软件滤波是一种通过软件算法来识别和滤除信号中的干扰成分，从而提取有用信息的方法。以下是一些常用的软件滤波方法及其实现：
限幅滤波法
方法：根据经验判断，确定两次采样允许的最大偏差值（设为A），每次检测到新值时判断：如果本次值与上次值之差大于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：无法抑制周期性干扰，平滑度差。
示例代码：
```c
define A 10
uchar Value； // 上次采样有效值
uchar AmplitudeLimiterFilter（） {
uchar NewValue, ReturnValue；
NewValue = GetAD（）； // 本次采样值
if （（（NewValue - Value） > A） || （（Value - NewValue） > A）） {
ReturnValue = Value；
} else {
ReturnValue = NewValue；
}
return ReturnValue；
}
```
中位值滤波法
方法：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。
示例代码：
```c
define N 9
uchar MiddleValueFilter（） {
uchar i, j, k；
uchar temp；
uchar ArrDataBuffer[N]；
for （i = 0； i < N - 1； i++） {
// 采样值由小到大排列
for （j = i + 1； j < N； j++） {
if （ArrDataBuffer[j] < temp） {
temp = ArrDataBuffer[j]；
}
}
ArrDataBuffer[i] = temp；
}
return ArrDataBuffer[N / 2]；
}
```
算术平均滤波法
方法：连续取N个采样值进行算术平均运算。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。
优点：适用于对一般具有随机干扰的信号进行滤波。
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不适用，比较浪费RAM。
示例代码：
```c
define N 12
float moving_average_filter（float *buffer, int *index, float new_value） {
buffer[*index] = new_value；
*index = （*index + 1） % N；
float sum = 0.0；
for （int i = 0； i < N； i++） {
sum += buffer[i]；
}
return sum / N；
}
```
递推平均滤波法
方法：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，然后对队列中的N个数据进行算术平均运算。
优点：对周期性干扰有良好的抑制作用，平滑度高，适用于高频振荡的系统。
缺点：灵敏度低，对偶然出现的脉冲性干扰的抑制作用较差。
示例代码：
```c
define N 12
float recursive_average_filter（float *buffer, int *index） {
buffer[*index] = /* 新采样值 */；
*index = （*index + 1） % N；
float sum = 0.0；
for （int i = 0； i < N； i++） {
sum += buffer[i]；
}
return sum / N；
}
```
中位值平均滤波法
方法：相当于中位值滤波法+算术平均滤波法，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。
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