滤波器的优点是肯定的，首先是降低了硬件滤波器件的费用，此外还 能克服采用模拟电容器构成滤波器时由于受电容器容量的限制难以滤除低频干扰的问题。然而最大的优点该是数字滤波程序种类繁多，可根据实际要求选择不同的滤 波方法或改变滤波器的参数，以获得最佳的效果。 通常对变化比较缓慢的参数，例如温度、成分等，可选用程序判断滤波及一阶滞后滤波；对那些变化较快的脉冲参数，如压力、流量等，则宜选用算术平均滤波和加权平均滤波。此外，对测量精度要求较高的系统还可采用复合滤波方法。 但是，任何工具的应用都有其局限性。尽管数字滤波是一种用来消除计算机测控系统中干扰成分的 有效工具，但如使用不当，有时反而造成失误。例如在自动调节系统中，不恰当的数字滤波有时会将作为调控依据的偏差值滤掉，从而使系统失去调节功能。因此一 定要以仿真实验及现场实验的结果为依据，最后确定所采用的数字滤波环节是否恰当。 下面介绍几种常用的、简便有效的数字滤波方法。 (1) 程序判断滤波