不会错过钟形曲线的平滑算法

Question

我正在编写一个安卓应用程序，用于测量位置变化的高度。

我想看看用户是上山还是下坡（在电梯或山地自行车上）。 当然，当你下山时，你会有小的上升，当你上山时，你可以稍微下降。

我有一个平滑算法，它取前十个高度读数的平均值和接下来十个高度读数的平均值，然后比较两者的增加或减少。

这大致具有我正在寻找的效果，除了它错过了钟形曲线之外，还有一些区域在普遍上涨中有所下降，我不想看到。

统计数据不是我的强项，但有没有更好的方法来平滑这些数据？

这是我的代码

qu="SELECT ID,SPEED,ALTITUDE,ISCLIMB from trip_data where tripid="+Tripid+" order by gmttimestamp;";
    c= db.rawQuery(qu, null);
    if(c!=null && c.moveToFirst())
    {
        int av=10;
        for(int i=av;i<c.getCount()-av;i++)
        {
            double prevAlt=0;
            double nxtAlt=0;
            for(int b=0;b<av;b++)
            {
                c.moveToPosition(i-b);
                prevAlt+=c.getDouble(2);
            }
            prevAlt/=av;
            lastAlt=curAlt;
            c.moveToPosition(i);
            int id=c.getInt(0);
            curSpeed=c.getDouble(1);
            curAlt=c.getDouble(2);
            for(int b=1;b<av+1;b++)
            {
                c.moveToPosition(i+b);
                nxtAlt+=c.getDouble(2);
            }
            nxtAlt/=av;
            int isC=0;
            Log.i("corrections", "preivous ="+prevAlt+" and the next is "+nxtAlt);
            db.execSQL("UPDATE TRIP_DATA set PREVALT ="+prevAlt+", NEXTALT="+nxtAlt+", DALT="+(curAlt-lastAlt)+" where id="+id+"");
            if(nxtAlt>prevAlt)
            {
                isC=1;
            }else
            {
                isC=0;
            }
            String ins="UPDATE trip_data set ISCLIMB="+isC+" where ID="+id+";";
            db.execSQL(ins);
            Log.i("corrections", ins);
        }

Answer 1

看看Savitsky-Golay过滤器。他们给每一点一个权重。

您甚至可以使用它们直接计算平滑的第一阶导数。

例如，要使用 5 点二次滤波器（数组中的所有点）从点 i 获取派生：

// coefficients for 5 point 1ste derative
// -2, -1, 0, 1, 2
// factor = 10
double derative = (point[x - 2] * -2 + point[x - 1] * -1 + point[x] * 0 + point[x + 1] * 1 + point[x + 2] * 2) / 10;