一、在传感器使用中，我们常常需要对传感器数据进行各种整理，让应用获得更好的效果，以下介绍几种常用的简单处理方法：3 q" v" C: `4 M- |9 z* h# q& Q ; "Gy5
9 n0 V6 k" Y/ {3 y& i4 t4 u8 n cQt&%SVT]E
7 N* c/ F9 a4 b4 A X+ H3 T* ~ o^2MfFS
1.加权平滑：平滑和均衡传感器数据，减小偶然数据突变的影响；- _& V7 J% @4 R jyIIE7.I"
2.抽取突变：去除静态和缓慢变化的数据背景，强调瞬间变化；! |) V; M' @/ e+ Y0 t. Y {`SMxDevc}
3.简单移动平均线：保留数据流最近的K个数据，取平均值；0 N5 U& M4 K, I1 `0 l LH4#p%Pb%
$ k8 \; F4 ~1 F7 W" K ?]D &D:Z?I
-b^dK)wR~
二、加权平滑 ly`
A,dh
使用算法如下： ;VKWY
（新值） = （旧值）*（1 - a） + X * a1 \- ]/ |3 S- p9 K [Kc ?<3 W
其中a为设置的权值，X为最新数据，程序实现如下： 9 o,` peH
float ALPHA = 0.1f; Ds(Z.
public void onSensorChanged(SensorEvent event){ I;'{X_9$a
x = event.values[0]; ?P +Uv
y = event.values[1];2 a" a1 m7 ^+ O/ R) `4 B <w^u^)iLy1
z = event.values[2]; %mmV#vwp
mLowPassX = lowPass(x,mLowPassX);0 K9 @ L. a$ L. G) s) ^( R ]?(kaNQ "D
mLowPassY = lowPass(x,mLowPassY); +45SK u=
mLowPassZ = lowPass(x,mLowPassZ); rB ". !b
} flPS+
private float lowPass(float current,float last){$ n' ~% G% N( w. u# p! D , ]1f)>
return last * (1.0f - ALPHA) + current * ALPHA; lW| =rq-|
}) ]3 m6 L6 A0 F8 j" p
iKo2bC:.&
4E.9CjN1>
Xsa8YP9
三、抽取突变7 J5 r9 ?# C3 r' q *90dkJZ.
采用上面加权平滑的逆算法。 l[i4\ CT
. X% C+ g. `" o4 W; i" V 0~U%c sPHt
实现代码如下：" r; y( \( D$ M6 ~* w8 J. V W2X`%Tx0
public void onSensorChanged(SensorEvent event){8 `. D) u+ @- k2 Q& l' _6 w, J ~b]enG5xS4
final float ALPHA = 0.8;: I$ e$ D, K" k- `4 q 6,YoP|@0
gravity[0] = ALPHA * gravity[0] + (1-ALPHA) * event.values[0]; \Vx^u }3O
gravity[1] = ALPHA * gravity[1] + (1-ALPHA) * event.values[1];! ~' ^, b. o! x8 u9 \5 m! \ ;w . la
gravity[2] = ALPHA * gravity[2] + (1-ALPHA) * event.values[2]; =. 8n K
y
filteredValues[0] = event.values[0] - gravity[0]; f%EHzm/V
filteredValues[1] = event.values[1] - gravity[1]; Chnt)N`/B4
filteredValues[2] = event.values[2] - gravity[2]; I^A>YJW
} .Qrpz ^wdt
]|!| 3lQ
TXi|
四、简单移动平均线 -&
(iU#W
保留传感器数据流中最近的K个数据，返回它们的平均值。k表示平均“窗口”的大小；8 W$ l2 i+ @, V8 O ^! g 2J t{oh |
3 R8 d9 c V0 z$ Y. T% ` EY"of[p
实现代码如下：4 x: \8 C3 |9 E& F2 o" m0 k( D2 v H Y5R
public class MovingAverage{ iHNQxLkk{:
private float circularBuffer[]; //保存传感器最近的K个数据# E6 i& b1 m, Y. K! l &V*MNi,4Z
private float avg; //返回到传感器平均值 FUL3@Gb$UV
private float sum; //数值中传感器数据的和9 D, n6 y7 }/ J S'HA]
private float circularIndex; //传感器数据数组节点位置 t,De/ L
private int count; lU!_V%n
public MovingAverage(int k){- l' ]6 f- [5 r# C" e1 \( x' q M#4;y,n<k
circularBuffer = new float[k];$ y2 ]( z8 Z: [ a( ~# b8 ~( A 2z
!05]B%
count= 0; 3}\ z&|
circularIndex = 0; goiI* " 6M
avg = 0; !$l<'K$
sum = 0;+ T, {( v4 g, t/ q% T U1 H, R& I; ^. o !T<,fR+8X
} L[2N zw O
public float getValue(){& R9 |; d2 x% Y1 L$ S Fb1<Ic#
return arg; (!fx5&F
}2 n& X' X4 r, W8 G5 G2 E
a k5D
public long getCount(){5 _* @) \ M0 r; c2 v3 ] {v 'eP[
return count;; }, E+ k4 n% p" ^ -KC@M
} nZi&`HjQ
private void primeBuffer(float val){ Z o cuc"j
for(int i=0;i<circularbuffer.length;++i){ *e [*
circularBuffer = val;$ G k: m% _& k $ H+X'1
sum += val; e^ N~)Nlj
} `5- ;' nX
} b * \
oQ
private int nextIndex(int curIndex){ !B Pm{_C
if(curIndex + 1 >= circularBuffer.length){! K3 }, K9 V# D1 G; M* I( k1 ~ C _he= SV
return 0;! ~( f$ W6 ^0 x3 R8 G% K =b*GV6b
}+ A4 d5 i7 S2 C$ }0 ~. X) T/ X6 J r rfJs
return curIndex + 1; Mw,]Pt6 ~i
}0 n+ N! w6 i/ h+ \ "Q+wO+}6
public void pushValue(float x){- S) n2 B2 s2 R7 i5 o: r# M2 v V/xXW=
if(0 == count++){ ]* zG*.C
primeBuffer(x);% X9 ]& }& ?/ }( |! J0 Z3 z6 q F_:W u,dUZ
}/ k; D- m& B4 F6 h7 o' `' f) u 90uXJyW;d
float lastValue = circularBuffer[circularIndex]; Sydl[c pH$
circularBuffer[circularIndex] = x; //更新窗口中传感器数据 .X3n9]
sum -= lastValue; //更新窗口中传感器数据和& j. U0 B" c' g .$p eq
sum += x;% B6 l9 q& S% L \( L3 O- X axmq/8X
avg = sum / circularBuffer.length; //计算得传感器平均值* s6 d9 v) ]5 ?3 L Z{vc6oj
circularIndex = nextIndex(circularIndex); Q^va +O
}- h% h+ p+ O: X# F1 y o% i* n YSxr(\~j
}
