Movimiento Promedio Arduino

Estoy trabajando en un robot móvil controlado a través de un enlace inalámbrico de 2,4 GHz. El receptor está conectado al Arduino Uno que sirve a bordo como el controlador principal. El canal de entrada más crítico (y principal) procedente del receptor produce una señal muy ruidosa, lo que conduce a muchos cambios menores en la salida de los actuadores, aunque éstos no son necesarios. Estoy buscando bibliotecas que pueden realizar suavizado eficiente. ¿Hay alguna señal de suavizado de las bibliotecas disponibles para el Arduino (Uno) preguntó Feb 16 14 a las 13:57 Creo que veo un montón de picos de ruido de una sola muestra en su señal ruidosa. El filtro mediano hace mejor en deshacerse de picos de ruido de una sola muestra que cualquier filtro lineal. (Es mejor que cualquier filtro de paso bajo, promedio móvil, promedio móvil ponderado, etc., en términos de su tiempo de respuesta y su capacidad para ignorar tales valores extremos de picos de ruido de una sola muestra). De hecho, hay muchas bibliotecas de suavizado de señal para el Arduino, muchas de las cuales incluyen un filtro mediano. Bibliotecas de suavizado de señales en arduino. cc: bibliotecas de suavización de señales en github: ¿Funcionaría algo así en tu robot (La mediana de 3 requiere muy poca potencia de CPU, y por lo tanto rápida): Podrías filtrar esto digitalmente usando un valor bajo Filtro de paso: Cambie el 0.99 para cambiar la frecuencia de corte (más cerca de 1.0 es la frecuencia más baja). La expresión real para ese valor es exp (-2pif / fs) donde f es la frecuencia de corte que desea y fs es la frecuencia en la que se muestrea la información. Otro tipo de filtro digital es un filtro de eventos. Funciona bien en datos que tienen valores extremos, p. 9,9,8,10,9,25,9. Un filtro de eventos devuelve el valor más frecuente. Estadísticamente este es el modo. Los promedios estadísticos como Media, Modo etc. se pueden calcular utilizando la Biblioteca media de Arduino. Un ejemplo tomado de la página de la biblioteca de Arduino referido a: Actualmente estoy desarrollando un sistema gráfico del LCD para exhibir temperaturas, flujos, tensiones, energía y energía en un sistema de bomba de calor. El uso de un LCD gráfico significa que la mitad de mi SRAM y 75 de mi flash se han utilizado por un buffer de pantalla y cadenas. Actualmente estoy mostrando valores mínimos / máximos / promedio de energía A medianoche, cuando se restablece la figura diaria, el sistema comprueba si el consumo del día está por encima o por debajo del mínimo o máximo anterior y almacena el valor. El promedio se calcula dividiendo el consumo acumulado de energía por el número de días. Quisiera mostrar el promedio diario durante la semana y el mes pasados ​​(4 semanas para la simplicidad) es decir un promedio móvil. En la actualidad, esto implica mantener una matriz de valores para los últimos 28 días y calcular un promedio en toda la matriz de mensual y los últimos 7 días para la semana. Al principio estaba haciendo esto usando una matriz de flotadores (como la energía está en la forma 12.12kWh), pero esto estaba usando 28 4 bytes 112 bytes (5.4 de SRAM). No me importa tener un solo punto decimal de resolución, así que cambié a usar uint16t y multiplicar la cifra por 100. Esto significa que 12.12 está representado como 1212, y divido por 100 para fines de visualización. El tamaño de la matriz es ahora de 56 bytes (mucho mejor). No hay manera trivial de reducir la figura a una uint8t que puedo ver. Podría tolerar la pérdida de un lugar decimal (12.1kWh en lugar de 12.12kWh), pero el consumo es frecuentemente superior a 25.5kWh (255 es el valor más alto representado por un entero sin signo de 8 bits). El consumo nunca ha estado por debajo de 10.0kWh o por encima de 35.0kWh, así que concebiblemente podría restar 10 de las cifras almacenadas, pero sé que un día superaremos estos límites. A continuación, probé el código para empaquetar valores de 9 bits en una matriz. Esto da un rango de 0-51.2kWh y usa 32 bytes en total. Sin embargo, acceder a una matriz como ésta es bastante lento, especialmente cuando tiene que iterar sobre todos los valores para calcular un promedio. Así que mi pregunta es - ¿hay una forma más eficiente de calcular una media móvil con tres ventanas - vida útil, 28 días y 7 días Eficiencia significa menor en términos de uso SRAM, pero sin la pena de código enorme. ¿Puedo evitar el almacenamiento de todos los valores que se me ha preguntado 7 de marzo a las 8:32 He estado pensando y usted tiene razón. Así que técnicamente hace mi respuesta incorrecta. I39m invertir más tiempo y paciencia en él. Tal vez algo fuera de la caja. Le haré saber si encuentro algo. Hacemos algo como esto mucho en mi lugar de trabajo. Déjame preguntar por ahí. Perdón por la confusión. Ndash Aditya Somani Mar 8 14 at 17:15 hay una manera más eficiente de calcular una media móvil con. 28 días y 7 días. Necesitando recordar 27 días de historia. En otras palabras, en lugar de almacenar todos los detalles de cada día durante los últimos 27 días, (a) almacenar 7 o más valores de información diaria detallada para el pasado 7 o así días, y también (b) almacenar 4 o así resumieron los valores de la información total o media para cada uno de los últimos 4 semanas o más. Esta es una colección de rutinas para realizar el análisis matemático de matrices de números. Soporte de funciones actuales: Todas las funciones están completamente sobrecargadas para admitir los siguientes tipos de datos: Con la excepción de stddev (), todos devuelven el mismo tipo de datos que el array. Una matriz de valores int devuelve un solo int. Stddev () devuelve siempre un flotador. Todas las funciones excepto rollingAverage () toman dos argumentos. La primera es la matriz para trabajar. El segundo es el número de entradas en la matriz. RollingAverage () toma un tercer argumento - la nueva entrada para agregar a la matriz. Rolling average Formato: average rollingAverage (historyarray, slicecount, value) Añade valor a la matriz historyarray desplazando todos los valores en un lugar. Luego se devuelve el promedio. Formato medio: promedio medio (array, slicecount) Calcula la media de los valores en array. Slicecount es el número de entradas en la matriz. Modo Formato: modo medio (array, slicecount) Encuentra el número más común en la matriz. Máximo formato: max máximo (array, slicecount) Encuentra el valor más grande en la matriz. Formato mínimo: min mínimo (array, slicecount) Encuentra el valor más pequeño en el array. Desviación estándar Formato: desviación stddev (array, slicecount) La desviación estándar es la raíz cuadrada de la media de la suma de los cuadrados de la diferencia entre cada punto de datos y la media media de la matriz. Esta es la única función que no devuelve el mismo tipo de datos que la matriz. La desviación estándar siempre se devuelve como un flotador. Ejemplo: Compartir