B、优点：适用于对一般具有随机干扰的信号进行滤波，这样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。

C、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、递推平均滤波法（又称滑动平均滤波法）

A、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,就可获得新的滤波结果。N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4

B、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。

C、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、中位值平均滤波法（又称防脉冲干扰平均滤波法）

A、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

B、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。

C、缺点：测量速度较慢，和算术平均滤波法一样，比较浪费RAM。

6、限幅平均滤波法

A、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、缺点：比较浪费RAM。

7、一阶滞后滤波法

A、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。

B、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。

C、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的1/2的干扰信号。

8、加权递推平均滤波法

A、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。

B、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。

C、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

A、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 。

B、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。

C、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

A、方法：相当于“限幅滤波法”+“消抖滤波法” 先限幅,后消抖。

B、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。

C、缺点：对于快速变化的参数不宜。

11、IIR 数字滤波器

A. 方法：确定信号带宽， 滤之。 Y（n） = a1*Y（n-1） + a2*Y（n-2） + . + ak*Y（n-k） + b0*X（n） + b1*X（n-1） + b2*X（n-2） + . + bk*X（n-k）。

B. 优点：高通，低通，带通，带阻任意。设计简单（用matlab）

C. 缺点：运算量大。

1 1 种软件滤波方法的示例程序

假定从 8 位 AD 中读取数据（如果是更高位的 AD 可定义数据类型为 int）, 子程序为 get_ad（ ）;

1 1 1 1 、限副滤波

/* A 值可根据实际情况调整

value 为有效值， new_value 为当前采样值

滤波程序返回有效的实际值 */

#define A 10

char value;

char filter（ ）

{char new_value;

new_value = get_ad（ ）;

if （new_value - value ＞ A ） || （ value - new_value ＞ A ）

return value;

else return new_value;}

2 2 2 2 、中位值滤波法

/* N 值可根据实际情况调整

排序采用冒泡法 */

#define N 11

char filter（ ）

{char value_buf [N];

char count,i,j,temp;

for （ count=0;count＜N-1;count++）

{value_buf [count] = get_ad（ ）;

delay（ ）;}

for （j=0;j ＜N-1;j++） // 冒泡法

{for （i=0;i ＜N-1-j;i++）

{if （ value_buf [i] ＞value_buf [i+1] ）

{temp = value_buf [i] ;

value_buf [i] = value_buf [i+1];

value_buf [i+1] = temp;}}}

return value_buf [（N-1）/2];}

3 3 3 3 、算术平均滤波法

/*

*/

#define N 12

char filter（ ）

{int sum = 0;

for （ count=0;count ＜N;count++）

{sum + = get_ad（ ）;

delay（ ）;}

return （char）（sum/N）;}

4 4 4 4 、递推平均滤波法（又称滑动平均滤波法）

/*

*/

#define N 12

char value_buf [N];

char i=0;

char filter（ ）

{char count;

int sum=0;

value_buf [i++] = get_ad（ ）;

if （ i == N ） i = 0;

for （ count=0;count ＜N;count++） sum = value_buf [count];

return （char）（sum/N）;}

5 5 5 5 、中位值平均滤波法（又称防脉冲干扰平均滤波法）

/*

*/

#define N 12

char filter（ ）

{char count,i,j;

char value_buf [N];

int sum=0;

for （count=0;count {

value_buf [count] = get_ad（ ）;

delay（ ）;}

for （j=0;j ＜N-1;j++） // 冒泡法

{for （i=0;i ＜N-1-j;i++）

{if （ value_buf [i] ＞value_buf [i+1] ）

{temp = value_buf [i] ;

value_buf [i] = value_buf [i+1];

value_buf [i+1] = temp;}}}

for （ count=0;count ＜N;count++） sum = value_buf [count];

return （char）（sum/（N-2））;}

6 6 6 6 、限幅平均滤波法

/*

*/

略 参考子程序 1 、 3

7 7 7 7 、一阶滞后滤波法

/* 为加快程序处理速度假定基数为 100 ， a=0~100 */

#define a 50

char value;

char filter（ ）

{char new_value;

new_value = get_ad（ ）;

return （100-a）*value + a*new_value;}

8 8 8 8 、加权递推平均滤波法

/* coe 数组为加权系数表，存在程序存储区。 */

#define N 12

char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12};

char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12;

char filter（ ）

{char count;

char value_buf [N];

int sum=0;

for （count=0,count）

{value_buf [count] = get_ad（ ）;

delay（ ）;}

for （ count=0;count ＜N;count++） sum = value_buf [count];

return （char）（sum/sum_coe）;}

9 9 9 9 、消抖滤波法

#define N 12

char filter（ ）

{char count=0;

char new_value;

new_value = get_ad（ ）;

while （value !=new_value）;

{count++;

if （count＞=N） return new_value;

delay（ ）;

new_value = get_ad（ ）;}

return value;}

10101010 、限幅消抖滤波法

/*

*/

略 参考子程序 1 、 9

11111111 、 IIR IIR IIR IIR 滤波例子

int BandpassFilter4（int InputAD4）

{int ReturnValue;

int ii;

RESLO=0;

RESHI=0;

MACS=*PdelIn;

OP2=1068; //FilterCoef f4[4];

MACS=*（PdelIn+1）;

OP2=8; //FilterCoef f4[3];

MACS=*（PdelIn+2）;

OP2=-2001;//FilterCoeff4[2];

MACS=*（PdelIn+3）;

OP2=8; //FilterCoef f4[1];

MACS=InputAD4;

OP2=1068; //FilterCoef f4[0];

MACS=*PdelOu;

OP2=-7190;//FilterCoeff4[8];

MACS=*（PdelOu+1）;

OP2=-1973; //FilterCoef f4[7];

MACS=*（PdelOu+2）;

OP2=-19578;//FilterCoeff4[6];

MACS=*（PdelOu+3）;

OP2=-3047; //FilterCoef f4[5];

*p=RESLO;

*（p+1）=RESHI;

mytestmul＜＜=2;

ReturnValue=*（p+1）;

for （ii=0;i i＜3;i i++）

{DelayInput[ii]=DelayInput[ii+1];

DelayOutput[ii]=DelayOutput[ii+1];}

DelayInput[3]=InputAD4;

DelayOutput[3]=ReturnValue;

// if （ReturnValue＜0）

// {

// ReturnValue=-ReturnValue;

// }

return ReturnValue;}