Question

如何过滤Android中加速度计数据的噪音？我想为我的样本数据创建一个高通滤波器，这样我就可以消除低频分量并专注于高频分量。我已经读过卡尔曼滤波器可能是最好的选择，但是如何在我的应用程序中集成或使用这种方法，主要用Android Java编写？或者它可以在第一时间完成？还是通过Android NDK？这有可能是实时完成的吗？

任何想法都会非常感激。谢谢！

Answer 1

来自Apple SDK的样本实际上以更简单的方式实现了过滤，即使用渐变：

//ramp-speed - play with this value until satisfied
const float kFilteringFactor = 0.1f;

//last result storage - keep definition outside of this function, eg. in wrapping object
float accel[3]; 

//acceleration.x,.y,.z is the input from the sensor

//result.x,.y,.z is the filtered result

//high-pass filter to eliminate gravity
accel[0] = acceleration.x * kFilteringFactor + accel[0] * (1.0f - kFilteringFactor);
accel[1] = acceleration.y * kFilteringFactor + accel[1] * (1.0f - kFilteringFactor);
accel[2] = acceleration.z * kFilteringFactor + accel[2] * (1.0f - kFilteringFactor);
result.x = acceleration.x - accel[0];
result.y = acceleration.y - accel[1];
result.z = acceleration.z - accel[2];

Answer 2

这是Android的代码，改编自苹果自适应高通滤波器示例。只需将其插入并实现onFilteredAccelerometerChanged（）

即可

private static final boolean ADAPTIVE_ACCEL_FILTER = true;
float lastAccel[] = new float[3];
float accelFilter[] = new float[3];

public void onAccelerometerChanged(float accelX, float accelY, float accelZ) {
    // high pass filter
    float updateFreq = 30; // match this to your update speed
    float cutOffFreq = 0.9f;
    float RC = 1.0f / cutOffFreq;
    float dt = 1.0f / updateFreq;
    float filterConstant = RC / (dt + RC);
    float alpha = filterConstant; 
    float kAccelerometerMinStep = 0.033f;
    float kAccelerometerNoiseAttenuation = 3.0f;

    if(ADAPTIVE_ACCEL_FILTER)
    {
        float d = clamp(Math.abs(norm(accelFilter[0], accelFilter[1], accelFilter[2]) - norm(accelX, accelY, accelZ)) / kAccelerometerMinStep - 1.0f, 0.0f, 1.0f);
        alpha = d * filterConstant / kAccelerometerNoiseAttenuation + (1.0f - d) * filterConstant;
    }

    accelFilter[0] = (float) (alpha * (accelFilter[0] + accelX - lastAccel[0]));
    accelFilter[1] = (float) (alpha * (accelFilter[1] + accelY - lastAccel[1]));
    accelFilter[2] = (float) (alpha * (accelFilter[2] + accelZ - lastAccel[2]));

    lastAccel[0] = accelX;
    lastAccel[1] = accelY;
    lastAccel[2] = accelZ;
    onFilteredAccelerometerChanged(accelFilter[0], accelFilter[1], accelFilter[2]);
}

Answer 3

对于那些想知道norm（）和clamp（）方法在rbgrn的答案中做什么的人，你可以在这里看到它们： ~~http://developer.apple.com/library/IOS/samplecode/AccelerometerGraph/Listings/AccelerometerGraph_AccelerometerFilter_m.html~~

double norm(double x, double y, double z)
{
    return Math.sqrt(x * x + y * y + z * z);
}

double clamp(double v, double min, double max)
{
    if(v > max)
        return max;
    else if(v < min)
        return min;
    else
        return v;
}

Answer 4

我似乎记得这是在Apple的iPhone示例代码中完成的。我们看看......

在Google上寻找AccelerometerFilter.h / .m（或者抓住Apple的AccelerometerGraph示例）和这个链接： http://en.wikipedia.org/wiki/High-pass_filter （这就是Apple的代码所基于的）。

Wiki中也有一些伪代码。但是数学翻译成代码相当简单。

Answer 5

IMO，设计卡尔曼滤波器作为您的第一次尝试过度复杂化可能是一个相当简单的问题。我从一个简单的FIR滤波器开始，只有当你测试了它并且在合理的确定性下发现它无法提供你想要的东西时才尝试更复杂的东西。然而，我的猜测是，它能够完成你所需要的一切，并且更加轻松有效地完成任务。

过滤加速度计数据噪音

5 个答案: