单片机开发中，传感器的数据处理算法
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);}} 赞 (0)