吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (增刊1): 314-316.

• 论文 • 上一篇    下一篇

嵌入式系统测量中的指数平滑滤波新算法

金玉善, 郭凯, 杨书范, 黄永平   

  1. 吉林大学 计算机科学与技术学院, 长春 130022
  • 收稿日期:2012-03-12 出版日期:2012-09-01 发布日期:2012-09-01
  • 通讯作者: 黄永平(1964-),男,副教授.研究方向:嵌入式软件,汽车电子.E-mail:hyp@jlu.edu.cn E-mail:hyp@jlu.edu.cn
  • 作者简介:金玉善(1963-),女,副教授.研究方向:工业控制,汽车电子.E-mail:jinys@jlu.edu.cn
  • 基金资助:

    吉林省科技发展计划项目(20100504);吉林省自然科学基金项目(201115025).

Exponential smoothing filter new algorithm in measurement of embedded system

JIN Yu-shan, GUO Kai, YANG Shu-fan, HUANG Yong-ping   

  1. College of Computer Science and Technology, Jilin University, Changchun 130022
  • Received:2012-03-12 Online:2012-09-01 Published:2012-09-01

PDF (PC)

428

摘要： 对嵌入式系统测量中的不同的滤波算法进行了分析,提出一种适用于嵌入式系统测量的、快速简化的指数平滑滤波新算法。并设计了仿真实验模型,通过实验与卡尔曼滤波算法进行对比。对简化的指数平滑滤波算法进行的分析表明,该算法具有计算量小、速度快的优点。且对于慢变化的嵌入式传感器信号,具有非常好的平滑滤波效果,其计算速度是卡尔曼滤波算法的30倍,非常适用于低计算能力、存储资源有限、传感器信号采集前端的嵌入式系统测量。

关键词: 计算机应用, 嵌入式系统, 测量, 滤波, 指数平滑滤波, 卡尔曼滤波

Abstract: This paper analyzed the different filter algorithm in the measurement of embedded system. And introduced a exponential smoothing algorithm, which was fast and simplified and fitted for the measurement of embedded system. Designed a simulation experiment model, did the experiment and compared it with kalman filter algorithm. Analyzed the simplified exponential smoothing filter algorithm. Concluded that the algorithm had a small amount of calculation and a high speed. For the embedded sensor signal had unobtrusively trend, the algorithm had a excellent smoothing filter performance and was 30 times faster than kalman filter algorithm. It applicable for the measurement of embedded system, which had a low processing capacity, a limited storage and a sensor signal collecting front-end.

Key words: computer application, embedded system, measurement, filter, exponential smoothing filter, Kalman filter

中图分类号: 

  • TP301.6
[1] Sukriti Jalali. Trends and implications in embedded systems development. http:[C]//www.tcs.com/sitecollectiondocuments/white%20papers/tcs_hitech_whitepaper_Trends-Implications-Embedded-Systems-Development.pdf

[2] 马明建. 数据采集与处理技术[M]. 2版. 西安: 西安交通大学出版社, 2005.

[3] 王颖, 金志军. 常用数字滤波算法[J]. 中国计量,2012,3:99-100. Wang Ying, Jin Zhi-jun. Common digital filter algorithm[J]. China Metrology,2012,3:99-100.

[4] 向红军, 雷彬. 基于单片机系统的数字滤波方法研究[J]. 电测与仪表, 2005,42(9):53-55. Xiang Hong-jun, Lei Bin. The selection for digital filtering method based on SCM system[J]. Electrical Measurement & Instrumentation,2005,42(9):53-55.

[5] Thomas B Fomby. Exponential smoothing models. Department of Economics, Southern Methodist University,2008.

[6] Greg Welch, Gary Bishop. An introduction to the Kalman filter. Department of Computer Science, University of North Carolina at Chapel Hill,2006.

[7] Brown R G.Smoothing,Forecasting and Prediction of Discrete Time Series[M].Englewood Cliffs,Prentice-Hal,1963.

[8] 冯金巧,杨兆升,张林. 一种自适应指数平滑动态预测模型[J]. 吉林大学学报:工学版,2007,37(6):1284-1287. Feng Jin-qiao, Yang Zhao-sheng, Zhang Lin. Adaptive exponential smoothing model for dynamic prediction[J]. Journal of Jilin University(Engineering and Technology Edition),2007,37(6):1284-1287.

[9] Kalman R E. A new approach to linear filtering and prediction problems[J]. Transaction of the ASME- Journal of Basic Engineering,1960,3:35-45.

[10] 张勇,关伟.预测交通流量时间序列的组合动态建模方法[J].吉林大学学报:工学版,2010,40(9):1209-1214. Zhang Yong,Guan Wei.Combined dynamic modeling to forcast traffic volume time series[J].Journal of Jilin University(Engineering and Technology Edition),2010,40(9):1209-1214.
[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[7] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[8] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[9] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[10] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[11] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[12] 贾洪雷, 王万鹏, 陈志, 庄健, 王文君, 刘慧力. 基于土壤坚实度的仿形弹性镇压辊镇压力实时测量方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1169-1175.
[13] 董惠娟, 于震, 樊继壮. 基于激光测振仪的非轴对称超声驻波声场的识别[J]. 吉林大学学报(工学版), 2018, 48(4): 1191-1198.
[14] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[15] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发