在AD采集中经常要用到数字滤波，而不同情况下又有不同的滤波需求，下面是10种经典的软件滤波方法的程序和优缺点分析：
1、限幅滤波法（又称程序判断滤波法）
2、中位值滤波法
3、算术平均滤波法
4、递推平均滤波法（又称滑动平均滤波法）
5、中位值平均滤波法（又称防脉冲干扰平均滤波法）
6、限幅平均滤波法
7、一阶滞后滤波法
8、加权递推平均滤波法
9、消抖滤波法
10、限幅消抖滤波法
1、限副滤波
A、方法：
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
B、优点：
能有效克服因偶然因素引起的脉冲干扰
C、缺点
无法抑制那种周期性的干扰
平滑度差
程序：
/* A值可根据实际情况调整
value为有效值，new_value为当前采样值
滤波程序返回有效的实际值*/
#define A 10
char value;
char filter（）
{
char new_value;
new_value = get_ad（）;
if （ （ new_value - value 》 A ） || （ value - new_value 》 A ） ）
return value;
else
return new_value;
}
2、中位值滤波法
A、方法：
连续采样N次（N取奇数），把N次采样值按大小排列 ，取中间值为本次有效值
B、优点：
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
C、缺点：
对流量、速度等快速变化的参数不宜
程序：
/* N值可根据实际情况调整
排序采用冒泡法*/
#define N 11
char filter（）
{
charvalue_buf［N］;
char count，i，j，temp;
for （ count=0;count《N;count++）
{
value_buf［count］ = get_ad（）;
delay（）;
}
for（j=0;j《N-1;j++）
{
for（i=0;i《N-j－1;i++）
{
if （ value_buf》value_buf［i+1］ ）
{
temp =value_buf;
value_buf = value_buf［i+1］;
value_buf［i+1］ = temp;
}
}
}
returnvalue_buf［（N-1）/2］;
}
3、算术平均滤波法
A、方法：
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
N值的选取：一般流量，N=12；压力：N=4
B、优点：
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
C、缺点：
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
程序：
#define N 12
char filter（）
{
int sum = 0;
for （ count=0;count《N;count++）
{
sum + =get_ad（）;
delay（）;
}
return （char）（sum/N）;
}
4、递推平均滤波法（又称滑动平均滤波法） （FIR前身）
A、方法：
把连续取N个采样值看成一个队列
队列的长度固定为N
每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据。（先进先出原则）
把队列中的N个数据进行算术平均运算，就可获得新的滤波结果
N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4
B、优点：
对周期性干扰有良好的抑制作用，平滑度高
适用于高频振荡的系统
C、缺点：
灵敏度低
对偶然出现的脉冲性干扰的抑制作用较差
不易消除由于脉冲干扰所引起的采样值偏差
不适用于脉冲干扰比较严重的场合
比较浪费RAM
程序：
#define N 12
char value_buf［N］;
char i=0;
char filter（）
{
char count;
int sum=0;
value_buf［i++］ = get_ad（）;
if （ i == N ） i = 0;
for （ count=0;count《N，count++）
sum+ = value_buf［count］;
return （char）（sum/N）;
}
#p#副标题#e#
5、中位值平均滤波法（又称防脉冲干扰平均滤波法）
A、方法：
相当于“中位值滤波法”+“算术平均滤波法”
连续采样N个数据，去掉一个最大值和一个最小值
然后计算N-2个数据的算术平均值
N值的选取：3~14
B、优点：
融合了两种滤波法的优点
对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差
C、缺点：
测量速度较慢，和算术平均滤波法一样
比较浪费RAM
程序：
#define N 12
char filter（）
{
char count，i，j;
char value_buf［N］;
int sum=0;
for （count=0;count《N;count++）
{
value_buf［count］ = get_ad（）;
delay（）;
}
for （j=0;j《N-1;j++）
{
for （i=0;i《N-j-1;i++）
{
if （ value_buf》value_buf［i+1］ ）
{
temp = value_buf;
value_buf = value_buf［i+1］;
value_buf［i+1］ = temp;
}
}
}
for（count=1;count《N-1;count++）
sum +=value［count］;
return（char）（sum/（N-2））;
}
6、限幅平均滤波法
A、方法：
相当于“限幅滤波法”+“递推平均滤波法”
每次采样到的新数据先进行限幅处理，
再送入队列进行递推平均滤波处理
B、优点：
融合了两种滤波法的优点 对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差
C、缺点：
比较浪费RAM
程序略 参考子程序1、3
7、一阶滞后滤波法
A、方法：
取a=0~1
本次滤波结果=（1-a）*本次采样值+a*上次滤波结果
B、优点：
对周期性干扰具有良好的抑制作用 适用于波动频率较高的场合
C、缺点：
相位滞后，灵敏度低 滞后程度取决于a值大小 不能消除滤波频率高于采样频率的1/2的干扰信号
程序：
/* 为加快程序处理速度假定基数为100，a=0~100 */
#define a 50
char value;
char filter（）
{
char new_value;
new_value = get_ad（）;
return （（100-a）*value + a*new_value）;
}
8、加权递推平均滤波法
A、方法：
是对递推平均滤波法的改进，即不同时刻的数据加以不同的权
通常是，越接近现时刻的数据，权取得越大。
给予新采样值的权系数越大，则灵敏度越高，但信号平滑度越低
B、优点：
适用于有较大纯滞后时间常数的对象和采样周期较短的系统
C、缺点：
对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号 不能迅速反应系统当前所受干扰的严重程度，滤波效果差
程序：
/* coe数组为加权系数表，存在程序存储区。*/
#define N 12
char code coe［N］ ={1，2，3，4，5，6，7，8，9，10，11，12};
char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12;
char filter（）
{
char count;
char value_buf［N］;
int sum=0;
for （count=0，count《N;count++）
{
value_buf［count］ = get_ad（）;
delay（）;
}
for （count=0，count《N;count++）
sum += value_buf［count］*coe［count］;
return （char）（sum/sum_coe）;
}
9、消抖滤波法
A、方法：
设置一个滤波计数器
将每次采样值与当前有效值比较：
如果采样值＝当前有效值，则计数器清零
如果采样值《》当前有效值，则计数器+1，并判断计数器是否》=上限N（溢出）
如果计数器溢出，则将本次值替换当前有效值，并清计数器
B、优点：
对于变化缓慢的被测参数有较好的滤波效果，
可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动
C、缺点：
对于快速变化的参数不宜
如果在计数器溢出的那一次采样到的值恰好是干扰值，则会将干扰值当作有效值导入系统
程序：
#define N 12
char filter（）
{
char count=0;
char new_value;
new_value =get_ad（）;
while （value！=new_value）
{
count++;
if （count》=N）return new_value;
delay（）;
new_value =get_ad（）;
}
return value;
}
10、限幅消抖滤波法
A、方法：
相当于“限幅滤波法”+“消抖滤波法”
先限幅，后消抖
B、优点：
继承了“限幅”和“消抖”的优点
改进了“消抖滤波法”中的某些缺陷，避免将干扰值导入系统
C、缺点：
对于快速变化的参数不宜
程序略 参考子程序1、9
首先俺不得不说，下面俺给出的方法可以帮楼主剔除AD采样的异常子数据，但是慎用！数值稳定性是一个很复杂的东西，这个方法不能100%保证情况改善，原因有下：
楼主已经在程序里做了10次弃极值平均，这个算法非常厉害，但是仍出现了大幅波动，因此俺觉得，楼主的采样数据中应该存在多个异常值。就这一点而言，楼主是否更应该关注一下这些异常值的产生？异常值的出现是多方面的，比如ADC本身？程序问题？硬件设计问题？接触不良？电源自身的问题？建议楼主用电池、线性电源之类的采集几次试试，仔细检查检查程序有没有啥异常。硬件上ADC这玩意出问题也比较多，但是楼主用的这个ADC他不是闪速ADC（Flash ADC），出现真正意义上的闪码（Flash Code）几乎是不可能的，而硬件上出问题的概率似乎也不是很大。
因此，随便来个滤波，剃坏值貌似是不严谨，而且不负责任做法。
抛开上述问题不谈，对于某一两个坏值，这个方法还是挺好用的。
剔除坏值的方法有很多，肖维勒准则，格拉布斯准则都是可以的，当然还有其他方法。肖维勒准则对于n<10的情况处理还是不错的，而格拉布斯准则处理n>20效果较好，对于楼主的程序，不妨采用前者。
肖维勒准则说：|Vi|>|Xn-X平均|σZc，就是残差Vi的绝对值如果 大于 单次采样值与采样平均值之差绝对值的方差乘以Zc倍，那么该值为坏值。Zc可以通过查表得到，n为数据个数，大概如下
n=3 Zc=1.38 4 1.54 5 1.65 6 1.73 7 1.80 8 1.86 9 1.92 10 1.96 11 2.00 12 2.03 13 2.07 14 2.10 15 2.13
至于格拉布斯准则，楼主可以自己了解一下。
在剔除坏值以后再求平均，效果较好，楼主可以写个程序试试。
俺还是坚持上面的看法，不检查出坏值产生的原因，啥滤波剃坏值都是不太好的，虽然最后出来的东西可能比较好看。俺看楼主的单片机有4K的程序空间，不如用打log的方式，写个串口通讯吧每一次采样值都发到上位机上，看看数据情况，以便分析。
最后，祝楼主早日解决问题，做个高高高高高高精度的电压电流表！楼主的视频做的也非常好！
| 1.ADC配置 |
