附录1：
①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 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 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 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
④递推平均滤波法（又称滑动平均滤波法）
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
精选
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
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 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 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
精选
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 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 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 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
精选
附录2：
function [ output_A ] = fifo_filter( input_A,fifo_size ) %求数组的 fifo_size 个数据的滑动平均滤波值 % 对 input_A 的每一列进行滑动平均滤波 fifo_size=floor(fifo_size); if(fifo_size<=1) output_A=input_A; return ; end
fifo_p=1;
sa=size(input_A); line=sa(1); col=sa(2);
fifo=zeros(fifo_size,col); fifo_sum=zeros(1,col); for n=1:line;
fifo_sum=fifo_sum-fifo(fifo_p,:)+input_A(n,:); fifo(fifo_p,:)=input_A(n,:); fifo_p=fifo_p+1; if(fifo_p>fifo_size) fifo_p=1; end
temp_A(n,:)=fifo_sum/fifo_size; end
output_A=temp_A; end
附录3：
①拉依达准则法（3δ）：
简单，无需查表。测量次数较多或要求不高时用。是最常用的异常值判定与剔除准则。但当测量次数《=10次时，该准则失效。如果实验数据值的总体x是服从正态分布的，则式中，μ与σ分别表示正态总体的数学期望和标准差。此时，在实验数据值中出现大于μ＋3σ或小于μ—3σ数据值的概率是很小的。因此，根据上式对于大于μ＋3σ或小于μ—3σ的实验数据值作为异常值，予以剔除。在这种情况下，异常值是指一组测定值中与平均值的偏差超过两倍标准差的测定值。与平均值的偏差超过三倍标准差的测定值，称为高度异常的异常值。在处理数据时，应剔除高度异常的异常值。异常值是否剔除，视具体情况而定。在统计检验时，指定为检出异常值的显著性水平α=0.05，称为检出水平；指定为检出高度异常的异常值的显著性水平α=0.01，称为舍弃水平，又称剔除水平(reject level)。标准化数（Z-score）可用来帮助识别异常值。Z分数标准化后的数据服从正态分布。因此，应用Z分数可识别异常值。我们建议将Z分数低于-3或高于3的数据看成是异常值。这些数据的准确性要复查，以决定它是否属于该数据集。 ②肖维勒准则法（Chauvenet）：
经典方法，改善了拉依达准则，过去应用较多，但它没有固定的概率意义，特别是当测
精选
量数据值n无穷大时失效。 ③狄克逊准则法（Dixon）：
对数据值中只存在一个异常值时，效果良好。担当异常值不止一个且出现在同侧时，检验效果不好。尤其同侧的异常值较接近时效果更差，易遭受到屏蔽效应。 ④罗马诺夫斯基（t检验）准则法：
计算较为复杂。
⑤格拉布斯准则法（Grubbs）：
和狄克逊法均给出了严格的结果，但存在狄克逊法同样的缺陷。朱宏等人采用数据值的中位数取代平均值，改进得到了更为稳健的处理方法。有效消除了同侧异常值的屏蔽效应。国际上常推荐采用格拉布斯准则法。这些方法，都有各自的特点，例如，拉依达准则不能检验样本量较小（显著性水平为0.1时，n必须大于10）的情况，格拉布斯准则则可以检验较少的数据。在国际上，常推荐格拉布斯准则和狄克逊准则。
精选
相关推荐：
loading