单片机开发中,传感器的数据处理算法

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:
  • 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。

  • 抽取突变:去除静态和缓慢变化的数据背景,强调瞬间变化。

  • 简单移动平均线:保留数据流最近的K个数据,取平均值。

下面,具体介绍一下这3种处理方法。

加权平滑

使用算法如下:

(新值) = (旧值)*(1 - a) X * a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];z = event.values[2];mLowPassX = lowPass(x,mLowPassX);mLowPassY = lowPass(x,mLowPassY);mLowPassZ = lowPass(x,mLowPassZ);}private float lowPass(float current,float last){return last * (1.0f - ALPHA) current * ALPHA;}

抽取突变

此算法采用上面加权平滑的逆算法实现代码如下:

public void onSensorChanged(SensorEvent event){final float ALPHA = 0.8;gravity[0] = ALPHA * gravity[0]   (1-ALPHA) * event.values[0];gravity[1] = ALPHA * gravity[1]   (1-ALPHA) * event.values[1];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];}

简单移动平均线

这个算法,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,实现代码如下:

public class MovingAverage{private float circularBuffer[]; //保存传感器最近的K个数据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private float circularIndex; //传感器数据数组节点位置private int count;public MovingAverage(int k){circularBuffer = new float[k];count= 0;circularIndex = 0;avg = 0;sum = 0;}public float getValue(){return arg;}public long getCount(){return count;}private void primeBuffer(float val){for(int i=0;i<circularbuffer.length; i){ circularBuffer[i] = val;sum = val;}}private int nextIndex(int curIndex){if(curIndex 1 >= circularBuffer.length){return 0;}return curIndex 1;}public void pushValue(float x){if(0 == count ){primeBuffer(x);}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sum = x;avg = sum / circularBuffer.length; //计算得传感器平均值circularIndex = nextIndex(circularIndex);}}
(0)

相关推荐