滑动平均滤波算法

  算数平均滤波需要多次采样后才能得出一个有效值，如果被检测量变化较快，多次采样后才输出一次有效值，表现就是系统反应迟钝。将当前采样值与之前连续的历史采样值进行平均，这样每次采样结束即可得出有效值。因为参与计算的历史值个数固定且内容不断前移覆盖更新，类似滑动的数据块窗口，因此成为滑动平均滤波算法。
  假如采样6次，每次使用最近5个历史值与当前最新值求算数平均值，输出一个有效值；下次采样时再覆盖最早时间的点做同样操作。类似环形数组，求最近6个值的平均值。
  滑动平均滤波，输出的结果与先前历史记录有关，假如故意突然改变物理量，需要几个采样周期，输出结果才逐渐接近真实值，实际一般情况下，越新的数据权重越大，历史记录权重应该减少，对滑动窗口中的数据分配不同的加权系数，进行加权平均值。

#define SUM_WIN_SIZE  6

int history[SUM_WIN_SIZE];//历史值，其中history[SUM_WIN_SIZE-1]为最近的记录

int buff_init=0;//前SUM_WIN_SIZE-1次填充后才能开始输出
int index=0;//环形数组可放数据的位置

int factor[SUM_WIN_SIZE]={1,2,3,4,5,6};//加权系数
int K=21;//1+2+3+4+5+6

int filter(int current)
{
    int i,j;
    int sum=0;

    if(buff_init==0)
    {
        history[index]=current;
        index++;
        if(index>=(SUM_WIN_SIZE-1))
        {
            buff_init=1;//index有效范围是0-5，前面放到5，下一个就可以输出
        }
        return 0xFFFF;//当前无法输出，做个特殊标记区分
    }
    else
    {
        history[index]=current;
        index++;
        if(index>=SUM_WIN_SIZE)
        {
            index=0;//index有效最大5,下次再从0开始循环覆盖
        }

        j=index;
        for(i=0;i<SUM_WIN_SIZE;i++)
        {
            //注意i=0的值并不是最早的值
            sum+=history[j]*factor[i];//注意防止数据溢出
            j++;
            if(j==SUM_WIN_SIZE)
            {
                j=0;
            }
        }
        return sum/K;
    }
}