09-27-28数据处理1.ppt

1)克服随机误差的数字滤波算法 2)消除系统误差的算法、非线性校正 3)工程量的标度变换。 4)其它算法: 诸如频谱估计、相关分析、复杂滤波等算法，阅读数字信号处理方面的文献。 下面主要以前3点来主要讨论. 二. 克服随机误差的数字滤波算法 1.随机误差与数字滤波 随机误差：由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，其定义为: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称为随机误差。采用模拟滤波器是克服随差的主要硬件方法。也可以采用软件算法来实现数字滤波. 2.常用的数字滤波算法 1)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（剔除粗大误差） ④基于中值数绝对偏差的决策滤波器 2)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(递推平均值滤波) ③加权滑动平均 3)复合滤波法 等 3.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。 通常采用限幅滤波,中值滤波等非线性滤波法。 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，把二次相邻的采样值相减,求出其增量,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。 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 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取奇数），然后将这些采样值进行排序(最常用的是冒泡法)，选取中间值为本次采样值。采样次数N越大,滤波效果越强.但采样次数太大,会影响速度,一般N取3-15. 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。但不宜于快速变化的参数(如流量) 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。 拉依达准则：当测量次数N足够多且测量服从正态分布时，在各次测量值中，若某次测量值Xi所对应的剩余误差Vi＞3σ(σ标准差)，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 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。 4、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：算术平均值滤波法、加权平均滤波法、递推加权平均滤波法等。 1)算术平均值滤波 连续取N个采样值进行（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 2)递推平均值滤波 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。 递推平均滤波法把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。计算滤波值时,只要把队列中的N个数据进行算术平均,就可得到新的滤波值. 3)加权递推平均值滤波 在上述算术平均值滤波和递推平均值滤波法中,将N次采样值 等同对待,这削弱了当前采样值在程序中的比重,实时性较差, 有时,为了提高滤波效果,增加新的采样数据在滑动平均中的 比重，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。其运算关系为: 5、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。 * * 智能仪器 27~28学时 第五章 智能仪器的典