传感器算法处理:加权平滑\简单移动平均线\抽取突变
通过利用先进的传感器库,智能手机和平板OEM厂商就能让开发者能够追踪智能手机和用户的移动轨迹。通过观察移动轨迹,应用程序就能让用户与设备以创新、方便的手势进行交互。例如,当用户把手机放在耳朵旁边的时候,程序就能自动接收音频指令。
然而,最流行的移动应用程序却不常用到传感器。应用程序开发者说用传感器很难,没错,这是因为传感器是用来度量物理环境的,但没有好的想法或用法,这些测量经常没有意义。
现在,传感器厂商意识到了算法和软件才是产品最基本的要素。独立的固件开发者开发了传感器库,不但能保持传感器处在校准状态从而提供准确的导航,还能减轻外界电磁干扰造成的影响。
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:
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;
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;
3.简单移动平均线:保留数据流最近的K个数据,取平均值;
二、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;
}
三、抽取突变
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];
}
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;
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);
}
}
- 一种并行算法计算微波电路的设计和实现(03-15)
- LDPC码译码算法及性能分析应用设计(04-16)
- 大唐移动FODCA算法削减同频干扰(03-09)
- 人工智能、大数据的十大类算法及其擅长的任务(10-04)
- CAN协议的错帧漏检率推导及改进过程简介(02-22)
- 专家支招:如何确保智能电表的安全性?(06-02)