轮速计的滤波实现

背景

公司的地图车在经过隧道等高精定位失效的场景时，而基于imu会出现累计漂移等问题，而车辆自身的码表又不够精确，故采用后装轮速计进行速度补偿。

问题

实际采集出的轮速计数据如图所示：

注：这是大概1个小时的采集数据，采样频率是100hz，每个采样点都是10ms内采集到的轮速数据，车胎转一圈就是2000个脉冲。

下图是局部放大图：

进一步选择局部放大：

再次放大：

可以看到：采集到的数据存在大量噪声。

原因分析

1、地图车平台使用linux系统（ubuntu），通过串口定时发送采样命令，然后通过串口接收采样数据，因为linux的实时性问题，导致无法精确的控制采样命令准时发送。

2、更为重要的原因是，公司选用的轮速计采集设备性能差，实时响应差，无法达到10ms一次的稳定采样。

解决方案

1、更换硬件，使用硬件自动采样的模式进行数据采集，严格保证100hz的采样频率。优点：精确度极好。缺点：实施周期长，成本高。

2、使用软件进行滤波。优点：实现方便。缺点：精度不及优化硬件来的高。

效果分析

基于现场环境，先采用软件滤波的方案进行处理。

初次滤波

分析数据标本的噪声特点，由于是离散采用，数据的变化量都是整数（脉冲个数），而且噪点的变化很快，持续时间最多也就两三个采样周期，所以想到一种简单的滤波方法做为初次滤波：

滤波原理如下：如果当前采样值 > 上次采样值，则用上次采样值加1做为当前采样值；如果当前采样值 < 上次采样值，则用上次采样值减1做为当前采样值；否则，直接用上次采样值做为当前采样值。

之所以采用加1或者减1的方式，是因为车辆的加速度不会超过±1g，对应到轮速计脉冲采集上，差不多就是在10ms内最多变化1个脉冲。

经过初次滤波，效果如下：

注：绿色为滤波后采样值，可见已经过滤掉大部分噪声。

进行局部放大：

进一步放大：

再放大一次：

可见效果非常明显，主要噪声都被过滤掉了，但是仍然不够平滑，于是引入二次滤波。

二次滤波

在初次滤波的基础上，进行二次滤波，首先想到的方法就是加权平均滤波，但是加权平均有一个问题，面对“车速平稳”和“急加减速”，同一个加权系数，不能很好地兼顾这两种状况。

1、假如加权系数分别取0.9和0.1，即上次采样值×0.9 + 当前采样值 × 0.1做为最终得到的当前采样值。

局部放大图1：车速平稳时

局部放大图2：急减速时

2、假如加权系数分别取0.1和0.9，即上次采样值×0.1 + 当前采样值 × 0.9做为最终得到的当前采样值。

局部放大图1：车速平稳时

局部放大图2：急减速时

通过不同的加权系数对比可以看到，第一种加权滤波后，车速平稳时效果较好，但是急减速时，表现出明显的滞后现象；第二种加权滤波后，无论车速状况，基本没有滤波效果。

综上，暂且采用第一种加权滤波。但是需要继续努力一把，解决加权滤波的滞后现象。

思路：可以使用自适应滤波器的思想，根据车速的实时变化状态，实时调整加权系数进行滤波。