传感器常用算法

Ber_thaw99

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
% R& y" a5 W! o& b9 n0 V6 k" Y/ {3 y& i4 t4 u8 n
5 l/ |0 m9 y" }  L  ?- V. ~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
! L3 Z% ]/ T' d" w4 }. o  c2.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
4 w: y, j) K% S$ k8 \; F4 ~1 F7 W" K

! u. n3 D% e  p% Y4 M二、加权平滑
使用算法如下：
（新值） = （旧值）*（1 - a） + X * a1 \- ]/ |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
  x3 |) i* e$ f6 Dz = event.values[2];
mLowPassX = lowPass(x,mLowPassX);0 K9 @  L. a$ L. G) s) ^( R
0 s4 Q6 E7 G- b* C: o- AmLowPassY = lowPass(x,mLowPassY);
mLowPassZ = lowPass(x,mLowPassZ);
}
& o, q7 ^+ z+ V# A8 @" uprivate float lowPass(float current,float last){$ n' ~% G% N( w. u# p! D
8 N& {7 R3 _8 V% r4 d/ Treturn last * (1.0f - ALPHA) + current * ALPHA;
+ R% F. `6 ^: {& g  l6 @! I3 z9 G}) ]3 m6 L6 A0 F8 j" p


三、抽取突变7 J5 r9 ?# C3 r' q
; `1 O3 D( T* i# A6 q' _* I采用上面加权平滑的逆算法。
. X% C+ g. `" o4 W; i" V
" `5 Q0 J2 f! W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];
& p; Y9 ^' g, ?filteredValues[1] = event.values[1] - gravity[1];
$ G0 P9 G3 P8 a9 g- GfilteredValues[2] = event.values[2] - gravity[2];
: _' G4 Q$ Y6 Y8 d# @: N}
) {, q* N% ]: w, k" K

8 S8 H5 J# V& @, J- z四、简单移动平均线
3 Y2 W( Q! K8 _% ^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
  S2 E0 d! z9 _1 l* q3 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
' e/ O5 H! j# y, _" |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
5 `. j: Z9 L" {* V+ T  O! l5 oprivate float avg; //返回到传感器平均值
* [1 r) c% v9 S/ m/ V# Lprivate 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
7 Z8 @" y' E1 A2 bcount= 0;
7 O6 \# b7 H; J. R& LcircularIndex = 0;
avg = 0;
sum = 0;+ T, {( v4 g, t/ q% T  U1 H, R& I; ^. o
& o, E$ I' U+ M* K1 ?}
" @# k9 ?' U4 y+ Zpublic float getValue(){& R9 |; d2 x% Y1 L$ S
! K( P- |4 I% K: e' @3 Freturn arg;
}2 n& X' X4 r, W8 G5 G2 E
: `0 G' @& S3 h, g: w1 Zpublic 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
( c6 p5 E, D/ W: p. bsum += val;
0 j7 t- Z+ M7 l4 G0 E}
}
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;
" t$ t; u/ [. v1 m7 V9 K% r}0 n+ N! w6 i/ h+ \
6 `9 j$ \: ?( d. r& Y% V/ ppublic void pushValue(float x){- S) n2 B2 s2 R7 i5 o: r# M2 v
if(0 == count++){
primeBuffer(x);% X9 ]& }& ?/ }( |! J0 Z3 z6 q
9 c3 T: P. M# |. ?}/ k; D- m& B4 F6 h7 o' `' f) u
float lastValue = circularBuffer[circularIndex];
( M& s8 Q7 [$ }, U: _  RcircularBuffer[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
. o0 c8 q- i5 l$ EcircularIndex = nextIndex(circularIndex);
}- h% h+ p+ O: X# F1 y  o% i* n
! x# ~9 K9 _/ C}
+ K2 |( J7 [' b6 Y  n% }& r% G" x) ]0 Q* \* i, m. J
) I" n! Q9 {- \  u8 v) i
) b+ ~' ~# m7 [$ |0 K) ^: i3 u4 v) d) a五、备注
参考资料：《Android传感器高级编程》3 D+ Y0 p* [& p1 _; k3 g
$ o. n/ z6 |2 u" @, A+ M