版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本望断在处理连续数据,数据本身具有特点,但会存在着其他数据的干扰,需通过中值滤波算法。
本秋高在不断剔除数据中的噪声,通过运用时间与空间上的优化,尽可能的简洁快速得出最优数据点。
此中值滤波小算法可根据需求自行修改,编码注释已解析其含义,可验证。
#include "stdafx.h"
#include <ctime>
#include <cstdlib>
#include <iostream>
#include <windows.h>
using namespace std;
int i = 0;
int pos = 0;
long num = 0;
long tmp = 0;
long AD_temp = 0;
bool type = false;
long org_cnt[9] = {0};
long org_value[9] = {0};
#define PI 3.1415926535898
#define random(a,b) (rand()%(b-a+1)+a)
int main()
{
//产生随机数
srand((unsigned)time(NULL));
for (num = 0; num < 10000; num++)
{
//此正弦波数据,意为数据来源
AD_temp = (long)(50 * sin(PI * (num % 180) / 180));
//杂波输出
if (num % 16 == 0)
{
AD_temp = random(100, 200);
}
//杂波输出
if (num % 10 == 0)
{
AD_temp = random(1, 10);
}
//初始化
pos = -1;
tmp = AD_temp;
//赋予生命周期,并找出死亡数
for (i = 0; i < 9 && pos == -1; i++)
{
if (org_cnt[i] <= 0)
{
pos = i;
}
}
//死亡数重新赋值,新生数
org_value[pos] = AD_temp;
org_cnt[pos] = 9;
//所有数比较找中值,生命周期减一
for (i = 0; i < 9; i++)
{
org_cnt[i] -= 1;
}
//插入数比较得最大值,向上排列
type = false;
for (i = pos; i < 8; i++)
{
if (org_value[i] < org_value[i + 1])
{
//数值交换
AD_temp = org_value[i];
org_value[i] = org_value[i + 1];
org_value[i + 1] = AD_temp;
//生命周期交换
AD_temp = org_cnt[i];
org_cnt[i] = org_cnt[i + 1];
org_cnt[i + 1] = AD_temp;
type = true;
}
}
//否则,插入数比较得最小值,向下排列
if (type == false)
{
for (i = pos; i > 0; i--)
{
if (org_value[i] > org_value[i - 1])
{
//数值交换
AD_temp = org_value[i];
org_value[i] = org_value[i - 1];
org_value[i - 1] = AD_temp;
//生命周期交换
AD_temp = org_cnt[i];
org_cnt[i] = org_cnt[i - 1];
org_cnt[i - 1] = AD_temp;
}
}
}
//0 - 8 的数,中值为4,并打印原始数据
cout << "MeDian:" << org_value[4] << "——" << "ORG:" << tmp << endl;
Sleep(50);
}
return 0;
}