Flytting Gjennomsnitt Filter Akselerometer

En enkel, enkelpolet, lavpass, rekursivt IIR-filter er raskt og enkelt å implementere, e g. where x, y er de rå ufiltrerte XY akselerometer signaler, xf, yf er de filtrerte utgangssignalene, og k bestemmer tidskonstanten for filtre er vanligvis en verdi mellom 0 9 og 0 9999 hvor en større k betyr en lengre tidskonstant. Du kan bestemme k empirisk, eller hvis du vet din nødvendige avskjæringsfrekvens, Fc så kan du bruke formula. where Fs er sample rate. Note at xf, yf er de tidligere verdiene for utgangssignalet på RHS, og de nye utgangsvurderingene på LHS av uttrykket ovenfor. Merk også at vi antar her at du vil samplere akselerometer signalene ved vanlig tidsintervaller, for eksempel hver 10 ms Tidskonstanten vil være en funksjon både k og dette samplingsintervallet. Jeg har et 1D-akselerometer-signal en eneste akse Jeg vil gjerne lage en robust algoritme som kunne gjenkjenne noen former i signalet. Først søker jeg en glidende gjennomsnittlig filte r til råsignalet På det vedlagte bildet er råsignalet farget rødt og gjennomsnittssignalet er svart. Som det fremgår av bildet, er noen trender synlige fra det gjennomsnittlige svarte signalet - signalet inneholder 10 repetisjoner av topplignende mønster hvor akselerasjon klatrer til et maksimum og deretter faller ned igjen Jeg har markert begynnelsen og endingen av disse mønstrene med et kryss. Så mitt mål er å finne de merkede posisjonene automatisk Problemet med å gjøre mønsterutvinningen vanskelig er. start av mønsteret kunne ha en forskjellig y-verdi enn slutten av mønsteret. mønsteret kunne ha mer enn en topp. Jeg har ingen konkret tidsinformasjon fra begynnelsen til slutten av mønsteret, det tar en tidsenhet. Jeg har prøvd forskjellige tilnærminger, som er vakre mye hjemmebrygging, så jeg vant å nevne dem - jeg vil ikke at du skal være forspent av min måte å tenke på Er det noen standard eller bøker tilnærminger for å gjøre den slags mønsterutvinning Eller kanskje noen vet hvordan takle problemet på en robust måte. En ny ide vil bli verdsatt. Skrevet des 3 10 på 0 04. Hent det enkelt Det ser ut som det glidende gjennomsnittet er en god nok spjeld-enhet, hold den som-er, kanskje bare øker eller reduserer dens antall prøver hvis du merker at det enten etterlater for mye støy eller fjerner for mye signal. Du utfører så utelukkende dette gjennomsnittlige signalet. Mønstermarkørene du søker synes å være relativt enkle å oppdage. Uttrykt på engelsk, er disse markørene målrettet på bøyningspunktene i gjennomsnittlig avlesningskurve når hellingen går markant negativ til positiv Du bør derfor kunne oppdage denne situasjonen ved å sammenligne hellingsverdiene, beregnet sammen med det bevegelige gjennomsnittet da hver ny leseverdi blir tilgjengelig selvsagt med kort forsinkelse, som av Selvfølgelig kan skråningen ved et gitt punkt bare beregnes når gjennomsnittlig avlesning for de neste punktene s er tilgjengelig. For å unngå falsk deteksjon, må du imidlertid definere noen parametere aime d ved å filtrere de uønskede mønstrene Disse parametrene vil definere mer nøyaktig betydningen av markant i den ovennevnte måldefinisjonen. Tentativt kan formelen for å oppdage et interessepunkt være så enkelt som dette -1 S t-1 S t MindeltaSlope hvor S er helling mer på dette ved tid t-1 og t. MindeltaSlope er en parameter som definerer hvor skarp en endring i skråningen vi vil ha i det minste. Forutsatt normaliserte t og Y-enheter, kan vi sette parameteren MindeltaSlope nær eller til og med forbi 1 Intuitivt a verdien av 1 igjen i normaliserte enheter ville indikere at vi målte punkter hvor den buede ankom med en nedoverbakke på 50 og forlot punktet med en stigning på 50 eller 40 60 eller 10 dvs. nesten flat og 90 dvs. nesten vertikal For å unngå detektering poeng i tilfelle når dette bare er en liten dukkert i kurven, kan vi ta hensyn til flere poeng, med en mer avansert formel som f. eks. Pm2 S t-2 Pm1 S t-1 P0 S t Pp1 S t 1 MindeltaSlope hvor Pm2, Pm1, P0 og Pp1 er koeffisienter som gir relativ betydning for hellingen ved forskjellige punkter før og etter interessepunktet Pm2 og Pm1 typisk negative verdier med mindre vi bruker bare positiv parameter og bruker negative tegn i formelen S t - n er skråningen forskjellige ganger og MindeltaSlope er en parameter som definerer hvor skarp en endring i skråningen vi vil ha i det minste. Intuitivt vil denne 4 poengformelen ta hensyn til kurvens form ved et punkt to avlesninger før og to leser forbi interessepunktet i tillegg til å vurdere poenget rett før og etter det. Gitt de riktige verdiene for parameterne, ville formelen kreve at kurven gradvis kommer ned for to tidsskiver og deretter jevnlig gå opp for de neste to tidsskivene, og dermed unngå å markere mindre dyp i kurven. En alternativ måte å oppnå dette på, kan være å beregne skråningen ved å bruke forskjellen i Y-verdi mellom gjennomsnittet ed lesing fra to eller flere tidsserier siden og den av gjeldende gjennomsnittlig lesing Disse to tilnærmingene er liknende, men vil produsere noe annet resultat generelt vi d har mer å si på ønsket kurveform med parametrene Pm2, Pm1, P0 og P1.ansvaret 3. desember kl. 3 22.Accelerometre måler akselerasjon Det er akselerasjon på grunn av bevegelse og akselerasjon på grunn av tyngdekraften. Accelerometre brukes ofte til å beregne en vinkelvinkel. De kan bare gjøre dette pålitelig når de er statiske og ikke beveger seg. For å få en nøyaktig vinklingsvinkelen blir de ofte kombinert med en eller flere gyro s, og kombinasjonen av data brukes til å beregne vinkelen. Digitale akselerometre vil gi deg informasjon ved hjelp av en seriell protokoll som I2C SPI eller USART, mens analoge akselerometre vil sende et spenningsnivå innen et forhåndsdefinert utvalg som du må konvertere til en digital verdi ved hjelp av en ADC-analog til digital omformer-modul. I denne opplæringen vil vi kort forklare funksjonaliteten til ACCE lerometre, hvordan de brukes til å måle vippevinkler og til slutt gi noen eksempler på kode. Se også veiledningen om kombinering av akselerometer og gyro-data for å gi en bedre tiltvinkel for et dynamisk system. Hva måles en akselerometer. Accelerometre måler akselerasjon For en statisk gjenstand det er akselerasjonen på grunn av tyngdekraften 1g Vær også oppmerksom på at utgangen fra akselerometer ikke er lineær, men er en sinusbølge, slik at du ikke kan ta direkte utgang som en proporsjonal representasjon av en vinkelsvingning basert på tyngdekraften. Vanligvis et akselerometer sx og y utgangsspenninger vil være halv forsyningsspenning når du måler null gie enheten er vinkelrett på tyngdekraften - horisontal Tilt den en vei og spenningen vil øke, vippe den den andre veien og den vil senke Med en aksel akselerometer på tre akser vil z-aksen måle 1g med enheten horisontal Utgangen av en akselerometer er en sinusbølge av akselerasjonen målt. Accelerometre er mer følsomme for små endringer i tilt når de er vinkelrette på tyngdekraften, når ei horisontale, små endringer i tilt gir nyttige avlesninger Tidligere om 45 grader av tilt blir de stadig mindre følsomme. Derfor er det vanlig å bruke mer enn en akseverdi ved å bestemme vinklingsvinkelen som vil se nedenfor. Mørking Tiltvinkel ved hjelp av en akse. Hvis du vil måle tilt i både x og y-aksen med et 2-akset akselerometer, kan du bare bruke sin-1 a hvor a er utgangen fra aksen på akselerometeret. Husk at utover 45 og -45 grader vil nøyaktigheten avta. Måling Tiltvinkel ved hjelp av to akse. Reduksjonen i oppløsning og nøyaktighet utover 45 grader av tilt kan forbedres ved å bruke 2 akse for å måle vippen. Gravitasjonskomponenten som virker på x akse er en sinus-funksjon, mens det å fungere på y-aksen er et cosinus Når følsomheten til x-aksen begynner å falle av etter 45 grader av tilt, øker følsomheten til y-aksen. Som det fremgår av diagrammet nedenfor, pari ts av hver linje viser området med mest følsomhet. Ved å kombinere x - og y-verdiene kan en mye bedre nøyaktighet oppnås. Vinkelen beregnes ved hjelp av formelen. Øvelse Tiltvinkel ved hjelp av tre akse. For nøyaktige målinger av tilt i x og y-planer trenger vi derfor et aksel akselerometer på 3 akser. Vi kunne bruke formelen ovenfor til å beregne vinklene ved å bruke x og z for x-aksen og bruke y og z for y-aksen. Vi kan imidlertid forbedre tingene ved å bruke alle tre utgangene til å beregne hver vinkel Dette gjøres ved å bruke følgende formler. Leter deg til noen koding. Vi er nå ganske klar over prinsippene, men vi kan se hvordan dette gjøres i praksis. Vi vil bruke et aksel akselerometer på 3 akser og trene vinkler for rulle x og tonehøyde y. Vi vil anta at avhengig av hvilken type akselerometer du har brukt, har du lest verdiene for x, y og z, og at du også har basisverdier for x, y og z når akselerometeret er stasjonært og nivå. void Bruke xy og z fra akselerometer, beregne x og y vinkler float xval, yval, zval, resultat usignert kort lang x2, y2, z2 24 bit. La oss få avvikene fra vår grunnlinje xval float accelvaluex - float accelcenterx yval float accelvaluey - float accelcentery zval float accelvaluez - float accelcenterz. Trene ut rutene x2 usignert kort lang xval xval y2 usignert kort lang yval yval z2 usignert kort long zval zval. X Akse resultat sqrt y2 z2 result xval resultat accelanglex atan resultat. Y Akse resultat sqrt x2 z2 resultat yval resultat accelangley atan result. Ok, det er det Bare et par notater om akselerometre generelt De er svært sensitive og er derfor ganske utsatt for vibrasjon Hvis du bruker en i et system med motorer eller andre kilder av vibrasjon, foreslår jeg sterkt en form for skumdemping. Ta også flere avlesninger fra akselerometeret og gjennomsnitts dem for å filtrere ut støy.