这里提到的滑动平均滤波算法对于实时采样的一些单片机，传感器之类的，要对实时动态获取的所有值做一个求平均的运算，当然这里所说的实时数据的平均值要有一个步长（比如说最近20次最新取值算平均）。如果取N个采样值求平均，存储区中必须开辟N个数据的暂存区。每新采集一个数据便存入暂存区中，同时去掉一个最老数据，保存这N个数据始终是最新更新的数据。采用环型队列结构可以方便地实现这种数据存放方式。

两个循环遍历两个判断清空

程序代码如下：
char value_buff[N];                     //N相当于选定一个窗口大小，对窗口数据做平均！
char i=0;
char filter()
{
     char count;
     int sum=0;
     value_buff[i++]=get_data;  //get_data为实时获取的数据
     if(i==N)
         i=0;              //当数据大于数组长度，替换数据组的一个数据  相当于环形队列更新，先进先出！
if(count==5)sum=0;        //注意清空和
for(count=0;count<N;count++)
       sum+=value_buff[count];
return (char)(sum/N);
}

$list =数据$num = 拆分的列数

    public function chunk($list, $num)
    {
        $temp = [];
        //判断数组
        if (!is_array($list)) {
            return false;
        }
        //判断数量是否小于列数   小于 直接返回第一列
        if (count($list) < $num) {
            return $temp[] = $list;
        }
        //向上取整
        $argv = ceil(count($list) / $num);
        //循环切片
        for ($i = 1; $i <= $num; $i++) {
            $temp[$i] = array_slice($list, $argv * ($i - 1), $argv);
        }
        return $temp;
    }

原文链接：http://www.itdoy.com/index.php/post/22.html

头文件：itdoy_FilterData.h

C

#ifndef __ITDOY_FILTERDATA_H__
#define __ITDOY_FILTERDATA_H__

#define FilterDataNumber 5
#define RecurrenceNumber 10

typedef struct
{
  float Data[FilterDataNumber];
  float LastResult;
  float RecurrenceData[RecurrenceNumber];
  float RecurrenceState;
  float Result;
}FilterData_Struct;

extern void itdoy_FilterData(FilterData_Struct * filter_data);//组合实现：去除极限平均值+加权+递归平均数据滤波

#endif

源文件：itdoy_FilterData.c

C

#include "itdoy_FilterData.h"

float RemoveLimitAverage(FilterData_Struct * filter_data)//去除极限值并求平均值
{
	int i = 0;
	float max_data = 0;
	float min_data = 0;
	float sum = 0;
	float average = 0;
	max_data = filter_data->Data[0];
	min_data = filter_data->Data[0];
	for(i = 0; i < FilterDataNumber; i++)
	{
		if(filter_data->Data[i] > max_data) max_data = filter_data->Data[i];
		else if(filter_data->Data[i] < min_data) min_data = filter_data->Data[i];
		sum = sum + filter_data->Data[i];
	}
	sum = sum - max_data - min_data;
	average = sum / (FilterDataNumber - 2);
	return average;
}

float AddWeight(FilterData_Struct * filter_data)//依据变化幅度进行加权
{
	float temp = 0;
	float weight = 0;
	float weight_data = 0;
	temp = RemoveLimitAverage(filter_data);
	if(temp > filter_data->LastResult)
	{
		weight = (temp - filter_data->LastResult) / filter_data->LastResult;
	}
	else
	{
		weight = (filter_data->LastResult - temp) / filter_data->LastResult;
	}
	weight_data = weight * temp;
	return weight_data;
}

float RecurrenceAverage(FilterData_Struct * filter_data)//对数据进行递归平均
{
	int i =0;
	float sum = 0;
	float average = 0;
	if(RecurrenceState < (RecurrenceNumber - 1))
	{
		RecurrenceState++;
	}
	else
	{
		RecurrenceState = 0;
	}
	filter_data->RecurrenceData[RecurrenceState] = AddWeight(filter_data);
	for(i = 0; i < RecurrenceNumber; i++)
	{
		sum = sum + filter_data->RecurrenceData[i];
	}
	average = sum / RecurrenceNumber;
	return average;
}

void itdoy_FilterData(FilterData_Struct * filter_data)//组合实现：去除极限平均值+加权+递归平均数据滤波
{
	RecurrenceAverage(filter_data);
}