几种常见的 A/D 转换算法示例代码，涵盖简单的加权平均法和中值滤波法

以下为你提供几种常见的 A/D 转换算法示例代码，涵盖简单的加权平均法和中值滤波法。

1. 加权平均法

加权平均法会依据不同权重对多次采样值进行加权平均，从而得到最终的 A/D 转换结果。该方法能有效减少随机噪声的影响。

# 模拟 A/D 转换的加权平均法
def weighted_average_adc(samples, weights):
    if len(samples) != len(weights):
        raise ValueError("样本数量和权重数量必须相同")
    total = 0
    weight_sum = 0
    for i in range(len(samples)):
        total += samples[i] * weights[i]
        weight_sum += weights[i]
    return total / weight_sum

# 示例使用
samples = [102, 105, 103, 104, 106]
weights = [0.1, 0.2, 0.3, 0.2, 0.2]
result = weighted_average_adc(samples, weights)
print("加权平均法 A/D 转换结果:", result)

2. 中值滤波法

中值滤波法会对采样值进行排序，然后选取中间值作为 A/D 转换结果。此方法能有效去除脉冲噪声。

# 模拟 A/D 转换的中值滤波法
def median_filter_adc(samples):
    sorted_samples = sorted(samples)
    n = len(sorted_samples)
    if n % 2 == 1:
        return sorted_samples[n // 2]
    else:
        return (sorted_samples[n // 2 - 1] + sorted_samples[n // 2]) / 2

# 示例使用
samples = [102, 105, 103, 104, 106]
result = median_filter_adc(samples)
print("中值滤波法 A/D 转换结果:", result)

3. 移动平均法

移动平均法会对最近的多个采样值进行平均，以此得到最终的 A/D 转换结果。该方法能够平滑数据，降低噪声的影响。

# 模拟 A/D 转换的移动平均法
def moving_average_adc(samples, window_size):
    if len(samples) < window_size:
        raise ValueError("样本数量必须大于窗口大小")
    results = []
    for i in range(len(samples) - window_size + 1):
        window = samples[i:i + window_size]
        average = sum(window) / window_size
        results.append(average)
    return results

# 示例使用
samples = [102, 105, 103, 104, 106, 108, 107]
window_size = 3
results = moving_average_adc(samples, window_size)
print("移动平均法 A/D 转换结果:", results)

这些代码均为模拟 A/D 转换算法，在实际应用中，你需要依据具体的硬件平台和 A/D 转换器型号来进行适配。