如何用DELPHI编程实现键盘模拟功能

如何用DELPHI编程实现键盘模拟功能

你去学MFC 吧，图形编程，相对比较简单，如果是使用编程语言的话，那没有其他的了，现在就两大类，要么是语言性质的，要么就是图形为主的，Java估计你也不想学

1.限幅滤波算法（程序判断滤波算法） 方法解析： 根据经验判断，确定两次采样允许的最大偏差值（设定为a），每次检测到新值时判断： 如果本次值与上次值之差<=a，则本次值有效， 如果本次值与上次值只差>a,则本次值无效，放弃本次值，用上次值代替本次值。 优点： 能有效克服因偶然因素引起的脉冲干扰 缺点： 无法抑制那种周期性的干扰，平滑度差 [cpp] view plain copy

#define a 10  

char value;  

char filter()  

{  

char  new_value;  

new_value = get_ad();  

if ( ( new_value - value > a ) || ( value - new_value > a )  

return value;  

return new_value;  

}   2.中位值滤波法 方法解析： 连续采样n次（n取奇数），把n次采样值按大小排列，取中间值为本次有效值 优点： 能有效克服因偶然因素引起的波动干扰，对温度，液位的变化缓慢的被测参数有良好的滤波效果 缺点： 对流量，速度等快速变化的参数不宜 [cpp] view plain copy

#define n  11  

char filter()  

{  

char value_buf[n];  

char count,i,j,temp;  

for ( count=0;count{  

value_buf[count] = get_ad();  

delay();  

}  

for (j=0;j{  

for (i=0;i{  

if ( value_buf[i]>value_buf[i+1] )  

{  

temp = value_buf[i];  

value_buf[i] = value_buf[i+1];   

value_buf[i+1] = temp;  

}  

}  

}  

return value_buf[(n-1)/2];  

}  

3.算术平均滤波方法解析： 连续取n个采样值进行平均运算，n值较大时：信号平滑度较高，但灵敏度较低 n值较小时：信号平滑度较低，但灵敏度较高。n值的选取：一般12左右。 优点： 适应于对一般具有随机干扰的信号进行滤波，这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动 缺点： 对于测量速度较慢或要求数据计算速度较快的实时控制并不适用，比较浪费ram [cpp] view plain copy

#define n 12  

char filter()  

{  

int  sum = 0;  

for ( count=0;count{  

sum + = get_ad();  

delay();  

}  

return (char)(sum/n);  

4.递推平均滤波（滑动平均滤波法）方法解析： 把连续取n个采样值看成一个队列，队列的长度固定为n，每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据（先进先出）。 把队列中的n个数据进行算术平均运算，就可获得新的滤波结果。n值的选取：一般12. 优点： 对周期性干扰有良好的抑制作用，平滑度高，适应于高频振荡的系统 缺点： 灵敏度低，对偶然出现的脉冲性干扰的抑制作用较差。不易消除由于脉冲干扰所引起打的采样值偏差，不适用于脉冲干扰比较严重的场合 浪费ram [cpp] view plain copy

#define n 12   

char value_buf[n];  

char i=0;  

char filter()  

{  

char count;  

int  sum=0;  

value_buf[i++] = get_ad();  

if ( i == n )   i = 0;  

for ( count=0;countsum = value_buf[count];  

return (char)(sum/n);  

}  

5.中位值平均滤波法（防脉冲干扰平均滤波法）方法解析： 相当于中位值滤波+算术平均滤波，连续采样n个数据，去掉一个最大值和一个最小值，然后计算n-2个数据的算术平均值。 n值的选取：3-14 优点：融合了两种滤波法的优点 对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差。 缺点： 测量速度较慢，和算法平均滤波一样，浪费ram。 [cpp] view plain copy

#define n 12  

char filter()  

{  

char count,i,j;  

char value_buf[n];  

int  sum=0,temp=0;  

for  (count=0;count{  

value_buf[count] = get_ad();  

delay();  

}  

for (j=0;j{  

for (i=0;i{  

if ( value_buf[i]>value_buf[i+1] )  

{  

temp = value_buf[i];  

value_buf[i] = value_buf[i+1];   

value_buf[i+1] = temp;  

}  

}  

}  

for(count=1;countsum += value[count];  

return (char)(sum/(n-2));  

}  

6一阶滞后滤波法方法解析： 取a=0-1 本次滤波结果=（1-a）*本次采样值+a*上次滤波结果 优点： 对周期性干扰具有良好的抑制作用，适用于波动频率较高的场合 缺点： 相位滞后，灵敏度低，滞后程度取决于a值的大小，不能消除滤波频率高于采样频率的1/2的干扰信号 [cpp] view plain copy

#define a 50  

char value;  

char filter()  

{  

char  new_value;  

new_value = get_ad();  

return (100-a)*value + a*new_value;   

}  

7.加权递推平均滤波法方法解析： 是对递推平均滤波法的改进，即不同时刻的数据加以不同的权 通常是，越接近现时刻的数据，权取得越大，给予新采样值的权系数越大，则灵敏度越高，但信号平滑度越低。 优点： 适用于有较大纯滞后时间常数的对象，和采样周期较短的系统 缺点: 对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号，不能迅速反应系统当前所受干扰的严重程度，滤波效果差。 [cpp] view plain copy

#define n 12  

char code coe[n] = {1,2,3,4,5,6,7,8,9,10,11,12};  

char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12;  

char filter()  

{  

char count;  

char value_buf[n];  

int  sum=0;  

for (count=0,count{  

value_buf[count] = get_ad();  

delay();  

}  

for (count=0,countsum += value_buf[count]*coe[count];  

return (char)(sum/sum_coe);  

}   8.消抖滤波法 方法解析： 设置一个滤波计数器，将每次采样值与当前有效值比较： 如果采样值＝当前有效值，则计数器清零，如果采样值<>当前有效值，则计数器+1，并判断计数器是否>=上限n(溢出)，如果计数器溢出,则将本次值替换当前有效值,并清计数器 优点： 对于变化缓慢的被测参数有较好的滤波效果,可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动。 缺点： 对于快速变化的参数不宜，如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统 [cpp] view plain copy

#define n 12  

char filter()  

{  

char count=0;  

char new_value;  

new_value = get_ad();  

while (value !=new_value);  

{  

count++;  

if (count>=n)   return new_value;  

delay();  

new_value = get_ad();  

}  

return value;      

}  

10.低通数字滤波解析： 低通滤波也称一阶滞后滤波,方法是第n次采样后滤波结果输出值是(1-a)乘第n次采样值加a乘上次滤波结果输出值。可见a<<1。 该方法适用于变化过程比较慢的参数的滤波的c程序函数如下: [cpp] view plain copy

float low_filter(float low_buf[])  

{  

float sample_value;  

float x=0.01;  

sample_value=(1_x)*low_buf[1]+x*low buf[0];  

retrun(sample_value);  

}