الأسي الحركة من المتوسط - اردوينو

أنا أعمل على الروبوت المحمول التي تسيطر عليها عبر لاسلكي 2 4 غيغاهرتز استقبال متصلا اردوينو أونو الذي يخدم على متن وحدة تحكم الرئيسية قناة المدخلات الأكثر أهمية والرئيسية القادمة من المتلقي تنتج إشارة صاخبة جدا، الأمر الذي يؤدي إلى الكثير من تغييرات طفيفة في إنتاج المحركات، على الرغم من أن هذه ليست هناك حاجة. أنا أبحث عن المكتبات التي يمكن أن تؤدي تمهيد كفاءة هل هناك أي إشارة تمهيد المكتبات المتاحة لاردوينو Uno. asked 16 فبراير 14 في 13 57. أعتقد أنني أرى والكثير من الضوضاء عينة واحدة المسامير في إشارة صاخبة الخاص بك. الوسط مرشح يفعل أفضل في التخلص من واحد عينة عينات الضوضاء من أي مرشح خطي فمن أفضل من أي مرشح تمريرة منخفضة، المتوسط ​​المتحرك، المتوسط ​​المتحرك المرجح، وما إلى ذلك من حيث من زمن الاستجابة وقدرتها على تجاهل مثل هذه العينة واحدة الضوضاء ارتفاع القيم المتطرفة. هناك، في الواقع، العديد من المكتبات تمهيد إشارة لاردوينو، وكثير منها تشمل وسيط مرشح. سيغنال مكتبات التمهيد at. signal مكتبات - smoothing في github. Would شيء من هذا القبيل في الروبوت الخاص بك الوسيط من 3 يتطلب القليل جدا من قوة وحدة المعالجة المركزية، وبالتالي fast. You يمكن تصفية هذا رقميا باستخدام مرشح تمريرة منخفضة. تغيير 0 99 لتغيير قطع تردد أقرب إلى 1 0 هو التردد المنخفض التعبير الفعلي لتلك القيمة هو إكس -2 بي f فس حيث f هو تردد قطع تريد و فس هو تردد أخذ العينات البيانات في. أي نوع آخر من مرشح رقمي هو مرشح الحدث و يعمل بشكل جيد على البيانات التي لديها القيم المتطرفة على سبيل المثال 9،9،8،10،9،25،9 مرشح الحدث يعود القيمة الأكثر تكرارا إحصائيا هذا هو الوضع. يمكن حساب المتوسطات الإحصائية مثل المتوسط، وضع الخ باستخدام معدل اردوينو مكتبة. أحد الأمثلة مأخوذة من صفحة المكتبة اردوينو المشار إليها. التسارع التسارع البيانات مع ماتلاب واردوينو أبريل 15، 2016 من قبل ريان Morrison. Continuing مع استكشاف بلدي ماتلاب اردوينو التواصل، هذا المنصب يفحص طريقتين لإزالة الضوضاء من بيانات الاستشعار الأسي تتحرك avera غي ومرشحات المتوسط ​​المتحرك بسيطة كما تمهيدا لهذا، مقدمة على الاتصالات التسلسلية والتآمر البيانات مع اردوينو و ماتلاب يمكن العثور على بلدي مشاركة السابقة جميع التعليمات البرمجية المستخدمة في هذه الوظائف متاحة في بلدي جيثوب الريبو مرة أخرى، وأنا باستخدام وأشرطة الفيديو التعليمي من كمرجع، في حين اضاف تحسينات الميزات الخاصة بي على طول way. Exonential متحرك متوسط ​​إما. المتوسط ​​المتحرك الأسي يعين عامل الترجيح، مع أحدث البيانات التي لديها أكبر وزن يتم حسابه بواسطة المعادلة التالية. البر بلدي السابقة وظيفة، يتم الاتصال التسارع LSM303DLHC مع اردوينو أونو، يتم تأسيس الاتصال التسلسلي بين اردوينو و ماتلاب، و ماتلاب مؤامرات ناقلات التسارع الجاذبية تم تعديل رمز ماتلاب السابق لحساب إما و عرض جنبا إلى جنب قطع من الخام و البيانات التي تمت تصفيتها النتيجة في الصورة أدناه لاحظ الفرق بين البيانات الخام وتصفيتها كما يتغير شريط التمرير قيمة ألفا من اليسار الخام و E ما يتم تصفيته ناقلات تسارع الحقن. في الرسم أعلاه، يقام التسارع في الفضاء مع Z - ناقلات عمودي على الأرض يتم تطبيق الحركة والاهتزاز إلى التسارع لإظهار استجابة للتغيرات المفاجئة في التوجه في مقارنة البيانات الخام على اليسار مع البيانات التي تمت تصفيتها على اليمين، يتم إجراء الملاحظات التالية. قيمة ألفا تقترب 1 النتائج في ارتفاع تصفية المؤامرة تصفيتها يتحرك قليلا جدا استجابة للحركة. القيمة ألفا تقترب 0 النتائج في انخفاض الترشيح هناك فرق بسيط بين الخام و وتؤمن قيمة ألفا حول 0 5 مستوى أمثل من تصفية المؤامرة المصفاة خالية من غضب غير منتظم ويستجيب لمتوسط ​​الحركة. simple sma. As يوحي الاسم، هذا المرشح توظف متوسط ​​بسيط لبيانات الاستشعار الواردة مع كل التكرار من حلقة التعليمات البرمجية، يتم إسقاط أقدم قيمة في مجموعة البيانات واستبدالها بآخر قراءة، ويتم حساب متوسط ​​جديد يتم إعطاء سما من خلال المتابعة g حيث يتم تحديد مستوى الحد من الضوضاء من قبل عدد من الصنابير. يتم عرض مقادير التسارع زي المحور Z في 2D المؤامرات باستخدام ماتلاب يتم عرض كل من البيانات الخام وتصفيتها، ويتم استخدام شريط التمرير لضبط كمية من عدد التصفية من تابسباريسون من أعلى الخام و سما مرشح أسفل تسارع المقادير التسارع. يتم التلاعب التسارع بنفس الطريقة كما هو الحال مع فلتر إما لتلخيص آثار تصفية سما. الصنابير صفر لا تصفية قراءات التسارع الخام تكشف حساسية عالية ل طفيف بيرتورباتيونس. الصنابير العالية تصفية قوية حركة التسارع الغيب في النتائج التي تمت تصفيتها. يتم التخلص من الصنابير الأمثل غضب الترشيح، ولكن النتائج التي تمت تصفيتها تعكس حركات كبيرة. أنا الآن مختصة إلى حد ما مع استخدام ماتلاب لتوصيف أجهزة الاستشعار وسوف تستخدم هذا في المشاريع المستقبلية ما يتبادر إلى الذهن على الفور هو تطبيق هذا في تعريف تعريف العتبات عند استخدام التسارع في الروبوتات السيارات تطبيقات الدافع مثال واحد هو التحسن المحرز على الكشف عن تأثير عن طريق تصفية غضب خاطئة التي أدخلتها الاهتزازات الجسم. مرشح تمرير منخفض. هذه هي في المقام الأول تلاحظ انها فازت تكون كاملة بأي شكل من الأشكال أنها موجودة لاحتواء شظايا من المعلومات المفيدة. وزن أضعافا مضاعفة المتوسط ​​المتحرك إوما هو اسم لما هو على الارجح أسهل الرقمية، المجال الزمني تحقيق أولباس لووباس على البيانات المنفصلة. هذا مرشح ينعم باستخدام المتوسط ​​المحلي المتحرك، مما يجعلها أتباع بطيئا للإشارة الإدخال. بداهة، وسوف تستجيب ببطء إلى التغييرات السريعة محتوى عالية التردد في حين لا تزال تتبع الميل العام للإشارة محتوى التردد المنخفض. ويزنه متغير ترى أن تكون قادرة على تغيير حساسية لها. في التطبيقات التي عينة في العادية الفاصل الزمني مثل الصوت يمكنك أن تتصل بمحتوى التردد في هذه الحالات كنت غالبا ما تريد لحساب سلسلة الانتاج تصفيتها لسلسلة المدخلات، من خلال حلقات من خلال قائمة تفعل شيئا ل إيك. أو ما يعادلها. الشكل الأخير قد يشعر بالمعلومات أكثر بديهية التغيير في الإخراج تصفيتها يتناسب مع كمية التغيير ويزن من قبل قوة مرشح. قد يساعد على النظر في كيفية استخدام الإخراج تصفيتها مؤخرا يعطي النظام inertia. A أصغر أصغر 1- في السابق أيضا يجعل ل أرسي أكبر يعني أن الإخراج سوف ضبط أكثر ببطء، وينبغي أن تظهر أقل ضوضاء منذ تردد قطع أقل تحقق. أكبر أصغر 1- أصغر أرسي يعني أن الإخراج سوف ضبط أسرع يكون أقل الجمود ، ولكن تكون أكثر حساسية للضوضاء منذ تردد قطع أعلى تحقق. منذ الحساب المحلي، الحالات التي تريد فقط أحدث قيمة يمكن تجنب تخزين مجموعة كبيرة عن طريق القيام بما يلي لكل عينة جديدة في كثير من الأحيان مجموعة من المرات في الصف، للتأكد من أننا ضبط ما يكفي. في حالات أخذ العينات غير العادية لذلك أكثر ارتباطا سرعة التكيف من لمحتوى التردد انها لا تزال ذات الصلة، ولكن الملاحظات على محتوى التردد تنطبق أقل صرامة. كنت تريد عادة تنفيذ ذاكرة الصفيف كما يطفو - حتى لو كنت العودة إنتس - لتجنب المشاكل الناجمة عن أخطاء التقريب. أغلب المشكلة عندما ألفا الفرق نفسه الضرب العائمة هو أقل من 1، يصبح 0 في ترونكاتنغ يلقي إلى عدد صحيح على سبيل المثال، عندما يكون ألفا هو 0 01، فإن الاختلافات في الإشارة أصغر من 100 ستجعل لتعديل 0 عبر اقتطاع صحيح، لذلك لن يتكيف الفلتر أبدا مع قيمة أدك الفعلية. ويوجد لدى إما كلمة أس الأسية فيها لأن كل جديد المصفاة الانتاج يستخدم بشكل فعال جميع القيم قبل ذلك، وبشكل فعال مع الأزيز المتحللة أضعافا مضاعفة انظر وصلات ويكيبيديا لمزيد من المناقشة. المثال الجرافيكي. قطة من أردينوسكوب - الرسم البياني المتحرك، مع أحدث العينات على اليسار. العلامة الخام على رأس هو ثواني قليلة ق قيمتها من أخذ العينات أدك من دبوس العائمة، مع إصبع لمسها من الآن فصاعدا. والآخرون إصدارات منخفضة من ذلك، في زيادة نقاط القوة. بعض الأمور أن نلاحظ حول it. the شكل التكيف الأسي البطيء لردود مثل خطوة، مثل الكثير من مكثف الشحن - بسرعة إنتيالي، ثم أبطأ وأبطأ لأنها s متناسبة مع الفرق left. the قمع واحد سريع كبير المسامير الانحرافات. وهذا من الممكن بالتأكيد لتصفية أيضا من الصعب على الرغم من أن هذا الحكم يعتمد كثيرا على سرعة أخذ العينات والتردد محتوى التكيف احتياجاتك الغرض. في الصورة الثانية، وتأرجح كامل المدى يخرج في منتصف الطريق ليس كثيرا بسبب الترشيح، ولكن أيضا إلى حد كبير لأن معظم العينات الخام من هناك هي المشبعة في أي من نهاية مجموعة أدك s. On، وقطع التردد. هذا القسم المقال هو كعب ربما كومة من الملاحظات نصف فرزها، لم يتم فحصها جيدا قد يكون لها بت غير صحيحة لا تتردد في تجاهل وإصلاح ، أو قل لي. عامل التمهيد، نظريا بين 0 0 و 1 0، في الممارسة العملية عادة 0 2 وفي كثير من الأحيان 0 1 أو أصغر، لأن أعلاه أنك بالكاد تفعل أي تصفية. في دسب غالبا ما تقوم على. ث ريتن دت الفاصل الزمني بين عينات متبادلة من أخذ العينات rate. a اختيار الوقت تاو ثابت، ويعرف أيضا باسم أرسي يبدو هذا الأخير إشارة إلى المقاوم المقاوم زائد الدائرة مكثف، والذي أيضا لا لوباس على وجه التحديد، أرسي يعطي الوقت الذي رسوم مكثف to. If اخترت أرسي بالقرب من دت سوف تحصل على ألفاس أعلى than.0 5، وأيضا تردد قطع هذا هو بالقرب من تردد نيكيست يحدث في 0 666 تحقق، الذي يرشح القليل جدا أنه يجعل مرشح عديم الفائدة إلى حد ما. في الممارسة العملية سوف غالبا ما تختار أرسي التي هي على الأقل بضع مضاعفات من دت، وهو ما يعني أن هو على أمر من 0 1 أو أقل. عندما يحدث أخذ العينات في فترات صارمة على سبيل المثال للصوت، أرسي s العلاقة إلى ترددات محددة بشكل جيد على سبيل المثال، تردد الركبة حيث يبدأ السقوط، ما يقرب من تردد قطع، هو محدد جيدا، يجري. على سبيل المثال، عندما أرسي 0 002sec، وقطع هو at. At 200HZ، 2000HZ، و 20000Hz أخذ العينات، وهذا يجعل للالفاس من 0 7، 0 2، و 0 024، على التوالي أت نفس سرعة أخذ العينات أقل ألفا هو، أبطأ التكيف مع القيم الجديدة وأقل من فعالية قطع تردد تحقق. لأول الترتيب المنخفضة lowpass. at، والاستجابة تقريبا تقريبا flat. at هذا التردد الاستجابة هو - بدأت 3DB في الانخفاض في لينة الانحناء الركبة. أعلى الترددات أنه يسقط في 6db اوكتاف 20dB العقد. ارتفاع ترتيب الاختلافات تسقط بشكل أسرع ولها الركبة أصعب. ملاحظة سيكون هناك أيضا تحول المرحلة، والتي تتخلف عن المدخلات و يعتمد على تردد يبدأ في وقت سابق من سقوط السعة، وسوف يكون -45 درجة في التحقق من الركبة التحقق. أردوينو example. This القسم المقال هو كعب ربما كومة من الملاحظات نصف فرزها، لم يتم فحص جيدا لذلك قد يكون البتات غير صحيحة لا تتردد في تجاهل، إصلاح، أو قل لي. هذا هو نسخة من قطعة واحدة من الذاكرة، عندما كنت مهتما فقط في أحدث قيمة الانتاج.