Python滤波

最新推荐文章于 2024-11-06 14:30:29 发布

原创

最新推荐文章于 2024-11-06 14:30:29 发布 · 1.1k 阅读

import numpy as np
import matplotlib.pyplot as plt

def limit_filter(data, top=4):
    '''
        限幅滤波法（又称程序判断滤波法）  
        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top）每次检测到新值时判断：如果本次值与上次值之差<=top,则本次值有效  如果本次值与上次值之差>top,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
    '''
    flag_arr = np.argwhere(data<0)
    temp_data = abs(data)
    for i in range(1, len(temp_data)):
        if abs(temp_data[i] - temp_data[i-1])  > top:
            temp_data[i] = temp_data[i-1]
    temp_data[flag_arr] *= -1
    return temp_data

def median_filter(data, num=3):
    '''
        中位值滤波法  
        A、方法：  连续采样num次（num取奇数）  把num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  
    '''
    data_length = len(data)
    item_num = data_length // num + 1
    padwidth = item_num * num - data_length
    temp_data = np.pad(data, (0, padwidth), 'edge').reshape(item_num, num)
    median_arr = np.median(temp_data, axis=1).reshape(item_num).repeat(num)[:data_length]
    return median_arr


def average_filter(data, num=3):
    '''
        算术平均滤波法  
        A、方法：  连续取num个采样值进行算术平均运算  num值较大时：信号平滑度较高，但灵敏度较低  num值较小时：信号平滑度较低，但灵敏度较高

标签