经过运用先进的传感器
库，智能手机和平板OEM厂商就能让开发者可以追寻智能手机和用户的移动轨道。经过调查移动轨道，运用程序就能让用户与设备以立异、便利的手势进行交互。例如，当用户把手机放在耳朵周围的时分，程序就能主动接纳音频指令。
但是，最盛行的移动运用程序却不常用到传感器。运用程序开发者说用传感器很难，没错，这是由于传感器是用来衡量物理环境的，但没有好的主意或用法，这些丈量常常没有意义。
现在，传感器厂商认识到了算法和软件才是产品最基本的要素。独立的固件开发者开发了传感器库，不但能坚持传感器处在校准状况然后供给精确的导航，还能减轻外界电磁搅扰形成的影响。
一、在传感器运用中，咱们常常需求对传感器数据进行各种收拾，让运用取得更好的作用，以下介绍几种常用的简略处理办法：
1.加权滑润：滑润和均衡传感器数据，减小偶尔数据骤变的影响；
2.抽取骤变：去除静态和缓慢改变的数据布景，着重瞬间改变；
3.简略移动均匀线：保存数据流最近的K个数据，取均匀值；
二、加权滑润
运用算法如下：
（新值） = （旧值）*（1 – a） + X * a其间a为设置的权值，X为最新数据，程序完成如下：
float ALPHA = 0.1f;
public void onSensorChanged（SensorEvent event）{
x = event.values［0］;
y = event.values［1］;
z = event.values［2］;
mLowPassX = lowPass（x，mLowPassX）;
mLowPassY = lowPass（x，mLowPassY）;
mLowPassZ = lowPass（x，mLowPassZ）;
}
private float lowPass（float current，float last）{
return last * （1.0f – ALPHA） + current * ALPHA;
}
三、抽取骤变
选用上面加权滑润的逆算法。完成代码如下：
public void onSensorChanged（SensorEvent event）{
final float ALPHA = 0.8;gravity［0］ = ALPHA * gravity［0］ + （1-ALPHA） * event.values［0］;
gravity［1］ = ALPHA * gravity［1］ + （1-ALPHA） * event.values［1］;
gravity［2］ = ALPHA * gravity［2］ + （1-ALPHA） * event.values［2］;filteredValues［0］ = event.values［0］ – gravity［0］;
filteredValues［1］ = event.values［1］ – gravity［1］;
filteredValues［2］ = event.values［2］ – gravity［2］;
}
四、简略移动均匀线
保存传感器数据流中最近的K个数据，回来它们的均匀值。k表明均匀“窗口”的巨细；
完成代码如下：
public class MovingAverage{
private float circularBuffer［］; //保存传感器最近的K个数据
private float avg; //回来到传感器均匀值
private float sum; //数值中传感器数据的和
private float circularIndex; //传感器数据数组节点方位
private int count;public MovingAverage（int k）{
circularBuffer = new float［k］;
count= 0;
circularIndex = 0;
avg = 0;
sum = 0;
}
public float getValue（）{
return arg;
}
public long getCount（）{
return count;
}
private void primeBuffer（float val）{
for（int i=0;i《circularbuffer.length;++i）{
circularBuffer［i］ = val;
sum += val;
}
}
private int nexTIndex（int curIndex）{
if（curIndex + 1 》= circularBuffer.length）{
return 0;
}
return curIndex + 1;
}
public void pushValue（float x）{
if（0 == count++）{
primeBuffer（x）;
}
float lastValue = circularBuffer［circularIndex］;
circularBuffer［circularIndex］ = x; //更新窗口中传感器数据
sum -= lastValue; //更新窗口中传感器数据和
sum += x;
avg = sum / circularBuffer.length; //计算得传感器均匀值
circularIndex = nexTIndex（circularIndex）;
}
}
