17、数据收集与处理的实用技术与应用

数据收集与处理的实用技术与应用

1. 线性模型与数据校准

在数据处理中，我们可以使用线性模型来描述数据。以 ir_data.csv 文件为例，我们将 pairs 列表作为 linest() 函数的参数，该函数会返回相关性 r 以及线性模型的参数 alpha 和 beta 。计算 r² 值能显示线性模型所解释的方差比例。对于 ir_data.csv 文件，输出结果如下：

r² = 0.8267
d = -0.12588*raw + 43.90

这表明该公式能预测82%的值。我们可以在Arduino中实现这个公式，从而报告实际距离而非原始电压测量值，这只需对代码进行小修改即可完成额外的距离计算。

校准测量和数据收集设备的步骤如下：
1. 进行一些受控实验以收集数据点。
2. 进行基本统计分析，确定数据的可用部分。
3. 创建线性模型来描述数据。

基于这个校准过程，我们可以修改设备中的软件，持续收集和分析原始数据，确保设备结果有意义。

2. 使用简单滤波器减少噪声

为减少输出的变异性，我们可以使用原始值的移动平均值。指数加权移动平均（EWMA）算法能抑制数据中的小扰动，提供更稳定的读数。

EWMA算法中，加权数据点的核心计算如下： <