第四章 智能仪器的基本数据处理算法.pptVIP

智能仪器 消除系统误差的软件算法 克服随机误差的数字滤波算法 第四章 智能仪器的基本数据处理算法 非线性校正 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。 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. 第一节克服随机误差的数字滤波算法 随机误差： 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、特性波动、非一致性等问题。 解决模拟滤波器在频率很低时较难实现的问题，不会出现在数 字滤波器的实现过程中。 （2）只要适当改变数字滤波程序有关参数，就能方便的改变滤波特性，因此数字滤波使用时方便灵活。 常用的数字滤波算法 一、克服大脉冲干扰的数字滤波法 1．限幅滤波法 2．中值滤波法 3．基于拉依达准则的奇异数据滤波法 4. 基于中值数绝对偏差的决策滤波器 二、抑制小幅度高频噪声的平均滤波法 1．算数平均 2．滑动平均 3．加权滑动平均 三、复合滤波法 一、克服大脉冲干扰的数字滤波法 克服由仪器外部环境偶然因素引起的突变性扰动或仪器内部不稳定引起误码等造成的尖脉冲干扰，是仪器数据处理的第一步。 通常采用简单的非线性滤波法。 1．限幅滤波法 限幅滤波法（又称程序判别法） 通过程序判断被测信号的变化幅度，从而消除缓变信号中的尖脉冲干扰。 具体方法是：依赖已有的时域采样结果，将本次采样值与上次采样值进行比较，若它们的差值超出允许范围，则认为本次采样值受到了干扰，应予易除。 2．中值滤波法 中值滤波是一种典型的非线性滤波器，它运算简单，在滤除脉冲噪声的同时可以很好地保护信号的细节信息。 对某一被测参数连续采样n次（一般n应为奇数），然后将这些采样值进行排序，选取中间值为本次采样值。 对温度、液位等缓慢变化的被测参数，采用中值滤波法一般能收到良好的滤波效果。 3．基于拉依达准则的奇异数据滤波法 （剔除粗大误差） 拉依达准则：当测量次数N足够多且测量服从正态分布时，拉依达准则法的应用场合与程序判别法类似，并可更准确地剔除严重失真的奇异数据。 在各次测量值中，若某次测量值Xi所对应的剩余误差Vi＞3σ，则认为该Xi为坏值，予以剔除。 拉依达准则法实施步骤 （1）求N次测量值X1至XN的算术平均值 （2）求各项的剩余误差Vi （3）计算标准偏差σ （4）判断并剔除奇异项Vi＞3σ，则认为该Xi为坏值，予以剔除。 依据拉依达准则净化数据的局限性 采用3σ准则净化奇异数据，有的仪器通过选择Lσ中的L值 （L＝2，3，4，5）调整净化门限，L＞3，门限放宽，L＜3 门限紧缩。 采用3σ准则净化采样数据有其局限性，有时甚至失效。 （1）该准则在样本值少于10个时不能判别任何奇异数据； （2）3σ准则是建立在正态分布的等精度重复测量基础上，而造成奇异数据的干扰或噪声难以满足正态分布。 二、抑制小幅度高频噪声的平均滤波法 小幅度高频电子噪声： 电子器件热噪声、A/D量化噪声等。 通常采用具有低通特性的线性滤波器： 算数平均滤波法、加权平均滤波法、滑动加权平均滤波法等。 1．算数平均滤波 N个连续采样值（分别为X1至XN）相加，然后取其算术平均值作为本次测量的滤波值。即 设 Si为采样值中的有用部分，ni为随机误差。 滤波效果主要取决于采样次数N，N越大，滤波效果越好 但系统的灵敏度要下降。因此这种方法只适用于慢变信号。 随机噪声的统计平均值为零 2．滑动平均滤波法 对于采样速度较慢或要求数据更新率较高的实时系统，算术平均滤法无法使用的。 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“最新”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。 对周期性干扰有良好的抑制作用，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。 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。 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