既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Go语言开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
已剪辑自: https://mp.weixin.qq.com/s/Yy7ysMXoeokW2g_yaqsw3w
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];}
![img](https://img-blog.csdnimg.cn/img_convert/6261c9cf0d8b9bb5b5d6411d445d4271.png)
![img](https://img-blog.csdnimg.cn/img_convert/4b5baf65784dfbf3da21547e3df00205.png)
![img](https://img-blog.csdnimg.cn/img_convert/6a543f3e97093b21382ca4d1c292019c.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Go语言开发知识点,真正体系化!**
**由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**
**[如果你需要这些资料,可以戳这里获取](https://bbs.csdn.net/topics/618658159)**
果你需要这些资料,可以戳这里获取](https://bbs.csdn.net/topics/618658159)**