在微控制器進行資料採集時，會遇到資料的隨機誤差，隨機誤差是由隨機干擾引起的，其特點是在相同條件下測量同一量時，其大小和符號會現無規則的變化而無法預測，但多次測量的結果符合統計規律。為克服隨機干擾引起的誤差，硬體上可採用濾波技術，軟體上可採用軟體演算法實現數字濾波。濾波演算法往往是系統測控演算法的一個重要組成部分，實時性很強。採用數字濾波演算法克服隨機干擾的誤差具有以下優點：
1、數字濾波無需其他的硬體成本，只用一個計算過程，可靠性高，不存在阻抗匹配問題。尤其是數字濾波可以對頻率很低的訊號進行濾波，這是模擬濾波器做不到的。
2、數字濾波使用軟體演算法實現，多輸入通道可共用一個濾波程式，降低系統開支。
3、只要適當改變濾波器的濾波程式或運算，就能方便地改變其濾波特性，這對於濾除低頻干擾和隨機訊號會有較大的效果。
4、在微控制器系統中常用的濾波演算法有限幅濾波法、中值濾波法、算術平均濾波法、加權平均濾波法、滑動平均濾波等。(1)限幅濾波演算法該運算的過程中將兩次相鄰的取樣相減，求出其增量，然後將增量的絕對值，與兩次取樣允許的最大差值A進行比較。A的大小由被測物件的具體情況而定，如果小於或等於允許的最大差值，則本次取樣有效;否則取上次取樣值作為本次資料的樣本。演算法的程式程式碼如下：#defineA //允許的最大差值chardata; //上一次的資料char filter(){chardatanew; //新資料變數datanew=get_data(); //獲得新資料變數if((datanew-data)>A||(data-datanew>A))return data;elsereturndatanew;}說明：限幅濾波法主要用於處理變化較為緩慢的資料，如溫度、物體的位置等。使用時，關鍵要選取合適的門限制A。通常這可由經驗資料獲得，必要時可透過實驗得到。(2)中值濾波演算法該運算的過程是對某一引數連續取樣N次(N一般為奇數)，然後把N次取樣的值按從小到大排列，再取中間值作為本次取樣值，整個過程實際上是一個序列排序的過程。演算法的程式程式碼如下：#define N11 //定義獲得的資料個數char filter(){charvalue_buff[N]; //定義儲存資料的陣列char count,i,j,temp;for(count=0;count{value_buf[count]=get_data();delay(); //如果採集資料比較慢，那麼就需要延時或中斷}for(j=0;j{for(value_buff[i]>value_buff[i+1]{temp=value_buff[i];value_buff[i]=value_buff[i+1];value_buff[i+1]=temp;}}returnvalue_buff[(N-1)/2];}說明：中值濾波比較適用於去掉由偶然因素引起的波動和取樣器不穩定而引起的脈動干擾。若被測量值變化比較慢，採用中值濾波法效果會比較好，但如果資料變化比較快，則不宜採用此方法。(3)算術平均濾波演算法該演算法的基本原理很簡單，就是連續取N次取樣值後進行算術平均。演算法的程式程式碼如下：char filter(){int sum=0;for(count=0;count{sum+=get_data();delay():}return (char)(sum/N);}說明：算術平均濾波演算法適用於對具有隨機干擾的訊號進行濾波。這種訊號的特點是有一個平均值，訊號在某一數值附近上下波動。訊號的平均平滑程度完全到決於N值。當N較大時，平滑度高，靈敏度低;當N較小時，平滑度低，但靈敏度高。為了方便求平均值，N一般取4、8、16、32之類的2的整數冪，以便在程式中用移位操作來代替除法。(4)加權平均濾波演算法由於前面所說的“算術平均濾波演算法”存在平滑度和靈敏度之間的矛盾。為了協調平滑度和靈敏度之間的關係，可採用加權平均濾波。它的原理是對連續N次取樣值分別乘上不同的加權係數之後再求累加，加權係數一般先小後大，以突出後面若干取樣的效果，加強系統對引數變化趨勢的認識。各個
在微控制器進行資料採集時，會遇到資料的隨機誤差，隨機誤差是由隨機干擾引起的，其特點是在相同條件下測量同一量時，其大小和符號會現無規則的變化而無法預測，但多次測量的結果符合統計規律。為克服隨機干擾引起的誤差，硬體上可採用濾波技術，軟體上可採用軟體演算法實現數字濾波。濾波演算法往往是系統測控演算法的一個重要組成部分，實時性很強。採用數字濾波演算法克服隨機干擾的誤差具有以下優點：
1、數字濾波無需其他的硬體成本，只用一個計算過程，可靠性高，不存在阻抗匹配問題。尤其是數字濾波可以對頻率很低的訊號進行濾波，這是模擬濾波器做不到的。
2、數字濾波使用軟體演算法實現，多輸入通道可共用一個濾波程式，降低系統開支。
3、只要適當改變濾波器的濾波程式或運算，就能方便地改變其濾波特性，這對於濾除低頻干擾和隨機訊號會有較大的效果。
4、在微控制器系統中常用的濾波演算法有限幅濾波法、中值濾波法、算術平均濾波法、加權平均濾波法、滑動平均濾波等。(1)限幅濾波演算法該運算的過程中將兩次相鄰的取樣相減，求出其增量，然後將增量的絕對值，與兩次取樣允許的最大差值A進行比較。A的大小由被測物件的具體情況而定，如果小於或等於允許的最大差值，則本次取樣有效;否則取上次取樣值作為本次資料的樣本。演算法的程式程式碼如下：#defineA //允許的最大差值chardata; //上一次的資料char filter(){chardatanew; //新資料變數datanew=get_data(); //獲得新資料變數if((datanew-data)>A||(data-datanew>A))return data;elsereturndatanew;}說明：限幅濾波法主要用於處理變化較為緩慢的資料，如溫度、物體的位置等。使用時，關鍵要選取合適的門限制A。通常這可由經驗資料獲得，必要時可透過實驗得到。(2)中值濾波演算法該運算的過程是對某一引數連續取樣N次(N一般為奇數)，然後把N次取樣的值按從小到大排列，再取中間值作為本次取樣值，整個過程實際上是一個序列排序的過程。演算法的程式程式碼如下：#define N11 //定義獲得的資料個數char filter(){charvalue_buff[N]; //定義儲存資料的陣列char count,i,j,temp;for(count=0;count{value_buf[count]=get_data();delay(); //如果採集資料比較慢，那麼就需要延時或中斷}for(j=0;j{for(value_buff[i]>value_buff[i+1]{temp=value_buff[i];value_buff[i]=value_buff[i+1];value_buff[i+1]=temp;}}returnvalue_buff[(N-1)/2];}說明：中值濾波比較適用於去掉由偶然因素引起的波動和取樣器不穩定而引起的脈動干擾。若被測量值變化比較慢，採用中值濾波法效果會比較好，但如果資料變化比較快，則不宜採用此方法。(3)算術平均濾波演算法該演算法的基本原理很簡單，就是連續取N次取樣值後進行算術平均。演算法的程式程式碼如下：char filter(){int sum=0;for(count=0;count{sum+=get_data();delay():}return (char)(sum/N);}說明：算術平均濾波演算法適用於對具有隨機干擾的訊號進行濾波。這種訊號的特點是有一個平均值，訊號在某一數值附近上下波動。訊號的平均平滑程度完全到決於N值。當N較大時，平滑度高，靈敏度低;當N較小時，平滑度低，但靈敏度高。為了方便求平均值，N一般取4、8、16、32之類的2的整數冪，以便在程式中用移位操作來代替除法。(4)加權平均濾波演算法由於前面所說的“算術平均濾波演算法”存在平滑度和靈敏度之間的矛盾。為了協調平滑度和靈敏度之間的關係，可採用加權平均濾波。它的原理是對連續N次取樣值分別乘上不同的加權係數之後再求累加，加權係數一般先小後大，以突出後面若干取樣的效果，加強系統對引數變化趨勢的認識。各個