1、算法介紹

? ? ? ? 中位值濾波算法的實現方法是采集N個周期的數據，去掉N個周期數據中的最大值和最小值，取剩下的數據的平均值。中位值濾波算法特別適用于會偶然出現異常值的系統。中位值濾波算法應用比較廣泛，比如用于一些比賽的評分，經常是去掉一個最高分去掉一個最低分，將其他評分取平均值作為選手的最終得分。

優點：相比于平均值濾波算法，中位值濾波算法能夠有效濾除偶然的脈沖干擾。

缺點：與平均值濾波算法相同，中位值濾波算法也存在反應速度慢、滯后的問題。

2、實現代碼

? ? ? ??下面的代碼是中位值濾波的示例代碼。

float data[10];float middleFilter(float in_data) {float sum = 0;float temp[10];float change;int i,j;//記錄數據for(i=0; i<9; i++){data[i]=data[i+1];}data[9] = in_data;//復制數據for(i=0; i<10; i++)temp[i] = data[i];//冒泡法排序for(i=1; i<10; i++)for(j=0; j<10-i; j++){if(temp[j] > temp[j+1]){change = temp[j];temp[j] = temp[j+1];temp[j+1] = change;}}//求和for(i=1; i<9; i++)sum = sum + temp[i];//返回平均值return(sum/8);}

? ? ? ? 在上面的代碼中，分為幾個步驟：

步驟1：讀取新數據，并更新數據數組；

步驟2：復制數據到臨時數組，以便保持原始數據的順序不變；

步驟3：對臨時數組進行排序；

步驟4：計算中位平均值。

3、示例

? ? ? ??下面我們通過一個示例來體會中位值濾波的作用，濾波對象為車速信號，濾波效果如下圖所示。圖中，橫軸為時間，單位：秒，縱軸為速度，單位km/h。其中，藍色為濾波前的數據，紅色為濾波后的數據。有圖中可以看出，原始數據存在兩個異常值，可能是采集過程的數據干擾或數據處理時的異常等原因造成的。采用中位值濾波算法可以有效濾波這種異常值造成的影響。

相對于中位值濾波算法，平均值濾波算法則無法解決這個問題，如下圖所示，為采用平均值濾波算法對相同的原始數據進行處理的效果，可以看到平均值濾波無法濾波異常值，而且異常值影響的時間比較長。

總結

以上是生活随笔為你收集整理的滤波算法（二）—— 中位值滤波算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。