滑动过滤算法：优点：缺点代码：中值过滤算法：优点：缺点：代码：算术平均值过滤算法：优点：缺点：代码：滑动算术平均值过滤算法：优点：
剪辑法算法：
确定两次采样允许的最大偏差值(假设为a )。
每次检测到新的采样值时判断：
如果本次值与上次的值之差=A，则本次的采样值有效
如果本次值与上次值之差为a，则本次采样值无效。
如果这次的采样值无效，则可以对这次的采样进行不同的处理。
例如：
废弃本次采样值，将上次的采样值作为本次的采样值使用，本次的采样值=上次的采样值切片a废弃本次的采样值，重新采样的优点：能够消除偶然的波动引起的误差缺点，及
代码：/* variation_Range值为*/# define variation _ range 10 char bounds _ filter (charnew _ value，char old _ filter )，具体情况取决于实际情况}或：
/* 10是限值，是否可以根据情况调整*/new _ value=ABS (new _ value-old _ value ) 10？ old_value:new_value； 点击//1行代码即可
中值滤波法算法：连续采样奇数个数据，然后对数据从小到大排序，取中间的值做为本次采样值
优点：中值滤波方法可实现滤除偶然因素引起的脉冲干扰，去除数据毛刺，使采样数据更加平滑。
适用于温度等被测参数等变化较慢的比较线性的采样系统
缺点：不使用采样值快速变化的系统
代码： samples_Num次采样，按气泡排序，最后中值#define samples_Num 5 //采样次数int Median_Filter () unsignedintvalue for (计数=0； count samples_Num； count({value[count]=read_ADC )； (for ) j=0； j samples_Num - 1； j ) for(I=0； i samples_Num - j - 1； I () if ) value[I]value[I1] ) { temp=value[i]； value[i]=value[i 1]； value[i 1]=temp； } }返回值[ (m-1 )/2； }算术平均值过滤算法：在某时刻对信号进行连续多次采样，对采样值进行算术平均(平均值)，作为该时刻的信号采样值
就是取平均值。 连续采样的次数因情况而异
好处：对抑制周期性干扰和随机干扰有良好效果
缺点：采样比较耗时，并且平均值可能受到某个数据干扰而产生较大浮动。
代码： #define N 10int value=0； int Arithmetic_Filter () for ) intI=0； i N； I ) { value=value Read_Adc (； }返回(值/n )； )滑动平均值滤波算法)滑动平均值滤波是指，首先在RAM中形成数据缓冲器，依次存储n个样本数据，每当取得新数据时，舍弃最初取得的数据，而舍弃包含新数据的n个数据的算术平均值或加权平均由此，每次进行采样时计算出新平均值，数据处理被高速化.
优点：对周期性干扰有良好的抑制作用，平滑度高
缺点：灵敏度低
干扰抑制作用低
#define size 6000//数组大小#define N 12//使用滑动平均过滤器计算平均值时取得的点数/*上的两个语句在使用以下函数时添加到程序开头的*/void smooth (fload smoth ) jsize； Jj
+) { if(j<N/2) { for(int k=0;k<N;k++) { Sum1+=data[j+k]; } data[j]=Sum1/N; } else if(j<size -N/2) { for(int k=0;k<N/2;k++) { Sum1+=(data[j+k]+data[j-k]); } data[j]=Sum1/N; } else { for(int k=0;k<size-j;k++) { Sum1+=data[j+k]; } for(int k=0;k<(N-size+j);k++) { Sum1+=data[j-k]; } data[j]=Sum1/N; } Sum1=0; }} 中位值平均滤波法 算法：连续采样 N 个数据,去掉最大值和最小值 ，然后计算 N‐2 个数据的平均值，作为采样值
优点：对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差
缺点：用时比较久
代码 #define N 12 unsigned int Med_Avg_Filter(){ unsigned int count, i, j, temp; unsigned int value_buf[N]; int ad_sum= 0; //采样N次 for( count = 0; count < N; count++ ) { value_buf[count] = Read_ADC(); }/*=========================冒泡排序升序==========================*///舍弃最大值和最小值 for( j = 0; j < N - 1; j++ ) { for( i = 0; i < N - j - 1; i++ ) { if( value_buf[i] > value_buf[i + 1] ) { temp = value_buf[i]; value_buf[i] = value_buf[i + 1]; value_buf[i + 1] = temp; } } } //求中间项的和 for( count = 1; count < N - 1; count++ ) { ad_sum+= value_buf[count]; } return (ad_sum/( N -2 ));}} 一阶低通滤波 方法：滤波结果=a*本次采样值+（1-a）*上次滤波结果
a取值为0~1之间
就是将新的采样值与上次的滤波结果计算一个加权平均值。
a的取值决定了算法的灵敏度，a越大，新采集的值占的权重越大，算法越灵敏，但平顺性差；相反，a越小，新采集的值占的权重越小，灵敏度差，但平顺性好
优点：对周期性干扰具有良好的抑制作用
适用于波动频率较高的场合
相位滞后,灵敏度低
代码： float final=0;float a=0.25; float first_Order_Filter(float data){final = a*data + (1-a)*final;return(final);}