[发明专利]滤波方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种滤波方法、装置、设备及计算机可读存储介质。该滤波方法包括：获取本次采样值和上次优化值；计算本次采样值和上次优化值的差值；根据差值选择采用时间滑动平均算法或者采用系统预测状态方程得到本次预测值；根据本次预测值和卡尔曼滤波算法确定本次优化值。本发明能够满足对数据精准测量的需求。本发明提出了一种滑动平均算法和卡尔曼滤波算法相结合的滤波方法。该滤波方法与现有的卡尔曼滤波算法相比具有精准度高、平滑度高的优势。该滤波方法与现有的滑动平均算法相比具有占用内存小、灵敏度高、对于非周期性干扰的抑制效果好的优势。该滤波方法能够在确保数据准确性的同时，兼顾灵敏度和平滑度。

技术领域

本发明涉及信号处理技术领域，更具体地涉及一种滤波方法、装置、设备及计算机可读存储介质。

背景技术

随着电子技术的不断发展，人们对数据采集的要求越来越高。传统的模拟量采集装置，由于仅使用芯片内部的模拟量采集模块和采集模块电路设计不足等原因，导致采集的精度偏低，不能够满足对数据精确测量控制的需求。现有的应用于模拟量采集的滤波方法有中位值滤波法、滑动平均滤波法、一阶滞后滤波法、消抖滤波法等。其中中位值滤波法能够有效抑制偶然因素引起的波动干扰，但占用主存较大，灵敏度不高；滑动平均滤波法平滑度较高，但比较浪费主存，同时对于非周期性干扰的抑制作用较差；一级滞后滤波法适用于高频系统，但相位滞后，灵敏度低；消抖滤波法适用于变化缓慢的被测参数，对快速变化的参数不宜，同时灵敏度不高。因此现有的滤波方法并不能很好的协调好灵敏度和平滑度之间的关系。

因此，如何准确采集各种条件下的数据，并能够对数据进行滤波，同时最大限度保证数据的准确性和结果的平滑度，成为了本领域技术人员亟待解决的技术问题和始终研究的重点。

发明内容

本申请实施例提供了一种滤波方法、装置、设备及计算机可读存储介质，能够解决现有数据采集方法存在的精度低、平滑度差等问题，

本发明第一方面提供了一种滤波方法，所述滤波方法包括如下步骤；获取本次采样值和上次优化值；计算所述本次采样值和所述上次优化值的差值；根据所述差值选择采用时间滑动平均算法或者采用系统预测状态方程得到本次预测值；根据所述本次预测值和卡尔曼滤波算法确定本次优化值。

可选地，根据所述差值选择采用时间滑动平均算法或者采用系统预测状态方程得到本次预测值包括：在所述差值小于第一阈值时，采用系统预测状态方程得到所述本次预测值；或者，在所述差值大于等于所述第一阈值时，采用时间滑动平均算法得到所述本次预测值。

可选地，所述系统预测状态方程用于指示所述本次预测值等于所述上次优化值；或者，在所述差值大于等于所述第一阈值时，采用时间滑动平均算法得到所述本次预测值包括：获取上上次优化值；计算所述本次采样值、所述上次优化值和所述上上次优化值的平均值；将所述平均值赋值给所述本次预测值。

可选地，根据所述本次预测值和卡尔曼滤波算法确定本次优化值包括：计算所述本次预测值的不确定度；根据所述本次预测值的不确定度确定本次卡尔曼增益；根据所述本次卡尔曼增益、本次预测值和所述本次采样值计算本次优化值。

可选地，计算本次预测值的不确定度包括：获取上次优化值的不确定度；采用系统预测状态方程得到所述本次预测值时，根据所述系统预测状态方程设定预测值的不确定度；根据所述上次优化值的不确定度和所述预测值的不确定度计算本次预测值的不确定度；或者，采用时间滑动平均算法得到所述本次预测值时，本次预测值的不确定度等于所述上次优化值的不确定度。

可选地，根据所述本次预测值和卡尔曼滤波算法确定本次优化值之后还包括：根据所述本次卡尔曼增益和所述本次预测值的不确定度计算本次优化值的不确定度。