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
-
传感器
+关注
关注
2548文章
50660浏览量
751836 -
滤波器
+关注
关注
160文章
7727浏览量
177655
原文标题:欧时课堂 | 利用噪声滤波器为传感器降噪
文章出处:【微信号:欧时电子RS,微信公众号:欧时RS】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论