现实中的物理量都是连续的模拟量，其变化需要一定时间，且在短时间内的变化量有一个合理的限度。例如气温，短时间内前后两个采样值的差值必定有个最大范围，基于这个条件可以对其中明显受到干扰的无效值进行剔除。本次的无效采样值排除后，再根据前面数据的变化趋势，预测一个合理的数据替代本次的问题值，而不是直接使用上次的结果。
1、 什么样的采样值为无效值 根据物理量的检测范围，和在采样间隔内最大的变化可能来定义，如气温检测，可定义温度在正负50度之间，如果采样间隔是1分钟，那气温在1分钟内最多变化5度。实际应用需要根据使用场景来确定，范围越小对异常值的判断排除越准确。
2、 如何根据趋势预测合理值 还是以气温为例，连续3次采样结果分别是t1,t2,t3,假设温度在短时间内的变化趋势相同，t2-t1=t3-t2，转换后得出t3=2*t2-t1，即在合适的范围内，可以根据前面2个历史值预测出当前采样值。采样间隔越小预测值越准确，在采样频率很小的情况下，结果可能存在一定误差。
确定了原理，那算法就可以出来了。
//设定温度变化范围和最大变化趋势 #define SAMPLE_MIX -50 #define SAMPLE_MAX 50 #define DIFF_MAX 5 int history[2];//历史值，其中history[1]为最近的记录 int filter(void) { int current; int valid=1; current=read_sample();//更新采样值 if((current-history[1]>DIFF_MAX)||(history[1]-current>DIFF_MAX)) { valid=0; } if((current<SAMPLE_MIX)||(current>SAMPLE_MAX)) { valid=0; } if(valid==0)//表示本次采样值无效 { current=2*history[1]-history[0]; if(current<SAMPLE_MIX) { current=SAMPLE_MIX; } else if(current>SAMPLE_MAX) { current=SAMPLE_MAX; } } history[0]=history[1]; history[1]=current; return current; }缺点：只能过滤偶发的异常数据。
