博客
关于我
【3/10】 基于arduino的算数…
阅读量:330 次
发布时间:2019-03-04

本文共 594 字,大约阅读时间需要 1 分钟。

算数平均滤波是一种有效的方法,适用于波动较小的电平信号。这种方法通过取多次测量值的平均值,降低信号的噪声干扰。以下是实现该算法的代码解析:

代码主要包含四个函数:Receive()Average()SignalOut()loop()Receive()函数负责采样电平信号,并将其存储在数组OriginValue中。Average()函数计算存储的值的平均值,并通过AveValue进行输出。SignalOut()函数将计算结果以电平形式输出。loop()函数作为主循环,确保代码不断执行。

InputOutput常量分别定义了电平输入和输出的引脚号。savenum定义了每次采样存储的数据数量。OriginValue数组用于存储采集的电平值。AveValue变量存储了算数平均后的电平值。Acount计数器用于跟踪采样次数。

代码在setup()函数中进行初始化,Receive()函数根据计数器状态采集电平数据并存储。当计数器超过存储容量时,会调用Average()函数重新计算平均值并清空存储数据。Average()函数通过遍历OriginValue数组计算平均值,并调用SignalOut()函数输出结果。SignalOut()函数将平均值以电平形式输出到指定引脚,并通过串口打印。

整个代码结构清晰,能够有效处理波动较小的电平信号,适用于需要降低噪声干扰的实际应用场景。

转载地址:http://jtyh.baihongyu.com/

你可能感兴趣的文章
one_day_one--mkdir
查看>>
OpenCV 中的图像转换
查看>>
OpenCV-Python接口、cv和cv2的性能比较
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>
opencv图像分割2-GMM
查看>>
OpenCV(1)读写图像
查看>>
OpenCV:概念、历史、应用场景示例、核心模块、安装配置
查看>>
Openlayers图文版实战,vue项目从0到1做基础配置
查看>>