[Wantcan 0]

Подскажите хороший алгоритм для усреднения вычислений АЦП,я сделал так-

// Read the 8 most significant bits
// of the AD conversion result
unsigned char read_adc(unsigned char adc_input){
ADMUX=adc_input|ADC_VREF_TYPE;
// Start the AD conversion
ADCSRA|=0x40;
// Wait for the AD conversion to complete
while ((ADCSRA & 0x10)==0);
ADCSRA|=0x10;
return ADCH;}

while (1){....

   ta++;if(ta==21)ta=0;
   tempADC=(read_adc(0)/5);
   tempADC1=tempADC+(read_adc(0)/5);                  
   if(ta==20)temp=tempADC1/2;tempADC=0;tempADC1=0;

т.е. показывать на индикаторе среднее число из 20 вычислений,но все равно не так сглаженно получается.

[rvk 0]

Конечно не сглаженно, потому что Вы сняв двадцать значений стираете и начинаете набирать по новой.

И кстати складываете Вы двадцать значений, а делите только на два. Если это такая фишка, чтобы результат в итоге умножить на два,

тогда понятно.

И деление на 5 я провожу в самом конце, всего один раз над переменной temp. Это сделает более точными вычисления.

 

Поэтому у Вас есть усреднение не скользящее, а среднее на каждые отдельно взятые двадцать значений. Простой способ сделать скользящее, это вычитать самое раннее и прибавлять последнее. Но при этом обязательно накопится ошибка вычислений. Продвинутый способ, как писал в другой ветке resident, это хранить все двадцать последних значений в массиве, и делать среднее по нему, примерно вот так:

unsigned char tempData[20];

unsigned char ta=0;

unsigned char i;

unsigend short temp;

 

while (1){....

 

ta++;if(ta==20) ta=0;

tempData[ta]=read_adc(0);// деление на 5 перенесено в расчет temp

 

temp = 0;

for(i=0;i<20;i++){

temp += tempData;

}

temp =temp/100; // 20*5

 

}

 

В этом случае, переменная temp будет содержать усреднение последних снятых двадцати значений, и обновляться будет

при каждом чтении АЦП.

Изменено 10 января, 2009 пользователем rvk

[Wantcan 0]

И кстати складываете Вы двадцать значений, а делите только на два

-по другому почему-то не получилось-показания выходят из диапазона.Ваш пример попробую,но for не желательно(может даже не допустимо),т.к. этот алгоритм находится внутри программного генератора,for даст задержку и повлияет на частоту генератора,но попробую и отпишусь,что получилось.

[rvk 0]

Ну используйте вместо for вложенный цикл while:

 

temp = 0;

i=20;

while(i--){

temp += tempData;

}

 

И кстати, поскольку temp имеет тип unsogned short, никаких переполнений быть не должно.

Потому что даже максимальное значение АЦП 255*100= 25500 все равно меньше

65536, поэтому можно смело все складывать, а затем найти среднее.

[Alex11 3]

Есть еще один способ получить скользящее среднее. Инициализация:

unsigned int sum, Result;

#define shift 3 // от 1 до 7 при Ваших условиях

sum = 0;

На каждое измерение:

Result = sum >> shift;

sum = sum - Result + read_adc(0);

В зависимости от shift получается различная степень усреднения и разная скорость выхода на устоявшееся значение.

[Wantcan 0]

С последним способом у меня не получилось-цифры скачут, а вот так-тоже интересно-

 ta++;if(ta==100) ta=0;
   tempData[ta]=read_adc(0);
   tempADC=0;   
   for(a=0;a<100;a++){
   tempADC+=tempData[a];}
   temp=tempADC/500;

-как нагрузку подключаю-цифры на индикаторе пробегают от нуля до нормального значения,после отключения-обратно до нуля.

[Herz 4]

Есть еще один способ получить скользящее среднее. Инициализация:

unsigned int sum, Result;

#define shift 3 // от 1 до 7 при Ваших условиях

sum = 0;

На каждое измерение:

Result = sum >> shift;

sum = sum - Result + read_adc(0);

В зависимости от shift получается различная степень усреднения и разная скорость выхода на устоявшееся значение.

Здесь, похоже, кое-что упущено. Деление, например, или сдвиг в последней операции. Иначе алгоритм предполагает нарастание результата с различной скоростью, зависящей от shift.

[rvk 0]

Не забывайте только про переполнение temp. Если значение АЦП будет больше 65535/500 = 131, то произойдет переполнение

переменной temp и значения будут неверные. Проще говоря такая формула работает если значения АЦП были меньше 0x80.

А то, что от нуля до нормального значения, так и должно быть, ведь для первое значение делится на 100, остальные значения

ведь пустые. Второе значение складывается с первым и оба делятся на 100 и т.д. пока не будет заполнен весь массив.

Чтобы с первого значения было все верно, нужно отследить весь массив до заполнения и делить пропорционально

заполнению. Но это уже мелочи.

[rezident 0]

Чтобы с первого значения было все верно, нужно отследить весь массив до заполнения и делить пропорционально заполнению.

Совсем не обязательно. Достаточно при первом обращении к фильтру проинициализировать весь массив не нулями, а этим самым первым значением. Это для случая фильтрации типа "скользящее среднее" конечно же.

[Demeny 0]

Продвинутый способ, как писал в другой ветке resident, это хранить все двадцать последних значений в массиве, и делать среднее по нему, примерно вот так:

...........

Для усреднения по последним 20 значениям совсем необязательно хранить последние 20 значений в массиве, зачем расходовать память и ресурсы процессора, чтобы их каждый раз суммировать. А если нужно будет усреднять по 10000 значений ?

Вот простой способ получать усреднённое значение каждый раз при получении текущего измеренного значения:

T_average = T_average + (T_current - T_average) / 20.0

где T_average - среднее значение на данный момент времени, T_current - мгновенное измеренное значение, снятое, например, с АЦП в текущий момент времени.

Этот пример НЧ-фильтра измерений практически эквивалентен усреднению последних 20 значений. Однако здесь число усреднений (20) необязательно может быть целым значением. Вообще говоря, в этой формуле число 20.0 является постоянной времени фильтра, которая вкупе с периодом измерений определяет скорость реакции (инертность) этого фильтра на резкие изменения входных измеряемых величин.

[rezident 0]

Этот пример НЧ-фильтра измерений практически эквивалентен усреднению последних 20 значений.

Вообще-то это пример фильтра EMA (экспоненциальное скользящее среднее), а не SMA (простое скользящее среднее). В общем виде EMA выглядит как рекурсия Y(i+1)=Y(i)+(X(i)–Y(i))*K, где K=2/(N+1), Y(i+1) выходное значение фильтра, Y(i) - предыдущее выходное значение фильтра, X(i) - значение текущего отсчета. N имеет тот же смысл, что и "тау" RC-цепочки. Отличие EMA от SMA еще в том, что EMA это фильтр с БИХ, а SMA - с КИХ.

[rvk 0]

Вот простой способ получать усреднённое значение каждый раз при получении текущего измеренного значения:

T_average = T_average + (T_current - T_average) / 20.0

где T_average - среднее значение на данный момент времени, T_current - мгновенное измеренное значение, снятое, например, с АЦП в текущий момент времени.

Вот пример в числах есть 10 чисел. Берем скользящее среднее 5 значений:

11, 9, 11, 9, 10, 12, 11, 7, 8, 5,

среднее____ 10, 10.4, 10.52, 9.816, 9.4528, 8.56224 Это по Вашей формуле

 

А это по массиву из последних набранных пяти значений:

11, 9, 11, 9, 10, 12, 11, 7, 8, 5

среднее____ 10, 10.2, 10.6, 9.8, 9.6, 8.6

 

Поэтому эти формулы какие угодно, только не взаимозаменяемые. И Ваша формула не проще,

она просто другая.

Изменено 10 января, 2009 пользователем rvk

[Demeny 0]

Вообще-то это пример фильтра EMA (экспоненциальное скользящее среднее), а не SMA (простое скользящее среднее). В общем виде EMA выглядит как рекурсия Y(i+1)=Y(i)+(X(i)–Y(i))*K, где K=2/(N+1), Y(i+1) выходное значение фильтра, Y(i) - предыдущее выходное значение фильтра, X(i) - значение текущего отсчета. N имеет тот же смысл, что и "тау" RC-цепочки. Отличие EMA от SMA еще в том, что EMA это фильтр с БИХ, а SMA - с КИХ.

Всё это верно, я и не сомневался в Вашей компетентности в этом вопросе. Автор топика просил алгоритм усреднения значений АЦП, поэтому я предложил практическую формулу, не вдаваясь в теорию фильтров, импульсные характеристики, оператор Лапласа и т. п. Эта формула неоднократно мною проверена и прекрасно работает, например, в системах управления газотурбинными двигателями.

Конечно, численно она отличается от простого усреднения, но практически ведёт себя точно также и позволяет избежать хранения и суммирования последних N измерений, что особенно актуально для систем на маломощных вычислителях с ограниченными ресурсами (AVR, PIC).

[rezident 0]

Конечно, численно она отличается от простого усреднения, но практически ведёт себя точно также

Да как же они могут вести себя одинаково, если у них и ФЧХ и ПХ разные!?

[777777 0]

Подскажите хороший алгоритм для усреднения вычислений АЦП

Если показания АЦП дрожат, то нужно думать не о том, как их отфильтровать, а о том, как устранить источник помех. А для этого нужно совсем немного, как-то:

 

- разводить земли и питание широкими проводниками, желательно чтобы эти проводники не прыгали с одного слоя на другой, а если нужно, то переход делать через большие переходные отверстия.

- подводить ко всем 8 ногам контроллера, а для опорного желательно дополнительный RC-фильтр

- в непосредственной близости от него должно быть хотя бы две пары конденсаторов по питанию (электролит+керамика)

- если в схеме есть сильнопотребляющие элементы (светодиоды, например), то землю от них до источника вести отдельным проводником, чтобы падение напряжения от скачков тока не вызывало скачков напряжения на земле

- и т.д.

 

Я бы еще понял, если бы АЦП было 14-16 разрядным, но я не представляю, как надо изуродовать схему, чтобы дрожало 10-разрядное АЦП - чтобы там получить стабильные значения не требуется особо напрягаться.