传感器常用算法

liuchengye · 发表于 2023-5-27 10:25:28

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区

您需要登录才可以下载或查看，没有账号？立即注册

×

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

9 n0 V6 k" Y/ {3 y& i4 t4 u8 n

7 N* c/ F9 a4 b4 A X+ H3 T* ~

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

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

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

$ k8 \; F4 ~1 F7 W" K

二、加权平滑

使用算法如下：

（新值） = （旧值）*（1 - a） + X * a

1 \- ]/

3 S- p9 K

其中a为设置的权值，X为最新数据，程序实现如下：

float ALPHA = 0.1f;

public void onSensorChanged(SensorEvent event){

x = event.values[0];

y = event.values[1];

2 a" a1 m7 ^+ O/ R) `4 B

z = event.values[2];

mLowPassX = lowPass(x,mLowPassX);

0 K9 @ L. a$ L. G) s) ^( R

mLowPassY = lowPass(x,mLowPassY);

mLowPassZ = lowPass(x,mLowPassZ);

}

private float lowPass(float current,float last){

$ n' ~% G% N( w. u# p! D

return last * (1.0f - ALPHA) + current * ALPHA;

}

) ]3 m6 L6 A0 F8 j" p

三、抽取突变

7 J5 r9 ?# C3 r' q

采用上面加权平滑的逆算法。

. X% C+ g. `" o4 W; i" V

实现代码如下：

" r; y( \( D$ M6 ~* w8 J. V

public void onSensorChanged(SensorEvent event){

8 `. D) u+ @- k2 Q& l' _6 w, J

final float ALPHA = 0.8;

: I$ e$ D, K" k- `4 q

gravity[0] = ALPHA * gravity[0] + (1-ALPHA) * event.values[0];

gravity[1] = ALPHA * gravity[1] + (1-ALPHA) * event.values[1];

! ~' ^, b. o! x8 u9 \5 m! \

gravity[2] = ALPHA * gravity[2] + (1-ALPHA) * event.values[2];

filteredValues[0] = event.values[0] - gravity[0];

filteredValues[1] = event.values[1] - gravity[1];

filteredValues[2] = event.values[2] - gravity[2];

}

四、简单移动平均线

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

3 R8 d9 c V0 z$ Y. T% `

实现代码如下：

4 x: \8 C3

9 E& F2 o" m0 k( D2 v

public class MovingAverage{

private float circularBuffer[]; //保存传感器最近的K个数据

# E6 i& b1 m, Y. K! l

private float avg; //返回到传感器平均值

private float sum; //数值中传感器数据的和

9 D, n6 y7 }/ J

private float circularIndex; //传感器数据数组节点位置

private int count;

public MovingAverage(int k){

- l' ]6 f- [5 r# C" e1 \( x' q

circularBuffer = new float[k];

$ y2 ]( z8 Z: [ a( ~# b8 ~( A

count= 0;

circularIndex = 0;

avg = 0;

sum = 0;

+ T, {( v4 g, t/ q% T U1 H, R& I; ^. o

}

public float getValue(){

& R9	; d2 x% Y1 L$ S

return arg;

}

2 n& X' X4 r, W8 G5 G2 E

public long getCount(){

5 _* @) \ M0 r; c2 v3 ]

return count;

; }, E+ k4 n% p" ^

}

private void primeBuffer(float val){

for(int i=0;i<circularbuffer.length;++i){

circularBuffer

= val;$ G  k: m% _& k
sum += val;
}
}
private int nextIndex(int curIndex){
if(curIndex + 1 >= circularBuffer.length){! K3 }, K9 V# D1 G; M* I( k1 ~
return 0;! ~( f$ W6 ^0 x3 R8 G% K
}+ A4 d5 i7 S2 C$ }0 ~. X) T/ X6 J
return curIndex + 1;
}0 n+ N! w6 i/ h+ \
public void pushValue(float x){- S) n2 B2 s2 R7 i5 o: r# M2 v
if(0 == count++){
primeBuffer(x);% X9 ]& }& ?/ }( |! J0 Z3 z6 q
}/ k; D- m& B4 F6 h7 o' `' f) u
float lastValue = circularBuffer[circularIndex];
circularBuffer[circularIndex] = x; //更新窗口中传感器数据
sum -= lastValue; //更新窗口中传感器数据和& j. U0 B" c' g
sum += x;% B6 l9 q& S% L  \( L3 O- X
avg = sum / circularBuffer.length; //计算得传感器平均值* s6 d9 v) ]5 ?3 L
circularIndex = nextIndex(circularIndex);
}- h% h+ p+ O: X# F1 y  o% i* n
}