TMS320F280049C 学习笔记26 求PFC交流电压有效值 EMAVG_MACRO 指数移动平均值

r囧r小猫 2023-02-24 08:27 23阅读 0赞

继续研究TI的例程，在求PFC交流电压有效值的时候突然看见了一段代码，感觉比较犀利

#define EMAVG_MACRO(in, out, multiplier) out = ((in - out)*multiplier) + out;

有点像自己一直用的低通滤波器，这次终于找到了数学原理。  
用这个方法求交流有效值的优势在于，仅需要多存一个历史变量，而不需要开辟很多数组。同时，求出的有效值不受电网频率的影响。

对于其在DSP的应用，\[6\]中的139-140页有较详细的描述：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA_size_16_color_FFFFFF_t_70_pic_center]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA_size_16_color_FFFFFF_t_70_pic_center 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA_size_16_color_FFFFFF_t_70_pic_center 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA_size_16_color_FFFFFF_t_70_pic_center 3]

# 滤波器设计参考代码 #

贴一个最近写的滤波器设计代码，未验证

f=1e3;  // 截止频率1kHz
    Ts=1e-5; // 10kHz的采样率
    
    tao=1/(2*pi*f);
    K2=tao/(tao+Ts);
    K3=Ts/(tao+Ts);
    y=K3*x+K2*y;

# 参考文献 #

1.  [Digital Library][]
2.  [指数移动平均值（exponential moving average）常用于平滑曲线][exponential moving average]
3.  [EMA （指数移动平均值）][EMA]
4.  [Tensorflow滑动平均模型tf.train.ExponentialMovingAverage解析][Tensorflow_tf.train.ExponentialMovingAverage]
5.  [Tensorflow中ExponentialMovingAverage的原理及用法][Tensorflow_ExponentialMovingAverage]
6.  安装ControlSUITE后在目录C:\\ti\\controlSUITE\\libs\\app\_libs\\solar\\v1.2可以找到C28x Solar Library的帮助文档

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA_size_16_color_FFFFFF_t_70_pic_center]: /images/20230209/b44fce00bfec418baf4632ad375edf69.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230209/b06d270da6d444fba2629b5bcade2a98.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20201124200454593.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20201124200512348.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3doeW9yd2hudA==,size_16,color_FFFFFF,t_70#pic_center
[Digital Library]: https://e2e.ti.com/support/microcontrollers/c2000/f/171/t/325577?Digital-Library
[exponential moving average]: https://blog.csdn.net/Rex_WUST/article/details/85003743
[EMA]: https://baike.baidu.com/item/EMA/12646151
[Tensorflow_tf.train.ExponentialMovingAverage]: https://www.cnblogs.com/cloud-ken/p/7521609.html
[Tensorflow_ExponentialMovingAverage]: https://blog.csdn.net/kuweicai/article/details/80517284