测控系统原理与设计6_测量数据处理.ppt

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。 原始信号 中值滤波后的信号 对不同宽度脉冲滤波效果 （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 　　　　　　　　　　　　　 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。 Si为采样值中的有用部分ni为随机误差。 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。 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。实际应用时，通过观察不同N值下滑动平均的输出响应来选取N值以便少占用计算机时间，又能达到最好的滤波效果。 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。 按FIR滤波设计 确定系数 (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，有要做数据平滑。因此常把前面介绍的两种以上的方法结合起来使用，形成复合滤波。 去极值平均滤波算法：先用中值滤波算法滤除采样值中的脉冲性干扰，然后把剩余的各采样值进行平均滤波。连续采样N次，剔除其最大值和最小值，再求余下N－2个采样的平均值。显然，这种方法既能抑制随机干扰，又能滤除明显的脉冲干扰。 为使计算更方便，N－2应为2，4，8，16 常取N为 4，6，10，18。 思考题： 设检测信号是幅度较小的直流电压，经过适当放大和A/D转换，由于50Hz工频干扰使测量数据呈现周期性波动。设采样周期Ts=1ms，采用算数平均滤波算法，是否能够消除工频干扰？平均点数N如何选择？ * 结果：20点 当被测信号来自电位器式、电桥式或其它需要激励电源的传感器的时候，如果让ADC的基准电压输入端和传感器用同一个电压激励则转换结果将不受激励电压波动的影响。后图是一个对电阻电桥输出信号进行转换的原理电路。由于电桥输出存在一个共模电压(VR/2)需用一个具有高CMRR的仪器放大器，先将差动信号转换成不含共模电压的单端输出信号，再送入ADC进行转换。 软件实现方法一、线性标度变换 若被测量的变换范围为A0～Am A0对应的数字量为N0，Am对应的数字量为Nm，Ax对应的数字量为Nx；实际测量值为Ax； 假设包括传感器在内的整个数据采集系统是线性的，则标度变换公式为： A0对应的数字量N0为零 某智能温度测量仪采用8位ADC，测量范围为10～100℃，仪器采样并经滤波和非线性校正后（即温度与数字量之间的关系已为线性）的数字量为28H。此时，式（4.32）中的A0=10℃，Am=100℃，Nm=FFH=255，Nx=28H=40。则 应用实例： 二、非线性参数的标度变换 许多智能仪器所使用的传感器是非线性的。此时，一般先进行非线性校正，然后再进行标度变换。 实例：利用节流装置测量流量时，流量与节流装置两边的差压之间有以下关系 6.5 系统非线性校正 传感器的输出电信号与被测量之间的关系呈非线性 ；仪器采用的测量电路是非线性的 。 模型方法来校正系统误差的最典型应用是非线性校正。 模型方法来校正系统误差的最典型应用是非线性校正。 校正函数法 如果确切知道传感器或检测电路的非线性特性的解析式y = f(x)，则就有可能利用基于此解析式的校正函数（反函数）来进行非线性校正。 例：某测温热敏电阻的阻值与温度之间的关系为 　　　　　　　　　　　 　RT为热敏电阻在温度为T的阻值； 　　　　　 α和β为常数，当温度在0～50℃之间分别约为1.44×10-6和4016K。 四、建模方法 常用的建模方法有： 代数插值法 最小二乘法 1、代数插值法 设有n+1组离散点（x0,y0），(x1，y1)，