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 X: QRy9]
9 n0 V6 k" Y/ {3 y& i4 t4 u8 n
4G j
7 N* c/ F9 a4 b4 A X+ H3 T* ~ 2F/oWt|w?
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 QvlVjDIy
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 :b,An'H
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 E=ObfN"ge
$ k8 \; F4 ~1 F7 W" K (bD#PQXzm
<Kk?BRxi
二、加权平滑 NZ%v{?
使用算法如下: &pHXSU
(新值) = (旧值)*(1 - a) + X * a1 \- ]/ |3 S- p9 K l=<},_]{
其中a为设置的权值,X为最新数据,程序实现如下: Tzfk_h3hE
float ALPHA = 0.1f; .qCI!%fg
public void onSensorChanged(SensorEvent event){ ~NIqO4 D
x = event.values[0]; af&P;#U
y = event.values[1];2 a" a1 m7 ^+ O/ R) `4 B <=%G%V_s
z = event.values[2]; WdbHT|.Aj
mLowPassX = lowPass(x,mLowPassX);0 K9 @ L. a$ L. G) s) ^( R
k|cP]p4,
mLowPassY = lowPass(x,mLowPassY); lN*"?%<x>
mLowPassZ = lowPass(x,mLowPassZ); )4n]n:FjN
} Mz;KXP
private float lowPass(float current,float last){$ n' ~% G% N( w. u# p! D l7(p~+o?h>
return last * (1.0f - ALPHA) + current * ALPHA; ,E2c9V'
}) ]3 m6 L6 A0 F8 j" p e4;h*IQK
w]US-7
%z-n2%
三、抽取突变7 J5 r9 ?# C3 r' q !4$-.L)#
采用上面加权平滑的逆算法。 '^tC |)
. X% C+ g. `" o4 W; i" V }s.\B
实现代码如下:" r; y( \( D$ M6 ~* w8 J. V <WL] (-9I:
public void onSensorChanged(SensorEvent event){8 `. D) u+ @- k2 Q& l' _6 w, J u|(Iu}sE=
final float ALPHA = 0.8;: I$ e$ D, K" k- `4 q l=47#zbpZ]
gravity[0] = ALPHA * gravity[0] + (1-ALPHA) * event.values[0]; b[MKo7
gravity[1] = ALPHA * gravity[1] + (1-ALPHA) * event.values[1];! ~' ^, b. o! x8 u9 \5 m! \ -'Z-8
gravity[2] = ALPHA * gravity[2] + (1-ALPHA) * event.values[2]; K~~LJU3
filteredValues[0] = event.values[0] - gravity[0]; d,o|>e$
filteredValues[1] = event.values[1] - gravity[1]; !)(To
filteredValues[2] = event.values[2] - gravity[2]; e/$M6l$Q*4
} fdgjTX
:e\M~n+y
tZ:fh p
四、简单移动平均线 BfQ#5
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 Q;kl-upn~8
3 R8 d9 c V0 z$ Y. T% ` AA}+37@2I
实现代码如下:4 x: \8 C3 |9 E& F2 o" m0 k( D2 v G'Uq595'-
public class MovingAverage{ /1.gv~`+
private float circularBuffer[]; //保存传感器最近的K个数据# E6 i& b1 m, Y. K! l ^CB@4$!
private float avg; //返回到传感器平均值 J,k.*t:
private float sum; //数值中传感器数据的和9 D, n6 y7 }/ J 6ciA|J'MR
private float circularIndex; //传感器数据数组节点位置 \psO$TxF=
private int count; 2]H?q!l!O
public MovingAverage(int k){- l' ]6 f- [5 r# C" e1 \( x' q peVzF'F
circularBuffer = new float[k];$ y2 ]( z8 Z: [ a( ~# b8 ~( A y4Nam87;/?
count= 0; Kp6%=JjO
circularIndex = 0; %/R[cj8
avg = 0; 8cj}9}k
sum = 0;+ T, {( v4 g, t/ q% T U1 H, R& I; ^. o avUdvV-
} |Rb8/WX
public float getValue(){& R9 |; d2 x% Y1 L$ S x/%/MFK)>8
return arg; cd4HbSp
}2 n& X' X4 r, W8 G5 G2 E %
xBQX
public long getCount(){5 _* @) \ M0 r; c2 v3 ] 5E2T*EXSh
return count;; }, E+ k4 n% p" ^ MgHO WoF
} TU9$5l/;g
private void primeBuffer(float val){ z/i&Lpr:
for(int i=0;i<circularbuffer.length;++i){ gY_AO1
circularBuffer = val;$ G k: m% _& k `(~oZbErM
sum += val; }jYVB|2
} \_/dfmlIZ
} _"82W^W i
private int nextIndex(int curIndex){ jr^btVOI#\
if(curIndex + 1 >= circularBuffer.length){! K3 }, K9 V# D1 G; M* I( k1 ~ !)FKF7'
return 0;! ~( f$ W6 ^0 x3 R8 G% K xxpzz(S ]A
}+ A4 d5 i7 S2 C$ }0 ~. X) T/ X6 J 'Kd-A:K2g
return curIndex + 1; }q:4Zh'l!
}0 n+ N! w6 i/ h+ \ P#AS")Sj
public void pushValue(float x){- S) n2 B2 s2 R7 i5 o: r# M2 v i \@a&tw
if(0 == count++){ JY$;m3h
primeBuffer(x);% X9 ]& }& ?/ }( |! J0 Z3 z6 q D`)K3;h
}/ k; D- m& B4 F6 h7 o' `' f) u P@U2Q%\
float lastValue = circularBuffer[circularIndex]; *Q;?p
hr
circularBuffer[circularIndex] = x; //更新窗口中传感器数据 m|PJwd6
sum -= lastValue; //更新窗口中传感器数据和& j. U0 B" c' g Xkf|^-n
sum += x;% B6 l9 q& S% L \( L3 O- X ubl)$jZ:Q
avg = sum / circularBuffer.length; //计算得传感器平均值* s6 d9 v) ]5 ?3 L KR>o 2
circularIndex = nextIndex(circularIndex); MK <\:g
}- h% h+ p+ O: X# F1 y o% i* n "fu@2y4^
}