采用数字滤波算法克服随机干扰的误差具有以下优点：
a.数字滤波无需其他的硬件成本，只用一个计算过程，可靠性高，不存在阻抗匹配问题。尤其是数字滤波可以对频率很低的信号进行滤波，这是模拟滤波器做不到的。
b.数字滤波使用软件算法实现，多输入通道可共用一个滤波程序，降低系统开支。
c.只要适当改变滤波器的滤波程序或运算，就能方便地改变其滤波特性，这对于滤除低频干扰和随机信号会有较大的效果。
d.在单片机系统中常用的滤波算法有限幅滤波法、中值滤波法、算术平均滤波法、加权平均滤波法、滑动平均滤波等。
1.限幅滤波算法（程序判断滤波算法）
方法解析：
根据经验判断，确定两次采样允许的最大偏差值（设定为A），每次检测到新值时判断：
如果本次值与上次值之差<=A，则本次值有效，
如果本次值与上次值之差>A,则本次值无效，放弃本次值，用上次值代替本次值。
优点：
能有效克服因偶然因素引起的脉冲干扰。
缺点：
无法抑制那种周期性的干扰，平滑度差。
#define A 10 //允许的最大差值
unsigend short value; //上一次数据
unsigend short filter(void)
{
unsigend short new_value;
new_value = get_ad();//获取新数据
if((new_value - value > A) || (value - new_value > A)
return value;
return new_value;
}2.中位值滤波法
方法解析：
连续采样N次(N取奇数)，把N次采样值按大小排列，取中间值为本次有效值。
优点：
能有效克服因偶然因素引起的波动干扰，对温度，液位的变化缓慢的被测参数有良好的滤波效果。
缺点：
对流量，速度等快速变化的参数不宜。
#define N 11 //定义获取的数据个数
unsigned short value_buf[N]; //定义存储数据的数组
unsigned short filter(void)
{
unsigned short count, i, j, temp;
for(count = 0; count < N; count++)
{
value_buf[count] = get_ad();
delay();//如果采集数据比较慢,则需要延时
}
for(j = 0; j < N - 1; j++)
{
for(i = 0; i < N - j; 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;
}
}
}
return value_buf[(N - 1) / 2];
}3.算术平均滤波
方法解析：
连续取N个采样值进行平均运算，N值较大时：信号平滑度较高，但灵敏度较低
N值较小时，信号平滑度较低，但灵敏度较高。N值的选取：一般2n左右，以便程序用移位做除法。
优点：
适应于对一般具有随机干扰的信号进行滤波，这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动。
缺点：
对于测量速度较慢或要求数据计算速度较快的实时控制并不适用，比较浪费RAM。
#define N 8 //获取的数据个数
unsigned short filter(void)
{
unsigned int sum = 0;
for(count = 0; count < N; count++)
{
sum + = get_ad();
delay();
}
return (unsigned short)(sum / N);
}4.滑动平均滤波法
方法解析：
把连续取N个采样值看成一个队列，队列的长度固定为N，每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据（先进先出）。
把队列中的N个数据进行算术平均运算，就可获得新的滤波结果。N值的选取：一般12。
优点：
对周期性干扰有良好的抑制作用，平滑度高，适应于高频振荡的系统。
缺点：
灵敏度低，对偶然出现的脉冲性干扰的抑制作用较差。不易消除由于脉冲干扰所引起打的采样值偏差，不适用于脉冲干扰比较严重的场合，浪费RAM。
#define N 12
unsigned short value_buf[N];
unsigned short i = 0;
unsigned short filter()
{
unsigned short count;
unsigned int sum=0;
value_buf[i++] = get_ad();
if(i == N) i = 0;
for(count = 0; count < N, count++)
sum = value_buf[count];
return (unsigned short )(sum / N);
}5.低通数字滤波
方法解析：
将普通硬件RC低通滤波器的微分方程用差分方程来表求，变可以采用软件算法来模拟硬件滤波的功能，经推导，低通滤波算法如下：
Yn=a* Xn+(1-a) *Yn-1
式中 Xn——本次采样值;
Yn-1——上次的滤波输出值;
a——滤波系数，其值通常远小于1;
Yn——本次滤波的输出值。由上式可以看出，本次滤波的输出值主要取决于上次滤波的输出值(注意不是上次的采样值，这和加权平均滤波是有本质区别的)，本次采样值对滤波输出的贡献是比较小的，但多少有些修正作用，这种算法便模拟了具体有教大惯性的低通滤波器功能。滤波算法的截止频率可用以下式计算：
fL=a/2Pit pi为圆周率3.14…;
式中 a——滤波系数;
t——采样间隔时间;
例如：当t=0.5s(即每秒2次)，a=1/32时;
fL=(1/32)/(2*3.14*0.5)=0.01Hz;当目标参数为变化很慢的物理量时，这是很有效的。另外一方面，它不能滤除高于1/2采样频率的干搅信号，本例中采样频率为2Hz，故对1Hz以上的干搅信号应采用其他方式滤除，
#define a 0.01 //滤波系数a（0-1）
float value; //滤波后的值
float new_value; //新的采样值
float filter()
{
float new_value;
new_value = get_ad();
return a * value + (1-a)*new_value;
}
