如何保障传感器所收集数据的正确性

传感器降噪

在工业4.0的未来图景中，无论是智能工厂还是无人汽车，都需要在电子设备上安装传感器以收集相关数据，做出决策。例如，动态传感器会监测加速计、速率陀螺仪、磁力计和旋光度等数据，而静态传感器则读取温度、湿度、光和气压等数据。

这些实用设备的一大共同点是具有或大或小的输出噪声。这些输出噪声会导致传感器收集数据的不准确性，从而使机器出现故障，因此能够抑制噪声干扰，保障设备和传感器正常工作的噪声滤波器就至关重要。

何谓“噪声”？

最初人们把造成收音机这类音响设备所发出噪声的那些电子信号，称为“噪声”。但是，一些非目的的电子信号，对电子线路造成的后果并非都和声音有关。后来，人们将电路中除目的的信号以外的一切信号称为噪声。

电源噪声是电磁干扰的一种

其传导噪声的频谱大致为10kHz~30MHz，最高可达150MHz。电源噪声，特别是瞬态噪声干扰，其上升速度快、持续时间短、电压振幅度高、随机性强，对传感器易产生严重干扰。

静态传感器降噪

静态传感器一般用于环境监测，通常只需在较长的间隔内生成一次读数。例如气象站可能只需每隔15分钟读取一次气温、湿度、气压。其余时间，它以极低的功耗运行或进入休眠模式。

这类远程感应站通过电池或太阳能供电，并使用无线通信连接，测量速率较慢，因此可以使用简单的平均算法以排除随机噪声，无需精密的滤波。

动态传感器降噪

在各种移动设备中，人们通常使用陀螺仪和加速计来监测移动数据，然而这两种传感器各有缺陷，因此需要使用降噪滤波器“融合”二者，消除缺陷，生成单一的准确输出信号。

陀螺仪设备如果速度输出有小幅偏差，积分后会产生角度错误，时间越长时错误越严重，会产生“漂移”。而加速计响应变化的速度相对较慢，而且在有振动时，它们通常会产生很大的输出噪声。

例如 近年来，小型无人机深受科技爱好者和摄影师们的欢迎，但在在加速计和陀螺仪受到电子噪声干扰时，即使资深的无人机操作者也可能失控。因此专业无人机常常携带两个 GPS 模块，并且通过卡尔曼滤波器“融合”惯性测量单元，利用其自适应功能选择最佳传感器数据，忽略最差数据。

Kalman卡尔曼滤波器

卡尔曼滤波器算法于上个世纪60 年代推出，目的是去除干扰信号的零均值噪声，适用于任何可用线性公式描述的系统。它因用于 NASA 阿波罗制导计算机上运行的惯性导航程序而名声大噪。

如今，大多数噪声环境下的实时传感器驱动应用今天仍在使用它。卡尔曼滤波器使用看似简单的两步处理法来预测输出，然后将预测结果与测量结果对比，以更新下一次预测。同时，它还会更新与传感器测量相关“不确定”因素。

当下的时代是“万物互联”的时代，传感器的重要性正在凸显，传感器所收集的数据将会成为未来社会建设的基石。所以，保障传感器所收集数据的正确性，避免噪声干扰，是我们需要做的努力。

责任编辑：haq