传感器测量怎么做才能稳定呢？

今天遇到一个网友问一个问题，他有一个传感器测量一个物理量，需要判断其变化趋势，我给了一些建议，这里将这个建议展开做些深入分析，并分享给大家。

本文想借此表达一下个人的一个观点，做开发如果遇到无法解决的难题，可以试着从数学的角度出发，看能否找到答案。

是个啥坑？一个项目中用到一个传感器测量一物理量，这里假定测量温度吧。需要判断其变化趋势，利用这个变化趋势去做一些应用。

那么要怎么判断一个物理量的变化趋势呢？我们能自然能想到去求取该随机序列的变化率。这里涉及到一些数序定义。随机序列有很多可能的来源，最为常见是模数采样。

这样将S（t）信号转换为离散信号序列S（n），那么对于当前时刻其斜率怎么求取呢？（这里忽略中间的过度态，仅将其看为线段相连，当然现实应用中如果有更高要求，可以做曲线拟合）

但是如果只判断，斜率极容易误判，比如下面这样的情况：

其斜率一会儿正，一会儿负，但是其总体趋势又是在增加的，所以只考察斜率显然不可取，获取需要在代码在加各种复杂的条件或者限值去判断。即使加这么多条件系统仍然可能表现的非常不健壮。

对于interwetten与威廉的赔率体系 信号2而言，趋势又在不断变化。那么怎么做才能稳定呢？先卖个关子？

函数的凹凸性凹函数凹函数是一个定义在某个向量空间的凸集C（区间）上的实值函数f。设f为定义在区间I上的函数，若对I上的任意两点x1《x2和任意的实数t属于（0，1），总有，

则称函数f为l上凹函数，有的书上也称为下凸函数。

如果把上述条件中的“≥”改成“》”，则叫做严格上凹函数，或叫做严格下凸函数。

上面是一维函数情况，这里来个2维函数的图，刚方便理解

凸函数设f为定义在区间I上的函数，若对I上的任意两点x1《x2和任意的实数t属于（0，1），上面不等式变成大于等于，则在该区间为凸函数。

可见，凹凸是相对的，如f（x）在某区间为凹，则-f（x）则在该区间为凸。

性质若一个函数在某区间二阶可导且大于0，则函数在该区间为凹函数

若一个函数在某区间二阶可导且小于0，则函数在该区间为凸函数

证明，这里就不推导了，可以利用拉格朗日中值定理可以推导出上面这个性质。

来看一下会动的图，加深一下理解：

函数从到切线为蓝色，曲线向上凹，绿色表示曲线是向下凹的，红色表示曲线的拐点。

sin（2x）的一阶导数为：

sin（2x）的二阶导数为：

回到坑里通过上面装逼，是否可以利用离散序列的求导数来判断传感器的变化趋势。啥？导数？又要开始表演了？

前面说了一阶导数是这样的：

那么二阶导数是哪样捏？

化简一下：

其中S［n］表示当前测量点，S［n-1］表示前一个测量点，S［n-2］表示前第2个测量点。应为+S［n-2］

上代码#include 《stdio.h》

#include 《math.h》

#include 《string.h》

typedef struct _T_2ND_DRV

float xn1;

float xn2;

}t_2ND_DRV;

typedef struct _T_1ST_DRV

float xn1;

}t_1ST_DRV;

void init_second_derivative（t_2ND_DRV *pSndDrv）

pSndDrv-》xn1 = 0;

pSndDrv-》xn2 = 0;

float second_derivative（t_2ND_DRV *pSndDrv， float xn，float T）

float result=0.0f;

if（T《=0）

return 0x7FBFFFFF; /*非法数据*/

result = （xn-2*pSndDrv-》xn1+pSndDrv-》xn2）/T/T;

pSndDrv-》xn2 = pSndDrv-》xn1;

pSndDrv-》xn1 = xn;

return result;

void init_fisrt_derivative（t_1ST_DRV *p1stDrv）

p1stDrv-》xn1 = 0;

float fisrt_derivative（t_1ST_DRV *p1stDrv， float xn，float T）

float result=0.0f;

if（T《=0）

return 0x7FBFFFFF; /*非法数据*/

result = （xn-p1stDrv-》xn1）/T;

p1stDrv-》xn1 = xn;

return result;

#define PI 3.1415f

#define SAMPLE_RATE 500.0f

#define SAMPLE_T （1/SAMPLE_RATE）

#define SAMPLE_SIZE （100）

int main（）

float sim1［SAMPLE_SIZE］;

float sim2［SAMPLE_SIZE］;

float out1［SAMPLE_SIZE］;

float out2［SAMPLE_SIZE］;

t_2ND_DRV sndDrv;

t_1ST_DRV frtDrv;

init_fisrt_derivative（&frtDrv）;

init_second_derivative（&sndDrv）;

FILE *pFile=fopen（“。/simulationSin.csv”，“wt+”）;

if（pFile==NULL）

printf（“simulationSin.csv opened failed”）;

return -1

for（int i=0;i《SAMPLE_SIZE;i++）

sim1［i］=10*sin（2*PI*10*i/500）;

for（int i=0;i《SAMPLE_SIZE;i++）

out1［i］=fisrt_derivative（&frtDrv，sim1［i］，SAMPLE_T）;

out2［i］=second_derivative（&sndDrv，sim1［i］，SAMPLE_T）;

fprintf（pFile，“%f，%f，%f

sim1［i］，out1［i］，out2［i］）

fclose（pFile）;

return 0;

忽略前两个点，利用excel生成曲线：

从图中可看出：

一阶导数为正时，函数递增趋势；

一阶导数为负时，函数递减趋势；

二阶导数为0时，出现拐点，趋势改变；此时如果左右两侧的一阶导符号相反，则出现极值。

二阶导数为负时，其一阶导数也即原函数斜率规律单调减，二阶导数为正时，其一阶导数也即原函数斜率规律单调增。

再进一步：

一阶导数与二阶导数结合起来看，就可以看出测量值变化趋势的趋势，比如在前1/4周期，此区间变换趋势为增，也即一阶导数为正，而其二阶导数为负，也可以看出递增的趋势是逐渐减小到0的。

代码优化如果只是做定性判断，上述函数，完全没必要与采样周期做除法，只需要考察其增量即可，代码可优化如下：

typedef struct _T_2ND_DRV

float xn1;

float xn2;

}t_2ND_DRV;

typedef struct _T_1ST_DRV

float xn1;

}t_1ST_DRV;

void init_second_derivative（t_2ND_DRV *pSndDrv）

pSndDrv-》xn1 = 0;

pSndDrv-》xn2 = 0;

float second_derivative（t_2ND_DRV *pSndDrv， float xn）

float result=0.0f;

result = xn-2*pSndDrv-》xn1+pSndDrv-》xn2;

pSndDrv-》xn2 = pSndDrv-》xn1;

pSndDrv-》xn1 = xn;

return result;

void init_fisrt_derivative（t_1ST_DRV *p1stDrv）

p1stDrv-》xn1 = 0;

float fisrt_derivative（t_1ST_DRV *p1stDrv， float xn）

float result=0.0f;

result = xn-p1stDrv-》xn1;

p1stDrv-》xn1 = xn;

return result;

意外收获这里意外引入一个可能很多人没注意的知识点NaN，在计算中，NaN代表非数字，是数字数据类型的成员，可以将其解释为不确定的或无法表示的值，尤其是在浮点运算中。1985年，IEEE 754浮点标准引入了NaN的系统使用，并表示了其他无限量（如无穷大）。

前述函数返回0x7FBFFFFF，也就是表示无穷大。

不同的操作系统和编程语言可能具有NaN的不同字符串表示形式：

nan

NaN

NaN%

NAN

NaNQ

NaNS

qNaN

sNaN

1.#SNAN

1.#QNAN

-1.#IND

实际上，由于编码的NaN具有符号，因此通常也可以在NaN的字符串表示中找到它们，例如：

-NaN

NaN12345

-sNaN12300

-NaN（s1234）

工程应用这里给出我的建议方案：

将传感器信号经由电路处理，模数采样，在进入前级数字滤波器，滤除不必要的噪声，在进行一阶/二阶求导。对于一阶和二阶求导再做一级移动平均滤波，最后在按照上面描述进行判别变化趋势，则个人认为基本就比较健壮了。实际移动均值滤波长度不宜选择过长，否则响应就比较滞后了。不能对传感器的变化趋势做出实时的判别。加了后级均值滤波器，则会消除由于波形忽上忽下的随机噪声干扰影响，使得系统判别更为健壮，实际滤波器长度需根据不同的场合进行调试优化。或者也可以选择别的IIR/FIR滤波器形式实现。

总结一下做为嵌入式er编程，有时候有必要去看看数学书，了解一下数学原理的背后故事，可能会给你带来意想不到的作用哦。
责任编辑:pj