中位值平均滤波：如何采集N个点，去掉最大最小值后求平均以消除尖峰干扰

中位值平均滤波是一种在工业现场传感器数据采集中最常用、最有效的抗尖峰干扰算法。它不依赖复杂模型，不增加硬件成本，仅通过软件逻辑即可显著提升信号稳定性——特别适合PLC、单片机、嵌入式RTU等资源受限的电气自动化系统。

该方法的核心思想是：采集N个连续采样点 → 排序 → 剔除1个最大值和1个最小值 → 对剩余N−2个点求算术平均。它兼顾了中位值滤波的强抗脉冲能力与平均滤波的平滑性，对偶发性尖峰（如继电器吸合、变频器启停、静电放电引起的毫秒级电压跳变）抑制效果远优于单纯均值或滑动平均。

以下为完整实操指南，涵盖原理、选型依据、代码实现、参数调优及工程部署注意事项，所有步骤均可直接用于实际项目。

一、为什么必须用中位值平均滤波？对比其他常见滤波方式

在电气自动化中，模拟量输入（如4–20 mA电流、0–10 V电压、热电偶mV信号）极易受电磁干扰影响。典型干扰形态包括：

• 尖峰干扰：持续时间<10 ms、幅值超量程50%以上的单点突变（如接触器动作产生瞬态高压）；
• 毛刺干扰：连续2–3点异常跳变，但未达报警阈值；
• 低频漂移：温漂、零点缓慢偏移，属系统误差，非本算法目标。

下表对比主流数字滤波方法在尖峰抑制场景下的表现：

关键结论：当干扰表现为“稀疏、高幅值、短时宽”的尖峰时，中位值平均滤波是性价比最高的选择。它不要求你知道干扰幅值或周期，也不依赖历史数据建模，仅靠排序+截断+求均即可生效。

二、算法原理与数学表达

设某传感器在固定采样周期T内连续采集N个原始数据点，记为序列：
$$x_1, x_2, \dots, x_N$$

执行以下三步：

1. 排序：生成升序排列序列
   $$x_{(1)} \leq x_{(2)} \leq \dots \leq x_{(N)}$$
   其中 $x_{(1)}$ 为最小值，$x_{(N)}$ 为最大值。

2. 截断：剔除首尾各1个极值点，保留中间 $N-2$ 个点：
   $$x_{(2)}, x_{(3)}, \dots, x_{(N-1)}$$

3. 求均：计算剩余点的算术平均值作为滤波输出 $y$：
   $$y = \frac{1}{N-2}\sum_{k=2}^{N-1} x_{(k)}$$

✅ 注意：N必须≥3，否则剔除后无数据可算；推荐取奇数（如5、7、9），便于中位值定位，且对称剔除更鲁棒。

该公式本质是截尾均值（Trimmed Mean）的特例（截去上下各1/N）。统计学证明，当数据含少量离群点时，其估计偏差远小于普通均值，且效率损失可控。

三、N值如何选定？——工程选型黄金法则

N不是越大越好，需在抗干扰能力、响应延迟、内存与计算开销间折中。遵循以下四条铁律：

1. 最低要求：N ≥ 5

   • N=3时仅剩1个点，失去“平均”意义，退化为中位值滤波；
   • N=4剔除2点后仅剩2点，易受剩余点波动影响；
   • N=5是工业现场最常用起点，保留3点求均，抗单点尖峰能力已足够。

2. 响应延迟约束：总延迟 = N × 采样周期

   • 若采样周期为10 ms（常见PLC扫描周期），N=9 → 延迟90 ms；
   • 对温度、液位等缓变量可接受；
   • 对电机转速、电流瞬态响应等快变量，N不宜超过5。

3. 干扰密度反推：若实测发现平均每20次采样出现1次尖峰，则N=5（覆盖4%异常率）已足够；若每5次就1次，需升至N=9或叠加限幅预处理。

4. 硬件资源校验：

   • 在8位单片机上，N=9需存储9个int16_t（18字节），排序用冒泡法约36次比较，完全可行；
   • 在ARM Cortex-M3上，N=25亦无压力；
   • 严禁在RAM < 2KB的设备上盲目使用N>15。

✅ 推荐配置表（基于10 ms采样周期）：

四、手把手代码实现（全平台通用）

以下代码采用ANSI C编写，可直接移植到PLC Structured Text（ST）、Arduino、STM32 HAL、Codesys等环境，无第三方库依赖。

步骤1：定义滤波结构体

#define FILTER_SIZE 5  // 可根据需求修改为3/7/9

typedef struct {
    float buffer[FILTER_SIZE];  // 存储原始采样点
    uint8_t index;              // 当前写入位置
    uint8_t count;              // 已填充点数（启动阶段用）
} MedianAverageFilter_t;

MedianAverageFilter_t g_filter = {0};

步骤2：添加新采样点（核心入口函数）

void MedianAverageFilter_Add(MedianAverageFilter_t* f, float new_sample) {
    // 1. 存入缓冲区，循环覆盖
    f->buffer[f->index] = new_sample;
    f->index = (f->index + 1) % FILTER_SIZE;

    // 2. 启动阶段：未满N点时，计数累加（避免用0填充计算）
    if (f->count < FILTER_SIZE) {
        f->count++;
    }
}

步骤3：执行滤波计算（返回有效滤波值）

float MedianAverageFilter_Get(MedianAverageFilter_t* f) {
    // 1. 复制当前有效数据到临时数组（避免原地排序破坏循环缓冲）
    float temp[FILTER_SIZE];
    uint8_t n = (f->count < FILTER_SIZE) ? f->count : FILTER_SIZE;

    for (uint8_t i = 0; i < n; i++) {
        uint8_t src_idx = (f->index - n + i + FILTER_SIZE) % FILTER_SIZE;
        temp[i] = f->buffer[src_idx];
    }

    // 2. 冒泡排序（小到大）
    for (uint8_t i = 0; i < n; i++) {
        for (uint8_t j = 0; j < n - 1 - i; j++) {
            if (temp[j] > temp[j + 1]) {
                float swap = temp[j];
                temp[j] = temp[j + 1];
                temp[j + 1] = swap;
            }
        }
    }

    // 3. 剔除首尾，求均（N≥5时保证至少3点）
    if (n < 3) return temp[0];  // 降级为返回中位值

    float sum = 0.0f;
    for (uint8_t i = 1; i < n - 1; i++) {  // 跳过temp[0]和temp[n-1]
        sum += temp[i];
    }
    return sum / (n - 2);
}

步骤4：在主循环中调用（示例）

// 假设每10ms调用一次
void ControlLoop_10ms(void) {
    float raw = ReadAnalogInput(CHANNEL_0);  // 读取ADC原始值
    MedianAverageFilter_Add(&g_filter, raw);

    float filtered = MedianAverageFilter_Get(&g_filter);
    SetDisplayValue(filtered);  // 更新HMI显示
    if (filtered > 15.0f) TriggerAlarm(); // 基于滤波后值判断
}

✅ 关键设计说明：

• 使用循环缓冲区，内存零增长；
• 启动阶段自动累积，避免初始输出为0；
• 排序在临时数组进行，不影响实时采样；
• 支持动态N（n可变），适配启动/故障工况。

五、调试与验证：三步定位问题

部署后务必实测验证，按顺序排查：

1. 确认采样无误：
   用万用表直流档并联测量传感器输出，同步观察PLC变量监控窗口中的raw值。若二者趋势一致但raw有跳变，说明干扰真实存在；若raw平稳而filtered异常，则查代码逻辑。

2. 检查排序有效性：
   在调试模式下，将temp[]数组内容打印出来（如通过串口发送JSON）：
   {"temp":[4.98,5.01,5.00,12.5,5.02]} → 排序后应为[4.98,5.00,5.01,5.02,12.5] → 剔除得[5.00,5.01,5.02] → 输出5.01。
   若排序错误（如12.5未排到最后），检查比较逻辑是否用了>=导致稳定排序失效。

3. 验证输出延迟：
   给传感器施加一个阶跃信号（如快速拨动电位器），用示波器抓取raw与filtered波形。测量filtered上升沿比raw滞后几个采样点。若延迟超出N×T，检查是否重复调用Add()或Get()导致缓冲区错位。

六、进阶优化：应对特殊工况

场景1：N为偶数时的中位点选择

当N=8，剔除后剩6点，中位区间为第2~第7名。此时可：

• 保持原逻辑（剔除1个max+1个min），或
• 改为双中位值平均：排序后取x_{(3)}~x_{(6)}共4点求均（截去上下各25%），公式为：
  $$y = \frac{1}{4}\sum_{k=3}^{6} x_{(k)}$$
  适用于干扰密度更高的场合。

场景2：含多个相同极值

若数据为[2.0, 2.0, 5.0, 5.0, 5.0]（N=5），剔除1个2.0和1个5.0后剩[2.0, 5.0, 5.0]。此属正常行为——算法目标是消除异常离群点，而非统计众数。

场景3：与硬件滤波协同

在信号链前端增加RC低通（如1 kΩ + 100 nF → 截止频率≈160 kHz），可滤除高频噪声，降低中位值平均的计算负荷。软硬结合才是工业级方案。

七、典型应用案例：锅炉水位PID控制

某燃气锅炉PLC系统采用EJA110A差压变送器测水位，原始4–20 mA信号经AD转换后出现随机±10%跳变。

• 问题：PID控制器因输入突变频繁大幅调节给水阀，导致水位震荡加剧；
• 措施：在PID回路前插入N=5中位值平均滤波；
• 效果：
  • 尖峰出现率从每分钟23次降至0次；
  • 水位波动带从±15 mm收窄至±3 mm；
  • 给水阀动作频次下降68%，机械寿命延长；
• 关键点：滤波必须置于AD采样后、PID计算前，不可放在PID输出端（会恶化系统动态响应）。

八、避坑指南：工程师踩过的5个致命错误

1. ❌ 在排序时修改原始缓冲区：导致后续采样覆盖错位。必须复制到临时数组操作。
2. ❌ N设为偶数却未处理边界：N=4时剔除后仅2点，若其中1点仍为尖峰，滤波失效。务必保证N−2 ≥ 3。
3. ❌ 用浮点数做数组索引：如temp[i]中i为float，引发未定义行为。
4. ❌ 忽略启动过程：首次调用Get()时缓冲区为空，未判空直接计算会返回垃圾值。
5. ❌ 滤波后值参与报警阈值计算却不更新阈值：例如原阈值按未滤波信号设定，滤波后幅值压缩，导致误报。应按滤波后信号范围重设阈值。

九、性能实测数据（STM32F103C8T6 @ 72 MHz）

结论：在常规工业控制场景（≤1 kHz采样），该算法无性能瓶颈。

十、总结：一句话落地准则

对所有模拟量输入通道，在AD采样后立即调用中位值平均滤波（N=5），剔除首尾极值后求均，无需额外硬件、不增加布线复杂度，即可让90%以上的尖峰干扰彻底消失。