一、在传感器用于中，我们经常必须对传感器数据展开各种整理，让应用于取得更佳的效果，以下讲解几种常用的非常简单处置方法： 1.权重光滑：光滑和平衡传感器数据，增大无意间数据变异的影响； 2.提取变异：除去静态和较慢变化的数据背景，特别强调瞬间变化； 3.非常简单移动平均线：保有数据流最近的K个数据，所取平均值； 二、权重光滑 用于算法如下： （新值）=（旧值）*（1-a）+X*a 其中a为设置的权值，X为近期数据，程序实现如下： floatALPHA=0.1f； publicvoidonSensorChanged(SensorEventevent){ x=event.values[0]； y=event.values[1]； z=event.values[2]； mLowPassX=lowPass(x，mLowPassX)； mLowPassY=lowPass(x，mLowPassY)； mLowPassZ=lowPass(x，mLowPassZ)； } privatefloatlowPass(floatcurrent，floatlast){ returnlast*(1.0f-ALPHA)+current*ALPHA； } 三、提取变异 使用上面权重光滑的逆算法。 构建代码如下： publicvoidonSensorChanged(SensorEventevent){ finalfloatALPHA=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、非常简单移动平均线 保有传感器数据流中最近的K个数据，回到它们的平均值。
k回应平均值窗口的大小； 构建代码如下： publicclassMovingAverage{ privatefloatcircularBuffer[]；//留存传感器最近的K个数据 privatefloatavg；//回到到传感器平均值 privatefloatsum；//数值中传感器数据的和 privatefloatcircularIndex；//传感器数据数组节点方位 privateintcount； publicMovingAverage(intk){ circularBuffer=newfloat[k]； count=0； circularIndex=0； avg=0； sum=0； } publicfloatgetValue(){ returnarg； } publiclonggetCount(){ returncount； } privatevoidprimeBuffer(floatval){ for(inti=0；icircularBuffer[i]=val； sum+=val； } } privateintnextIndex(intcurIndex){ if(curIndex+1=circularBuffer.length){ return0； } returncurIndex+1； } publicvoidpushValue(floatx){ if(0==count++){ primeBuffer(x)； } floatlastValue=circularBuffer[circularIndex]； circularBuffer[circularIndex]=x；//改版窗口中传感器数据 sum-=lastValue；//改版窗口中传感器数据和 sum+=x； avg=sum/circularBuffer.。
本文关键词：one体育地址,【,码农,必看,】,Android,编程,中,传感器,常用
本文来源：one体育地址-www.nymanrecords.com
