11数字滤波.pptVIP

智能仪器的基本数据处理算法;基本数据处理算法内容提要;第一节 克服随机误差的数字滤波算法 ;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 ;a是相邻两个采样值的最大允许增量，其数值可根据y的最大变化速率Vmax及采样周期T确定，即 a = Vmax T　　　　　 实现本算法的关键是设定被测参量相邻两次采样值的最大允许误差a.要求准确估计Vmax和采样周期T。 ;2．中值滤波法 ;设滤波器窗口的宽度为n=2k+1，离散时间信号x（i）的长度为N，（i=1，2，…，N；Nn），则当窗口在信号序列上滑动时，一维中值滤波器的输出: med[x（i）]=x(k) 表示窗口2k+1内排序的第k个值，即排序后的中间值。;3．基于拉依达准则的奇异数据滤波法（剔除粗大误差）;拉依达准则法实施步骤 ;依据拉依达准则净化数据的局限性 ;4. 基于中值数绝对偏差的决策滤波器 ;（1）．确定当前数据有效性的判别准则;(2)．实现基于L*MAD准则的滤波算法 ;二、抑制小幅度高频噪声的平均滤波法;1．算数平均滤波 ;　　某数字电压表设置了由小到大的六挡量程，其编号分别为1，2，…，6。 　　当工作于最低挡即第１挡量程时， 被测信号很弱，随机误差的影响相对较大，取N=10，第２挡，随机误差影响相对小，因而取N=6。同理，第３挡取N=4；第４挡取N=2；第５挡和第６挡只作单次测量处理，取N=1。 　　上述过程可以有效地克服仪器随机误差的影响，同时对随机干扰也有很强的抑制作用。因而这一过程可以理解为一个等效的滤波过程。;2．滑动平均滤波法 ;;3．加权滑动平均滤波;三、复合滤波法 ; 为使计算更方便，N－2应为2，4，8，16 常取N为 4，6，10，18。 ;一、仪器零位误差和增益误差的校正方法 ;其基本思想是测量基准参数，建立误差校正模型，确定并存储校正模型参数。在正式测量时，根据测量结果和校正模型求取校正值，从而消除误差。 需要校正时，先将开关接地，所测数据为X0，然后把开关接到Vr，所测数据为X1，存储X0和X1，得到校正方程：Y=A1X+A0 A1=Vr/（X1-X0） A0=Vr X0/（X0-X1） 这种校正方法测得信号与放大器的漂移和增益变化无关，降低了对电路器件的要求，达到与Vr等同的测量精度。但增加了测量时间。 ;二、 利用校正数据表修正系统误差 ;　　如果对系统误差的来源及仪器工作原理缺乏充分的认识而不能建立误差模型时，可以通过建立校正数据表的方法来修正系统误差。步骤如下： （1）获取校正数据： 在仪器的输入端逐次加入一个个已知的标准电压x1，x2，…，xn，并实测出对应的测量结果y1，y2，…，yn。则即为测量值yi（i=1,2,…，n）对应的校正数据。 （2）查表： 将xi（i=1,2,…，n）依次存入一段存储器中，处理时，根据实测的yｉ(i=1,2,…，n)值查表，即可直接从表中读出经过修正的测量值。 （3）插值处理：若实际测量的y值介于某两个标准点yi和yi+1之间，为了减少误差，还要在查表的基础上作内插计算来进行修正。;实测值介于两个校正点之间时，若仅是直接查表，则只能按其最接近查找，这显然会引入一定的误差。 可进行如下误差估计，设两校正点间的校正曲线为一直线段，其斜率S=△X／△Y(注意，校正时Y是自变量，X是函数值)，并设最大斜率为Sm，可能的最大误差为△Xm=Sm△Y，设Y的量程为Ym，校正时取等间隔的N个校正点，则△Xm=SmY/N ;　　 　　采用内插技术可以减少校准点从而减少内存空间。最简单的内插是线性内插， 当　yi＜y＜yi+1 时取 　 　线性内插方法是用两点间一条直线来代替原曲线，因而精度有限。如果要求更高的精度，可以采取增加校准点的方法，或者采取更精确的内插方法，例如n阶多项式内插、三角内插、牛顿内插等。 ;最常用的多项式插值有：线性插值和抛物线（二次）插值。 ;(2)抛物线插值（二阶插值）： 在一组数据中选取（x0, y0），（x1, y1），（x2, y2）三点，相应的插值方程 ; 提高插值多项式的次数可以提高校正准确度。考虑到实时计算这一情况，多项式的次数一般不宜取得过高，当多项式的次数在允计的范围内仍不能满足校正精度要求时，可采用提高校正精度的另一种方法— (3) 分段插值法： 将曲线y = f (x)按分成N段，每段用一个插值多项式Pni (x)来进行非线性校正 等距节点分段插值和不等距节点分段插值两类。 ;①等距节点分段插值适用于非线性特性曲率变化不大的场合。分段数N及插值多项式的次数n均取决于非线性程度和仪器的精度要求。非线性越严重或精