传感器常用算法

Ber_thaw99 · 发表于 2023-5-26 14:25

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

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 * 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
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* o4 D. R& E+ W! b, ]% ?7 @3 k
sum += val;
0 V- ^# i: [' D4 ?" @1 T}
! w# Q9 h& `* J" }% J: x3 Q/ C6 d}# V( ?# C1 {) o) h; Q6 l
private int nextIndex(int curIndex){4 F+ c( W+ N- Q  }. D
if(curIndex + 1 >= circularBuffer.length){! K3 }, K9 V# D1 G; M* I( k1 ~
; o* j- z  \/ q6 areturn 0;! ~( f$ W6 ^0 x3 R8 G% K0 N7 P: R9 m9 g" ]
}+ A4 d5 i7 S2 C$ }0 ~. X) T/ X6 J0 R! X, V  L2 g0 u+ j; y
return curIndex + 1;
4 U4 N8 c5 @# k* p3 y: D6 j# r}0 n+ N! w6 i/ h+ \* h: ?2 \1 M3 J4 A3 c: x
public void pushValue(float x){- S) n2 B2 s2 R7 i5 o: r# M2 v
( w% H$ ^! X. I) V! Q( ~5 Mif(0 == count++){* n" n* M: M2 m% {! J9 \
primeBuffer(x);% X9 ]& }& ?/ }( |! J0 Z3 z6 q
) i* K* l( _: k5 J3 f. e9 x0 i* s}/ k; D- m& B4 F6 h7 o' `' f) u# w& L: A' D9 K1 r! s
float lastValue = circularBuffer[circularIndex];, U% t( b! e1 X
circularBuffer[circularIndex] = x; //更新窗口中传感器数据
, x7 E) R+ l& J, a" y: _. U. Ysum -= lastValue; //更新窗口中传感器数据和& j. U0 B" c' g* s% T# t4 a0 d, a6 y. a
sum += x;% B6 l9 q& S% L  \( L3 O- X5 L& z- o* N8 {" _4 c' D! h
avg = sum / circularBuffer.length; //计算得传感器平均值* s6 d9 v) ]5 ?3 L9 p' R7 t0 x2 R# l
circularIndex = nextIndex(circularIndex);% ^- X6 ~9 R: e7 E4 p; u
}- h% h+ p+ O: X# F1 y  o% i* n* m& R  R, N- A
}
4 o  C' Z* l: ?% }& r% G" x) ]0 Q* \* i, m. J
% U( A( L- f) h: q- x0 S5 |) I" n! Q9 {- \  u8 v) i  N/ N7 ~/ X, _( G; C
五、备注
5 A5 [# r1 J& V# c/ C参考资料：《Android传感器高级编程》3 D+ Y0 p* [& p1 _; k3 g

帐号		自动登录	找回密码
密码			注册

传感器常用算法

EDA365欢迎您登录！

推荐内容 /1