A/D转换中的数字滤波抗干扰技术

　　1引言

　　仪器仪表设备在现场测试过程中，由于生产变量的测试数据对生产过程具有重要的意义，因此对各种物理量测试数据精度要求是比较高的。

　　在前向测试通道上采用的抗干扰措施中，滤波方法是抑制干扰的一种有效途径。在工业现场中，可利用硬件滤波器电路或软件滤波器算法提高测试数据的准确性。硬件滤波措施是使用较多的一种方法，技术比较成熟，但同时也增加了设备，提高了成本，而且电子设备的增加有可能带来新的干扰源。而采用软件滤波算法不需增加硬件设备，可靠性高，功能多样，使用灵活，具有许多硬件滤波措施所不具备的优点，当然它需要占一定的运行时间。

　　2常用的几种软件滤波方法

　　(1)中值滤波法：即每次

　　取N个AD值，去除其中的最大值和最小值而取剩余的N-2个A/D转换值的平均值。

　　(2)程序判断滤波法：即根据经验确定出两次采样的最大偏差ΔY，若先后两次采样的信号相减数值大于ΔY，表明输入为干扰信号，应去除;用上次采样值与本次采样值比较，若小于或等于Δ Y，表明没有受到干扰，此时本次采样值有效，这样可以滤去随机干扰和传感器不稳定而引起的误差。

　　(3)利用格拉布斯(Grubbs)准则进行处理：根据误差理论，要有效地剔除偶然误差，一般要测量10次以上，兼顾到精度和响应速度，取15次为一个单位。在取得的15个数据中，有些可能含有较大的误差，需要对它们分检，剔除可疑值，提高自适应速度。对可疑值的剔除有多种准则，如莱以达准则、肖维勒(Chauvenet)准则、格拉布斯(Grubbs)准则等。以Grubbs准则为例，它认为若某测量值 xi对应的残差Vi满足下式

　　|Vi|=| xi-|>g(n，a)× σ(X)

　　时应将该数据舍去。式中，为n次采集到的AD 值的平均值，=(∑xi)/n ;σ(X)为测量数据组的标准差，由贝塞尔函数可得： σ(X)=[(∑Vi2 )/(n-1)]1/2;g(n， a)是取决于测量次数n和显著性水平a (相当于犯“弃真” 错误的概率系数)，a通常取0.01或0.05。通过查表可得：当 n="15时"，a=0.05, g(n，a)=2.41。

　　把15次采集到的AD值存入一个数组中然后求平均值，计算残差，求标准差σ(X)。将残差绝对值与2.41倍的标准差σ(X)比较。剔除可疑值以后，再求平均值，求出新的平均值以后，应再重复以上过程，验证是否还有可疑值存在。据我们对测量装置大量的实际测试结果看，这样做没有什么必要，因为一般只有第一遍即可达到要求。

　　然而这种方法也有它的不足, 利用Grubbs准则需要处理大量的数据，而在一般的工业现场测试设备中，仪表结构大多采用嵌入式结构，如AVR单片机。这些MCU程序空间和数据空间有限，若处理大量数据，难以满足资源要求。而且，由于Grubbs准则要求MCU进行大量数据处理，使得系统降低了信号采集速率，影响实时性。