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：

1.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;

2.抽取突变：去除静态和缓慢变化的数据背景，强调瞬间变化;

3.简单移动平均线：保留数据流最近的K个数据，取平均值;

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];

}

简单移动平均线

保留传感器数据流中最近的K个数据，返回它们的平均值。k表示平均“窗口”的大小；

实现代码如下：

public class MovingAverage{private float circularBuffer[]; //保存传感器最近的K个数据

private float avg; //返回到传感器平均值

private float sum; //数值中传感器数据的和

private float circularIndex; //传感器数据数组节点位置

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 = 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; //更新窗口中传感器数据

sum -= lastValue; //更新窗口中传感器数据和

sum += x;

avg = sum / circularBuffer.length; //计算得传感器平均值

circularIndex = nextIndex(circularIndex);

}

}