实现软件滤波算法的方法有多种，以下是一些常见的软件滤波算法及其实现步骤：

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DEVIATION_MAX）。每次检测到新值时，判断本次值与上次值之差是否超过DEVIATION_MAX，如果超过则返回上次值，否则返回新值。

优点：能有效克服因偶然因素引起的脉冲干扰。

缺点：无法抑制周期性的干扰，平滑度差。

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。将每次采样值与当前有效值比较，如果采样值等于当前有效值，则计数器清零。

优点：能有效克服因偶然因素引起的波动干扰，对温度、液位等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。

一阶滞后滤波法

方法：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值大小，不能消除滤波频率高于采样频率的1/2的干扰信号。

加权递推平均滤波法

方法：对递推平均滤波法进行改进，即不同时刻的数据加以不同的权。

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。

限幅消抖滤波法

方法：先限幅，后消抖。即先通过限幅滤波法去除脉冲干扰，再通过消抖滤波法去除噪声。

优点：继承了限幅和消抖的优点，改进了消抖滤波法中的某些缺陷，避免将干扰值导入系统。

缺点：对于快速变化的参数不宜。

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。

递推平均滤波法（滑动平均滤波法）

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。

优点：信号平滑度较高，适用于实时控制等场合。

缺点：对于快速变化的参数不宜。

这些滤波算法各有优缺点，选择合适的滤波算法需要根据实际应用场景和需求来决定。例如，对于快速变化的参数，中位值滤波法和算术平均滤波法可能更合适；而对于周期性干扰较多的场合，一阶滞后滤波法和限幅消抖滤波法则更为有效。