步骤S5:通过步骤S4的分析给估计值和测量值分配权重，并根据权重计算出最优 值变量P1。
[0084] 由以上分析，可以得到估计值P_E和测量值P_N两个值的可靠性情况，通过可靠性 可以去分配估计值P_E和测量值P_N两个数值在最优值变量中的权重。设置测量值P_N的权 重为A。则：
[0085] ΔΡ= |P_E-P_N (4)
[0086] 贝lj由步骤S4分析，可以得到测量值P_N的权重A为： A |F E-P N\ R+\P_E-P_N\
[0088] 测量值P_N的权重为A，则估计值P_E的权重为1-A，R为一个自定义数值，用公式(5) 的形式去表示权重A，当差值为R时，可以认为估计值和测量值的权重一样。
[0089] 得到了权重，剩下计算最优值变量就比较简单了。也就是说，在本发明的实施例 中，最优值变量是估计值和测量值按一定的权重构成。
[0090] 在大量数据的情况下，计算得到的最优值变量相对于估计值P_E和测量值P_N拥有 更高的可靠性，对于噪声造成的数据大范围波动具有很好的抑制效果。由于最优值里面加 入了数据变化趋势的估计值，十分有效地过滤掉了不按趋势变化或跳变的数据。
[0091] 步骤S6:重新赋值，递归运算
[0092] 该发明的滤波方法是一种递归运算方法，本次运算得到的结果数据是下次运算过 程中的参数：
[0093] 将本次运算得到的最优值赋值给我们运算过程中设置的变量，首先将P_R赋值给 P0，然后将P0赋值给P1，公式表示如下：
[0094] P〇 = P_R (7)
[0095] Pl=P〇 (8)
[0096] 将本次运算得到的最优值赋值给运算过程中设置的变量参与下一轮运算，即将重 新赋值得到的P0和P1，一直递归下去，数据也持续保持更新。下一轮运算重复步骤S1到步骤 S6〇
[0097] 综上所述，本发明的滤波方法与卡尔曼滤波适用于同样的系统类型，但相对于后 者拥有很多的优势，首先，本发明的运算量小，只有几步比较简单的加减乘除运算，而卡尔 曼滤波的算法复杂度相对而言大了很多。同时，滤波效果也是非常不错的。
[0098] 请参阅图4,图4所示为使用本发明的滤波方法进行滤波后的波形和使用卡尔曼滤 波进行滤波后的波形对比图。其中，曲线1波形是使用本发明的滤波方法进行滤波后的波 形，曲线2是使用卡尔曼滤波进行滤波后的波形。由波形对比图可以看出，本滤波方法和卡 尔曼滤波的效果比较接近，对于一些波动能迅速做出响应，而且，比卡尔曼滤波更加敏感， 对于小的波动也能比较准确的体现，如图中波形所示，前面一段系统的抖动，本发明的滤波 方法及时做出了响应，而卡尔曼滤波却当杂波信号过滤掉了，并且之后的大抖动，滤波方法 和卡尔曼滤波的效果几乎一致;最后一段是传感器静止不动的时候的波形，两个方法的滤 波效果也比较接近。
[0099] 因此，本发明的滤波方法相对于卡尔曼滤波拥有更小的运算量，且灵敏度更高，滞 后性也更弱，关键滤波效果完全媲美运算量更大的卡尔曼滤波。
[0100] 以上所述的仅为本发明的优选实施例，所述实施例并非用以限制本发明的专利保 护范围，因此凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在 本发明的保护范围内。
【主权项】
1. 一种基于线性系统的数字滤波装置，所述装置包括检测线性系统测量值的传感器和 数据滤波模块;其特征在于，所述数据滤波模块包括存储单元、处理单元、参数初始化单元 和输出单元;所述存储单元所存储的参数包括相邻两次得到两个最优值变量P0和P1、两个 最优值变量P0和P1两点构成直线的斜率K、估计值P_E、测量值P_N、估计值P_E和测量值P_N 的差值ΛΡ和传感器的采集时间间隔T;所述处理单元用于分析系统类型和噪声类型，根据 传感器在每个间隔T发送测量值P_N和由斜率K得到估计值P_E，估计值P_E和测量值P_N的差 值ΛΡ，得到估计值P_E和测量值P_N的可信程度，并根据可靠程度动态分配估计值P_E、测量 值P_N在最优值中的权重，并根据两个数值的权重计算出本次最优值变量P_R，并通过所述 输出单元输出每个最优值。2. 根据权利要求1所述的数字滤波装置，其特征在于，所述数据滤波模块为微控制单 J L· 〇3. -种采用权利要求1所述装置的数字滤波方法，其特征在于，所述方法包括如下步 骤： 步骤S1:所述处理单元分析和判断系统类型是否是线性系统；如果是，执行步骤S2;如 果不是，执行步骤S7; 步骤S2:所述参数初始化单元初始化被测量线性系统相关变量以及计算数据变化率， 并将初始化后的参数储存到所述存储单元;其中，所述两个最优值变量P0和P1的初始值为 〇，两个最优值变量P0和P1两点构成的直线的斜率K为0; 步骤S3:通过步骤S2的变化率K去估算下一个传感器测量数据估计值P_E的大小，并且， 所述传感器根据采集时间间隔T得到采集测量值?_~; 步骤S4:根据估计值P_E和测量值P_N的差值ΛΡ得到估计值P_E和测量值P_N的可信程 度； 步骤S5:通过步骤S4分析的可信程度给估计值P_E和测量值P_N分配权重，并根据权重 计算出本次最优值变量?_1?; 步骤S6:重新赋值，递归运算；即先将本次运算得到的最优值P_R赋值给P0，然后将P0 赋值给P1;继续执行步骤S3，直到数据处理完毕； 步骤S7:结束。4. 根据权利要求3所述的数字滤波方法，其特征在于，所述步骤S3中，得到估计值的大 小的计算式为： CP0-P1) _ CP_E-P〇) t t 计算得到估计值： P_E = 2*P0-P1 并且，所述传感器测量得到的当前数据值保存到P_N中。5. 根据权利要求3所述的数字滤波方法，其特征在于，所步骤S4具体包括:设置估计值 p_E和测量值P_N的差值为ΛΡ，同时设定一个对比值R; 当估计值和测量值的差值ΛΡ比R小时，测量值P_N比估计值P_E可靠，且可靠程度随差 值ΛΡ呈线性变化； 当估计值和测量值的差值ΛΡ为零时，估计值P_E和测量值P_N同样可靠，可靠程度相 同； 当估计值和测量值的差值ΛΡ比R大时，估计值P_E比测量值P_N可靠，且可靠程度随差 值ΛΡ呈线性变化。6. 根据权利要求5所述的数字滤波方法，其特征在于，所步骤S5具体包括： 设测量值P_N的权重为A，则估计值P_E的权重为1-A，R为一个自定义数值;则： ΔΡ= |P_E-P_N 则由步骤S4分析，可以得到测量值P_N的权重A为：则最优值为P_R，最优值是估计值和测量值按照一定的权重构成，最终得到最优值： P_R =(1-A)*P_N+A*P_E 〇7. 根据权利要求3所述的数字滤波方法，其特征在于，所述传感器的采集时间间隔T为 lms到1 Oms之间的一个值。8. 根据权利要求3所述的数字滤波方法，其特征在于，所述步骤S1还包括:判断系统内 的噪声类型是否是服从高斯分布且功率谱密度均匀分布的白噪声，如果是，执行步骤S2，如 果不是，执行步骤S7。
【专利摘要】本发明涉及一种基于线性系统的数字滤波装置及方法，该方法包括以下步骤：首先分析系统类型，判断并确定该线性系统的噪声类型是否属于是否是服从高斯分布且功率谱密度均匀分布的白噪声；然后判断数据的变化趋势，根据数据的变化趋势估算出下一个数据的大小；接着判断测量值和估算值的可靠程度；最后根据测量值和估计值的可靠程度动态分配该两个数值在最优值中的权重，根据该两个数值的权重计算出最优值。本发明提供的方法运算量小且滤波效果好，特别适用于系统中处理器能力不强的情况。
【IPC分类】G06F19/00
【公开号】CN105608317
【申请号】CN201510957748
【发明人】陈燃, 王勇, 叶红波, 蒋亮亮
【申请人】上海集成电路研发中心有限公司, 成都微光集电科技有限公司
【公开日】2016年5月25日
【申请日】2015年12月18日