algorithm - 过滤陀螺仪数据的自适应算法

Question

是否有自适应算法过滤陀螺仪噪声？

我的应用程序目前有一个校准陀螺仪的启动对话框，它要求用户将手机放在 table 上 5 秒，并记录这 5 秒内收集的陀螺仪数据的最小值/最大值，然后应用程序丢弃所有值在该最小值/最大值之间，这在技术上是一个高通滤波器。

自适应算法会随时间自动确定这些最小/最大值，无需任何对话。

类似于存储最后 100 个值，并找到这些值的最小值/最大值，但我如何知道哪些值代表运动，哪些是零运动 + 噪声？

我研究过卡尔曼滤波器，但它适用于组合的陀螺仪 + 加速度计传感器。

我手机里的陀螺仪不仅有噪音，而且还偏移了零坐标，所以当手机完全静止时，陀螺仪报告不断的小旋转。

Answer 1

如果我理解正确，一个非常简单的启发式方法(例如找到数据的平均值和定义表示真实运动的阈值)应该既能对抗偏移零坐标，又能提供相当准确的峰值识别。

// Initialize starting mean and threshold
mean = 0
dataCount = 0
thresholdDelta = 0.1

def findPeaks(data) {
    mean = updateMean(data)

    for point in data {
        if (point > mean + thresholdDelta) || (point < mean - thresholdDelta) {
            peaks.append(point)
        }
    }
    max = peaks.max()
    min = peaks.min()

    thresholdDelta = updateThreshold(max, min, mean)

    return {max, min}
}

def updateThreshold(max, min) {
    // 1 will make threshold equal the average peak value, 0 will make threshold equal mean
    weight = 0.5

    newThreshold = (weight * (max - min)) / 2
    return newThreshold
}

def updateMean(data) {
    newMean = (sum(data) + (dataCount * mean)) / (dataCount + data.size)
    dataCount += data.size
    return newMean
}

这里我们有一个阈值，意味着它会随着时间的推移而更新，以变得更准确地呈现数据。

如果您的峰值变化非常大(比如您的最大峰值可以是最小峰值的四倍)，您需要相应地设置您的阈值权重(对于我们的示例，0.25 将只是捕获最小的理论上你的峰值。)

编辑:

我认为做一些事情，比如平均你的阈值可能会使它更能抵抗小峰的衰减。

thresholdCount = 0

def updateThreshold(max, min) {
    // 1 will make threshold equal the average peak value, 0 will make threshold equal mean
    weight = 0.5

    newThreshold = (weight * (max - min)) / 2
    averagedThreshold = (newThreshold + (thresholdCount * thresholdDelta)) / (thresholdCount + 1)
    return averagedThreshold
}