傳感器算法處理:加權平滑\\簡單移動平均線\\抽取突變

　　通過利用先進的傳感器庫，智能手機和平板OEM廠商就能讓開發(fā)者能夠追蹤智能手機和用戶的移動軌跡。通過觀察移動軌跡，應用程序就能讓用戶與設備以創(chuàng)新、方便的手勢進行交互。例如，當用戶把手機放在耳朵旁邊的時候，程序就能自動接收音頻指令。

　　然而，最流行的移動應用程序卻不常用到傳感器。應用程序開發(fā)者說用傳感器很難，沒錯，這是因為傳感器是用來度量物理環(huán)境的，但沒有好的想法或用法，這些測量經(jīng)常沒有意義。

　　現(xiàn)在，傳感器廠商意識到了算法和軟件才是產(chǎn)品最基本的要素。獨立的固件開發(fā)者開發(fā)了傳感器庫，不但能保持傳感器處在校準狀態(tài)從而提供準確的導航，還能減輕外界電磁干擾造成的影響。

　　一、在傳感器使用中，我們常常需要對傳感器數(shù)據(jù)進行各種整理，讓應用獲得更好的效果，以下介紹幾種常用的簡單處理方法：

　　1.加權平滑：平滑和均衡傳感器數(shù)據(jù)，減小偶然數(shù)據(jù)突變的影響；

　　2.抽取突變：去除靜態(tài)和緩慢變化的數(shù)據(jù)背景，強調瞬間變化；

　　3.簡單移動平均線：保留數(shù)據(jù)流最近的K個數(shù)據(jù)，取平均值；

　　二、加權平滑

　　使用算法如下：

　?。ㄐ轮担?= （舊值）*（1 - a） + X * a其中a為設置的權值，X為最新數(shù)據(jù)，程序實現(xiàn)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、抽取突變

　　采用上面加權平滑的逆算法。實現(xiàn)代碼如下：

　　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、簡單移動平均線

　　保留傳感器數(shù)據(jù)流中最近的K個數(shù)據(jù)，返回它們的平均值。k表示平均“窗口”的大小；

　　實現(xiàn)代碼如下：

　　public class MovingAverage{

　　private float circularBuffer［］; //保存?zhèn)鞲衅髯罱腒個數(shù)據(jù)

　　private float avg; //返回到傳感器平均值

　　private float sum; //數(shù)值中傳感器數(shù)據(jù)的和

　　private float circularIndex; //傳感器數(shù)據(jù)數(shù)組節(jié)點位置

　　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; //更新窗口中傳感器數(shù)據(jù)

　　sum -= lastValue; //更新窗口中傳感器數(shù)據(jù)和

　　sum += x;

　　avg = sum / circularBuffer.length; //計算得傳感器平均值

　　circularIndex = nexTIndex（circularIndex）;

　　}

　　}