CN109492508A - 一种限幅滤波方法及系统 - Google Patents
一种限幅滤波方法及系统 Download PDFInfo
- Publication number
- CN109492508A CN109492508A CN201710822859.4A CN201710822859A CN109492508A CN 109492508 A CN109492508 A CN 109492508A CN 201710822859 A CN201710822859 A CN 201710822859A CN 109492508 A CN109492508 A CN 109492508A
- Authority
- CN
- China
- Prior art keywords
- value
- sampled data
- maximum deflection
- difference value
- deflection difference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种限幅滤波方法,方法包括以下步骤:确定出相邻两次采样数据所允许的最大偏差值;检测并获取用于缓存采样数据的寄存器队列中存在的新的采样数据;将新的采样数据与前一次采样数据进行差分比较;基于差分比较的结果来选择滤波输出值的计算规则,并得到滤波输出值;针对多次的滤波输出值判断出采样数据的变化趋势;基于变化趋势实时更新所述最大偏差值。本发明提供的限幅滤波方法能够较少的依赖历史值,并且能够基本无数据延迟,而且对白噪声以及高斯噪声抑制明显。另一方面,还能够在保证滤波效果的基础上减少RAM的需求,提高滤波的实时性。
Description
技术领域
本发明涉及数字滤波技术领域,具体地说,涉及一种改进的限幅滤波方法及系统。
背景技术
随着工程应用的深入发展,诸如变频器等大电流、高电压的用电设备,DSP等高速处理设备的应用场所越来越多。工程环境中的高频率、强干扰的干扰源越来越多。对于控制中所必须的数据采集信号的抗干扰等能力要求也越来越高。
在数据采集中,特别是工程应用的强电磁环境下的模拟量采集。由于存在多方面原因引起的屏蔽效果减弱或由于铺设环境制约导致的屏蔽效果差的原因导致有效信号中引入了较多噪声的情况。工程人员往往从成本角度出发,无法对线路进行完备的抗干扰处理。而控制中却无法直接利用这些受过干扰的数据。此外,现有的滤波方法在实时性及滤波效果兼顾方面往往达不到要求。
因此,需要提供一种能够在强干扰环境下对采集数据进行有效滤波并不影响数据采集的实时性的滤波方法和系统。
发明内容
为解决上述问题,本发明提供了一种改进的限幅滤波方法,所述方法包括以下步骤:
确定出相邻两次采样数据所允许的最大偏差值;
检测并获取用于缓存所述采样数据的寄存器队列中存在的新的采样数据;
将所述新的采样数据与前一次采样数据进行差分比较;
基于差分比较的结果来选择滤波输出值的计算规则,并得到滤波输出值;
针对多次的滤波输出值判断出采样数据的变化趋势;
基于所述变化趋势实时更新所述最大偏差值。
根据本发明的一个实施例,最初的所允许的最大偏差值是基于先前滤波处理的响应速度和滤波效果来确定的。
根据本发明的一个实施例,进一步基于先前滤波处理的响应速度和滤波效果来确定极限值和加权系数。
根据本发明的一个实施例,所述滤波输出值的计算规则包括:
如果所述新的采样数据与前一次采样数据进行差分比较的值落在正负向最大偏差值的范围内,则所述滤波输出值为所述新的采样数据;
如果所述新的采样数据与前一次采样数据进行差分比较的值大于正向最大偏差值,则所述滤波输出值为前一次采样数据加上所述正向最大偏差值;
如果所述新的采样数据与前一次采样数据进行差分比较的值小于负向最大偏差值,则所述滤波输出值为前一次采样数据减去所述负向最大偏差值。
根据本发明的一个实施例,所述正向最大偏差值与所述负向最大偏差值为不同的值。
根据本发明的一个实施例,基于所述采样数据的变化趋势改变正负向最大偏差值的大小。
根据本发明的一个实施例,所述方法还包括:
如所述变化趋势向上,则以所述加权系数来增加正向最大偏差值,同时以所述加权系数来减少负向最大偏差值;
如所述变化趋势向下,则以所述加权系数来增加负向最大偏差值,同时以所述加权系数来减少正向最大偏差值;
如所述变化趋势平缓,则同时减少正负向最大偏差值,但所述正负向最大偏差值不超过所述极限值。
根据本发明的另一个方面,还提供了一种限幅滤波系统,所述系统包含:
确定模块,其用于确定出相邻两次采样数据所允许的最大偏差值;
检测模块,其用于检测并获取用于缓存所述采样数据的寄存器队列中存在的新的采样数据;
比较模块,其用于将所述新的采样数据与前一次采样数据进行差分比较;
选择模块,其用于基于差分比较的结果来选择滤波输出值的计算规则,并得到滤波输出值;
判断模块,其用于针对多次的滤波输出值判断出采样数据的变化趋势;
更新模块,其用于基于所述变化趋势实时更新所述最大偏差值。
根据本发明的一个实施例,所述系统包含:
偏差值模块,其用于基于先前滤波处理的响应速度和滤波效果来确定当前所允许的最大偏差值。
根据本发明的一个实施例,所述选择模块包含完成以下步骤的组成部分:
如果所述新的采样数据与前一次采样数据进行差分比较的值落在正负向最大偏差值的范围内,则所述滤波输出值为所述新的采样数据;
如果所述新的采样数据与前一次采样数据进行差分比较的值大于正向最大偏差值,则所述滤波输出值为前一次采样数据加上所述正向最大偏差值;
如果所述新的采样数据与前一次采样数据进行差分比较的值小于负向最大偏差值,则所述滤波输出值为前一次采样数据减去所述负向最大偏差值。
本发明提供的限幅滤波方法能够较少的依赖历史值,并且能够基本无数据延迟,而且对白噪声以及高斯噪声抑制明显。另一方面,还能够在保证滤波效果的基础上减少RAM的需求,提高滤波的实时性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1显示了根据本发明的一个实施例的限幅滤波方法的流程图;
图2显示了根据本发明的一个实施例的限幅滤波方法的输出滤波值的计算规则流程图;
图3显示了根据本发明的一个实施例的限幅滤波方法的另一个流程图;
图4显示了根据本发明的另一个实施例的限幅滤波方法的流程图;
图5显示了根据本发明的一个实施例的限幅滤波系统的结构框图;
图6a显示了一个温度滤波试验中的原始温度信号波形图;
图6b显示了经过算数平均值滤波方法滤波后的温度信号波形图;以及
图6c显示根据本发明的一个实施例的限幅滤波方法滤波后的温度信号波形图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合附图对本发明实施例作进一步地详细说明。
在数据采集中,特别是在工程中应用到的强电磁环境下,采集需要的模拟量时会有很多不必要的噪声。干扰信号传输的能量场,称为噪音。噪声的引起因素是多方面的,可以来自内部系统,也可以来自于外部环境。为了将这些存在于有效信号中的噪声剔除,需要进行滤波处理。滤波(Wave filtering)就是将信号中特定波段频率滤除的操作,是抑制和防止干扰的一项重要措施。滤波还是根据观察某一随机过程的结果,对另一与之有关的随机过程进行估计的概率理论方法。
以下介绍实现滤波的具体滤波方法。滤波方法包含软件滤波,由于本发明是对软件滤波方法的具体改进,因此,在此对软件滤波做出一些基本的介绍。
软件滤波是用软件来识别有效信号和干扰信号,并滤除干扰信号的方法。软件滤波分为以下几类:
中位值滤波法,中位值滤波的过程是,连续采样N次(N取奇数),把N次采样值按大小排列,取中间值为本次的有效值。中位值滤波法的优点是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。缺点是对流量、速度等快速变化的参数不宜。
算数平均滤波法,算数平均滤波法的过程是,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。优点是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。缺点是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。
限幅滤波法(又称程序判断滤波法),限幅滤波法的过程是,根据经验判断,确定两次采样允许的最大偏差值(设为A),每次检测到新值时判断。如果本次值与上次值之差<=A,则本次值有效。如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值。优点是能有效克服因偶然因素引起的脉冲干扰。缺点是无法抑制那种周期性的干扰,平滑度差。
以上介绍的滤波方法都具备各自的优点以及缺点,由于各自的优点以及缺点,每种滤波方法都有其固定范围的实施场景,在选取的时候根据应用场合来选择合适的滤波方法。
本发明就是在限幅滤波方法的基础上对其作出的改进,以使得限幅滤波方法能够在满足滤波效果的基础上,减少RAM的需求。并且能够提高滤波后的实时性,以及提高对噪声的抑制效果。
图1显示了根据本发明的一个实施例的限幅滤波方法的流程图。本发明提出了一种限幅滤波方法,为了在整体上介绍本发明提出的限幅滤波方法,在此根据图1所示的流程图来进行说明。
如图1所示,在本次滤波开始时,首先在步骤S101中,确定出相邻两次采样数据所允许的最大偏差值。本次所允许的最大偏差值是基于先前滤波处理的响应速度和滤波效果来确定的。另外,还可以基于先前滤波处理的响应速度和滤波效果来确定极限值和加权系数。
执行完步骤S101后,在步骤S102中,检测并获取用于缓存采样数据的寄存器队列中存在的新的采样数据。在本步骤中,首先是检测用于缓存采样数据的寄存器队列中存在的新的采样数据,之后是获取用于缓存采样数据的寄存器队列中存在的新的采样数据。本步骤中检测及获取得到的新的采样数据后续步骤会进行处理。
然后,在步骤S103中,将新的采样数据与前一次采样数据进行差分比较。也就是说,用在步骤S102中检测以及获取到的新的采样数据减去前一次采样数据,得到两者之差,并且将差与一定的计算规则比较。此处提到的计算规则就是图2介绍中的计算规则。
接着,在步骤S104中,基于差分比较的结果来选择滤波输出值的计算规则,并得到滤波输出值。此步骤是根据得到的差来与已经设计好的计算规则进行比对,将符合计算规则并且根据此计算规则计算出来的值作为此次滤波过程的滤波输出值。
得到滤波输出值后,在步骤S105中,针对多次的滤波输出值判断出采样数据的变化趋势。此步骤表达的意思便是多次采样,确保输出滤波值样本的多样性,以便了解输出滤波值的波动趋势,以免单次偶然过大或过小的输出滤波值对滤波效果的影响。
经过多次采样后,最后,在步骤S106中,基于变化趋势实时更新最大偏差值。进过多次采样后,在此步骤中,对多次采样的结果进行评估和预测,判断出输出滤波值的变化趋势,基于变化趋势实时更新最大偏差值,以便更好地掌握最大偏差的合理范围。
通过运用以上步骤的限幅滤波方法,能够在满足滤波效果的基础上减少RAM的需求,并且还能够提升滤波后的实时性,提高对噪声的抑制效果。对白噪声以及高斯噪声的抑制明显。白噪声是指在较宽的频率范围内,各等带宽的频带所含的噪声能量相等的噪声。高斯噪声就是它的概率密度函数服从高斯分布(即正态分布)的一类噪声。常见的高斯噪声包括起伏噪声、宇宙噪声、热噪声和散粒噪声等等。
图2显示了根据本发明的一个实施例的限幅滤波方法的输出滤波值的计算规则流程图。为了计算输出滤波值,特在此介绍在本发明的一个实施例中输出滤波值的计算规则。此规则不是唯一适用本发明的输出滤波值计算规则,其他适合的输出滤波值计算规则同样可以运用到本发明的限幅滤波方法中来,本发明不对此做出限制。
如图2所示,首先,在步骤S201中,判断新采集数据与前一次采样数据做差的数值是否落在正负向最大偏差值的范围内。如果新采集数据与前一次采样数据做差后的得到的差值落在正负向最大偏差内,则在步骤S202中,滤波输出值为新的采样数据。
如果新采集数据与前一次采样数据做差后的得到的差值没有落在正负向最大偏差内,则进入步骤S203,判断新的采样数据与前一次采样数据进行差分比较的值是否大于正向最大偏差值,如果差的值大于正向最大偏差值,则在步骤S204中,滤波输出值为前一次采样数据加上正向最大偏差值。
如果新采集数据与前一次采样数据做差后的得到的差值大于正向最大偏差值,则在步骤S205中,判断新的采样数据与前一次采样数据进行差分比较的值是否小于负向最大偏差值,如果差的值小于负向最大偏差值,则在步骤S206中,滤波输出值为前一次采样数据减去负向最大偏差值。
以上计算规则,将处于正负向最大偏差内、大于正向最大偏差值以及小于最小偏差值的数值全部考虑在内,避免了数据遗漏造成的数据误差,能够在三种数值范围内对输出滤波值的计算公式做出具体的阐述。通过如图2所示的计算规则,能够全面而准确的计算出新的输出滤波值。
图3显示了根据本发明的一个实施例的限幅滤波方法的另一个流程图。图3所示的流程图主要介绍了如何根据多次采样的输出滤波值数据来判断数据的变化趋势。
在步骤S301中,判断变化趋势是否向上,如果变化趋势向上,则在步骤S302中,以加权系数来增加正向最大偏差值,同时以加权系数来减少负向最大偏差值。
如果变化趋势不是向上的,则在步骤S303中,判断变化趋势是否向下,如果,变化趋势为向下的,则在步骤S304中,以加权系数来增加负向最大偏差值,同时以加权系数来减少正向最大偏差值。
如果变化趋势不是向下的,那么在步骤S305中,判断变化趋势是否平缓,如果变化趋势平缓,则在步骤S306中,同时减少正负向最大偏差值,但正负向最大偏差值不超过极限值。
在如图3所示的流程图中,将变化趋势分为了三种状态,分别是向上、向下以及平缓。这三种状态是比较笼统的描述,变化趋势的状态还可以细分成多种模型状态,以便于在需要更加精确的场合使用。
为了判断变化趋势的状态,需要判断下一个点的数值与前一个点的数值的大小关系。如果前一个点的数值均小于后一个点的数值,那么,可以判断变化趋势是向上的。当然,不可否认,偶尔会有一两个点不符合以上趋势,在要求精度不是很高的一般情况,可以对某些点的跳变忽略不计。在精度要求高的场合,则需要重新选择合适的变化趋势模型来分析数据变化趋势的走向,以便做出最精准的判断。
另外,如果前一个点的数值均大于后一个点的数值,那么,可以判断为变化趋势是向下的。当然,由于数据的必然误差,可能存在某一两个点不符合向下的趋势,对于精度要求不高的场合,可以忽略这种数据的波动。在精度要求高的场合,则需要重新选择合适的变化趋势模型来分析数据变化趋势的走向,以便做出最精准的判断。
此外,如果前一个点的数值均是大约等于后一个点的数值,那么,可以判断变化趋势为平缓的。在此,大约等于这一概念是模糊的,在实际的应用当中,设计者可以根据滤波精度的大小来确定大约等于的数值范围。对于精度要求不太高的场合,可以忽略一些数据的小范围波动。但是在精度要求比较高的场合,则需要寻找更加合适的变化趋势模型来表述此次多次采集数据的变化趋势,以便达到高精度的要求。
通过如图3所示的变化趋势判断方法,能够清楚的明确数据的变化趋势,以便根据判断的变化趋势来确定新的最大偏差值,以便在以后的滤波过程中提供数据支持。
图4显示了根据本发明的另一个实施例的限幅滤波方法的流程图。以上三个流程图均是在理论上对本发明提供的限幅滤波方法的描述,有些抽象,因此,在在图4中,将全面而具体的对本发明提供的限幅滤波方法进行介绍。
首先,滤波开始,在步骤S401中,设定上升限值初始值Am,下降限值初始值Bm,加权系数C以及判断更新周期d。接着,在步骤S402中,获取需滤波值当前值Tn。
接着,在步骤S403中,判断Tn-Tn-1是否大于等于Am。如果大于等于Am,那么进入步骤S404,Tn输出=Tn-1+Am。如果小于Am,那么,在步骤S405中,判断Tn-Tn-1是否大于等于负的Bm。如果大于等于负的Bm,那么,在步骤S406中,Tn输出=-Tn。
如果Tn-Tn-1小于负的Bm,那么,在步骤S407中,Tn输出=Tn-1+Bm。接着,在步骤S408中,Tn-1=Tn输出计数器X++。接着,在步骤S409中,判断X是否大于等于d。如果X小于d,那么,返回步骤S402。如果X大于等于d,那么,在步骤S410中,计算前d个T值斜率。
接着,在步骤S411中,判断斜率是否大于0。如果斜率大于0,那么,在步骤S413中,Am=Am-1+C,Bm=Bm-1-C。如果斜率不是大于0,那么,在步骤S412中,判断斜率是否等于0,如果斜率等于0,那么,在步骤S414中,Am=Am-1-C,Bm=Bm-1-C。如果斜率不等于0,那么,在步骤S415中,Am=Am-1-C,Bm=Bm-1+C。步骤S413,步骤S414,步骤S415运行完毕后,均进入步骤S416,X=0。步骤S416运行完成后转入步骤S402。
以上步骤简单来说就是,根据经验权衡响应速度及滤波效果,确定两次采样允许的最大偏差值(正偏差值设为A,负偏差值设为B),并限定A、B的极限值,加权系数C。
在每次检测到新值时判断:
如果-B<=(本次值-上次值)<=A,则本次值有效;
如果本次值减去上次值>A,则本次值无效,放弃本次值,用(上次值+A)代替本次值;
如果本次值减去上次值>-B,则本次值无效,放弃本次值,用(上次值-B)代替本次值。
记录10次(不同场合可增减次数)最终输出值,判断数据趋势。根据趋势的斜率,实时更新A、B值。
当趋势向上时,增加A值,Am=Am-1+C,减少B值,Bm=Bm-1-C;趋势向下时,增加B值,Bm=Bm-1+C。减少A值,Am=Am-1-C。如趋势平缓,则同时减少A、B值。但A、B值不超过其极限。
图4所示的流程图为图1所示流程图的补充以及细化,总结来说,图4所示的流程图在滤波之初便设定了一系列的初始值,例如,上升限值初始值,下降限制初始值、加权系数以及更新周期。设定了这些初始值后,便完成了滤波开始前的准备工作,滤波正式开始,获取需滤波值当前值,并将本次数值与上次数值做差,判断差值与上升限值初始值以及下降限制初始值的大小关系,根据大小关系,做出不同的计算,得到不同的滤波输出值。
然后进行多次的重复试验,采集多次试验得到的滤波输出值。判断多次滤波输出值的变化趋势,将变化趋势分为三个部分,向上、向下以及平缓。判断本次试验的滤波输出值属于这三种变化趋势中的哪一种。根据变化趋势的不同,更新最大偏差值。
图5显示了根据本发明的一个实施例的限幅滤波系统的结构框图。如图5所示,系统包含确定模块、检测模块、比较模块、选择模块、判断模块以及更新模块。
确定模块501用于确定出相邻两次采样数据所允许的最大偏差值。所允许的最大偏差值是基于先前滤波处理的响应速度和滤波效果来确定的。另外,还可以基于先前滤波处理的响应速度和滤波效果来确定极限值和加权系数。检测模块502用于检测并获取用于缓存采样数据的寄存器队列中存在的新的采样数据。
比较模块503用于将新的采样数据与前一次采样数据进行差分比较。比较模块首先将新的采样数据与前一次的采样数据做差,得出差值。再将差值与设定的数值进行比较,得出比较的结果。
选择模块504用于基于差分比较的结果来选择滤波输出值的计算规则,并得到滤波输出值。选择模块会将比较后的结果按照输出滤波值的计算规则进行计算,得到滤波输出值。计算规则在关于图2的介绍中。
判断模块505用于针对多次的滤波输出值判断出采样数据的变化趋势。判断模块根据图3所示的判断标准判断采样数据的变化趋势。并在更新模块506中基于变化趋势实时更新最大偏差值。
图6a显示了一个温度滤波试验中的原始温度信号波形图。如图6a所示,在温度试验中的原始温度信号在1470000之前为强电干扰情况,温度的波动较大,不符合温度特性,不符合数据应用的要求。图6b显示了经过算数平均值滤波方法滤波后的温度信号波形图。经过平均值算法滤波后的温度信号波形,相比原始值,波动减小,但受干扰情况仍然严重,不符合允许的数据误差。图6c显示根据本发明的一个实施例的限幅滤波方法滤波后的温度信号波形图。如图6c所示,用本发明提供的限幅滤波方法进行滤波后的温度波形,可以明显看出波动减小,并且温度变化趋势符合温度特性,干扰值明显减少。
本发明提供的限幅滤波方法能够较少的依赖历史值,并且能够基本无数据延迟,而且对白噪声以及高斯噪声抑制明显。另一方面,还能够在保证滤波效果的基础上减少RAM的需求,提高滤波的实时性。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种限幅滤波方法,其特征在于,所述方法包括以下步骤:
确定出相邻两次采样数据所允许的最大偏差值;
检测并获取用于缓存所述采样数据的寄存器队列中存在的新的采样数据;
将所述新的采样数据与前一次采样数据进行差分比较;
基于差分比较的结果来选择滤波输出值的计算规则,并得到滤波输出值;
针对多次的滤波输出值判断出采样数据的变化趋势;
基于所述变化趋势实时更新所述最大偏差值。
2.如权利要求1所述的限幅滤波方法,其特征在于,最初的所允许的最大偏差值是基于经验值确定的,之后再通过先前滤波处理的响应速度和滤波效果来计算出后续的滤波值。
3.如权利要求2所述的限幅滤波方法,其特征在于,进一步基于先前滤波处理的响应速度和滤波效果来确定极限值和加权系数。
4.如权利要求3所述的限幅滤波方法,其特征在于,所述滤波输出值的计算规则包括:
如果所述新的采样数据与前一次采样数据进行差分比较的值落在正负向最大偏差值的范围内,则所述滤波输出值为所述新的采样数据;
如果所述新的采样数据与前一次采样数据进行差分比较的值大于正向最大偏差值,则所述滤波输出值为前一次采样数据加上所述正向最大偏差值;
如果所述新的采样数据与前一次采样数据进行差分比较的值小于负向最大偏差值,则所述滤波输出值为前一次采样数据减去所述负向最大偏差值。
5.如权利要求4所述的限幅滤波方法,其特征在于,
所述正向最大偏差值与所述负向最大偏差值为不同的值。
6.如权利要求3所述的限幅滤波方法,其特征在于,基于所述采样数据的变化趋势改变正负向最大偏差值的大小。
7.如权利要求6所述的限幅滤波方法,其特征在于,所述方法还包括:
如所述变化趋势向上,则以所述加权系数来增加正向最大偏差值,同时以所述加权系数来减少负向最大偏差值;
如所述变化趋势向下,则以所述加权系数来增加负向最大偏差值,同时以所述加权系数来减少正向最大偏差值;
如所述变化趋势平缓,则同时减少正负向最大偏差值,但所述正负向最大偏差值不超过所述极限值。
8.一种限幅滤波系统,其特征在于,所述系统包含:
确定模块,其用于确定出相邻两次采样数据所允许的最大偏差值;
检测模块,其用于检测并获取用于缓存所述采样数据的寄存器队列中存在的新的采样数据;
比较模块,其用于将所述新的采样数据与前一次采样数据进行差分比较;
选择模块,其用于基于差分比较的结果来选择滤波输出值的计算规则,并得到滤波输出值;
判断模块,其用于针对多次的滤波输出值判断出采样数据的变化趋势;
更新模块,其用于基于所述变化趋势实时更新所述最大偏差值。
9.如权利要求8所述的限幅滤波系统,其特征在于,所述系统包含:
偏差值模块,其用于基于先前滤波处理的响应速度和滤波效果来确定当前所允许的最大偏差值。
10.如权利要求8所述的限幅滤波系统,其特征在于,所述选择模块包含完成以下步骤的组成部分:
如果所述新的采样数据与前一次采样数据进行差分比较的值落在正负向最大偏差值的范围内,则所述滤波输出值为所述新的采样数据;
如果所述新的采样数据与前一次采样数据进行差分比较的值大于正向最大偏差值,则所述滤波输出值为前一次采样数据加上所述正向最大偏差值;
如果所述新的采样数据与前一次采样数据进行差分比较的值小于负向最大偏差值,则所述滤波输出值为前一次采样数据减去所述负向最大偏差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710822859.4A CN109492508A (zh) | 2017-09-13 | 2017-09-13 | 一种限幅滤波方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710822859.4A CN109492508A (zh) | 2017-09-13 | 2017-09-13 | 一种限幅滤波方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109492508A true CN109492508A (zh) | 2019-03-19 |
Family
ID=65689002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710822859.4A Pending CN109492508A (zh) | 2017-09-13 | 2017-09-13 | 一种限幅滤波方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492508A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221544A (zh) * | 2019-06-14 | 2019-09-10 | 四川烟叶复烤有限责任公司 | 一种烟叶复烤入口水分数据滤波方法 |
CN111476206A (zh) * | 2020-05-08 | 2020-07-31 | 楚天科技股份有限公司 | 一种通用型模拟量处理方法及处理系统 |
CN111585572A (zh) * | 2020-04-28 | 2020-08-25 | 广州视源电子科技股份有限公司 | 一种采样方法、装置、终端设备及存储介质 |
CN112731149A (zh) * | 2021-01-30 | 2021-04-30 | 格至控智能动力科技(上海)有限公司 | 滤波信号判断方法 |
CN113771941A (zh) * | 2021-10-20 | 2021-12-10 | 北京科技大学 | 一种液压转向系统和控制方法 |
CN114296410A (zh) * | 2021-12-22 | 2022-04-08 | 中国长江电力股份有限公司 | 一种自适应的多源缓变量选控方法 |
CN115684076A (zh) * | 2022-11-11 | 2023-02-03 | 中船重工安谱(湖北)仪器有限公司 | 多通道红外气体传感器数据处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040090283A1 (en) * | 2002-09-04 | 2004-05-13 | Hitachi Kokusai Electric Inc. | Amplitude limiting apparatus and multi-carrier signal generating apparatus |
CN104913783A (zh) * | 2015-07-09 | 2015-09-16 | 上海华测导航技术股份有限公司 | 基于自适应滤波算法实现车辆自动导航的方法 |
CN106549651A (zh) * | 2016-09-14 | 2017-03-29 | 芯海科技(深圳)股份有限公司 | 一种快速建立的高精度滤波方法 |
-
2017
- 2017-09-13 CN CN201710822859.4A patent/CN109492508A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040090283A1 (en) * | 2002-09-04 | 2004-05-13 | Hitachi Kokusai Electric Inc. | Amplitude limiting apparatus and multi-carrier signal generating apparatus |
CN104913783A (zh) * | 2015-07-09 | 2015-09-16 | 上海华测导航技术股份有限公司 | 基于自适应滤波算法实现车辆自动导航的方法 |
CN106549651A (zh) * | 2016-09-14 | 2017-03-29 | 芯海科技(深圳)股份有限公司 | 一种快速建立的高精度滤波方法 |
Non-Patent Citations (1)
Title |
---|
吕文祥等: "可变限幅滤波方法的参数分析与改进", 《清华大学学报(自然科学版)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221544A (zh) * | 2019-06-14 | 2019-09-10 | 四川烟叶复烤有限责任公司 | 一种烟叶复烤入口水分数据滤波方法 |
CN111585572A (zh) * | 2020-04-28 | 2020-08-25 | 广州视源电子科技股份有限公司 | 一种采样方法、装置、终端设备及存储介质 |
CN111476206A (zh) * | 2020-05-08 | 2020-07-31 | 楚天科技股份有限公司 | 一种通用型模拟量处理方法及处理系统 |
CN112731149A (zh) * | 2021-01-30 | 2021-04-30 | 格至控智能动力科技(上海)有限公司 | 滤波信号判断方法 |
CN113771941A (zh) * | 2021-10-20 | 2021-12-10 | 北京科技大学 | 一种液压转向系统和控制方法 |
CN114296410A (zh) * | 2021-12-22 | 2022-04-08 | 中国长江电力股份有限公司 | 一种自适应的多源缓变量选控方法 |
CN114296410B (zh) * | 2021-12-22 | 2023-08-08 | 中国长江电力股份有限公司 | 一种自适应的多源缓变量选控方法 |
CN115684076A (zh) * | 2022-11-11 | 2023-02-03 | 中船重工安谱(湖北)仪器有限公司 | 多通道红外气体传感器数据处理方法 |
CN115684076B (zh) * | 2022-11-11 | 2024-01-30 | 中船重工安谱(湖北)仪器有限公司 | 多通道红外气体传感器数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492508A (zh) | 一种限幅滤波方法及系统 | |
CN105866504B (zh) | 一种基于卡尔曼滤波的光纤电流互感器温度补偿方法 | |
CN111521915B (zh) | 一种高压直流线路起晕场强判定方法及系统 | |
CN107704192B (zh) | 一种滤波算法及其探测器 | |
CN109450405B (zh) | 一种应用于ad采集中的复合式软件滤波方法及系统 | |
CN104378115B (zh) | 一种ad采样的软件滤波方法 | |
CN110188810A (zh) | 一种基于密度聚类的在线野值检测、识别与修正方法 | |
CN107943142B (zh) | 一种基于卡尔曼滤波的低温辐射计温度控制的方法 | |
CN107909204A (zh) | 一种生产工艺参数优化方法及装置 | |
CN110702986A (zh) | 一种自适应信号搜索门限实时动态生成方法及系统 | |
CN114065114B (zh) | 一种电容式电压互感器计量误差预测方法及系统 | |
CN107607129A (zh) | 数据校准方法、装置及电子设备 | |
CN113225047A (zh) | 一种基于tvlp-mf的动态检重秤快速滤波方法及系统 | |
US11280771B2 (en) | Liquid chromatograph | |
CN111510109B (zh) | 一种信号滤波的方法、装置、设备和介质 | |
CN105763170B (zh) | 一种电力信号数字滤波方法 | |
CN101813494B (zh) | 消除传感器自身和外界干扰的方法 | |
CN111551819A (zh) | 一种微电网故障检测方法、装置及存储介质 | |
CN108334822B (zh) | 基于电动汽车充电非线性负荷特征的卡尔曼和修正小波变换滤波方法 | |
CN106767952B (zh) | 一种电感式位移传感器的干扰消除方法 | |
CN110490846B (zh) | 一种对光纤图像进行几何尺寸测试的方法和装置 | |
CN106371419B (zh) | 用于监视控制回路的运行的诊断装置和诊断方法 | |
Sun et al. | Prediction of concrete compressive strength based on principal component analysis and radial basis function neural network | |
CN105447321A (zh) | 一种反应性仪电流离线滤波方法 | |
CN103323032B (zh) | 带死区单元双滑动窗滤波的阶跃信号检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190319 |
|
RJ01 | Rejection of invention patent application after publication |