算法学习笔记之一阶低通滤波算法

 1. 一阶滤波算法的原理 

一阶滤波，又叫一阶惯性滤波，或一阶低通滤波。是使用软件编程实现普通硬件RC低通滤波器的功能。 

一阶低通滤波的算法公式为：

                         Y(n)=αX(n) + (1-α)Y(n-1) 

  式中：α=滤波系数；X(n)=本次采样值；Y(n-1)=上次滤波输出值；Y(n)=本次滤波输出值。 

一阶低通滤波法采用本次采样值与上次滤波输出值进行加权，得到有效滤波值，使得输出对输入有反馈作用。

 2. 一阶滤波算法的程序（适用于单个采样） 

#define a   0.01                // 滤波系数a（0-1）

char value;                    //滤波后的值
char new_value;                 //  新的采样值

char filter() 
{ 
char new_value; 
new_value = get_ad(); 
return 0.01*value + （1-0.01）*new_value;
 }

</pre><pre>

3. 一阶滤波算法的不足 

1. 关于灵敏度和平稳度的矛盾 

      滤波系数越小，滤波结果越平稳，但是灵敏度越低；

      滤波系数越大，灵敏度越高，但是滤波结果越不稳定。

     一阶滤波无法完美地兼顾灵敏度和平稳度。有时，我们只能寻找一个平衡，在可接受的灵敏度范围内取得尽可能好的平稳度。而在一些场合，我们希望拥有这样一种接近理想状态的滤波算法。即：

     当数据快速变化时，滤波结果能及时跟进（灵敏度优先）；

     当数据趋于稳定，在一个固定的点上下振荡时，滤波结果能趋于平稳（平稳度优先）。

2. 关于小数舍弃带来的误差 

   一阶滤波算法有一个鲜为人知的问题：小数舍弃带来的误差。 比如： 本次采样值=25，上次滤波结果=24，滤波系数=10， 根据滤波算法:

      本次滤波结果=(25*10+24*(256-10))/256=24.0390625 
   但是，我们在单片机运算中，很少采用浮点数。因此运算后的小数部分要么舍弃，要么进行四舍五入运算。这样一来，本例中的结果24.0390625就变成了24。假如每次采样值都=25，那么滤波结果永远=24。也就是说滤波结果和实际数据一直存在无法消除的误差。
 

最后

以上就是快乐大侠为你收集整理的算法学习笔记之一阶低通滤波算法的全部内容，希望文章能够帮你解决算法学习笔记之一阶低通滤波算法所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。