Ein einfaches, einpoliges, flaches, rekursives IIR-Filter ist schnell und einfach zu implementieren, z. B. Wobei x, y die rohen (ungefilterten) XY-Beschleunigungssensoren sind, xf, yf die gefilterten Ausgangssignale sind und k die Zeitkonstante der Filter bestimmt (typischerweise ein Wert zwischen 0,9 und 0,9999, wobei ein größeres k eine längere Zeitkonstante bedeutet ). Sie können k empirisch ermitteln, oder wenn Sie die gewünschte Grenzfrequenz Fc kennen. Dann können Sie die Formel verwenden: wobei Fs die Abtastrate ist. Man beachte, daß xf, yf die vorherigen Werte des Ausgangssignals auf der RHS und die neuen Ausgangswerte auf der LHS des obigen Ausdrucks sind. Beachten Sie auch, dass wir hier davon ausgehen, dass Sie die Beschleunigungsmessersignale in regelmäßigen Zeitabständen abtasten, z. B. Alle 10 ms. Die Zeitkonstante ist eine Funktion sowohl von k als auch von diesem Abtastintervall. Ich finde den folgenden Code für eine einfache Implementierung eines Tiefpaßfilters. Definiere alpha 0.1 accelX (acceleration. x alpha) (accelX (1.0 - alpha)) Ich habe mit dem Wert für alpha experimentiert. Aber ich möchte wissen, wie genau wir diesen Wert für Accelerometer-Daten (in Android) finden können. Ich verstehe, dass wir die Abtastrate und die Grenzfrequenz benötigen würden. Wie kann ich die Cut-Off-Frequenz für diese Art von Daten zu finden (ich vermute, dies beinhaltet Rausch-Modellierung und die Suche nach seinem Frequenzbereich Wenn ja, wie soll ich es tun) gefragt 13. März um 5:52 Sein ein autoregressiver gleitender Durchschnitt - ein Unendliches Impulsantwortfilter. Beginnen Sie mit der Gleichung oben, nehmen Sie die z-Transformation, und das gibt den Frequenzgang. Es hat nichts mit dem Rauschmodell zu tun. Heres die freq Antwort für Alpha 0.9, wird die Frequenzachse von 0 zu Ihrer Nyquist-Frequenz (Hälfte Ihre Stichprobe freq) skaliert, die in Octave durch freqz (0.9, 1 -0.1) erzeugt wird. Was Sie haben, ist die Gleichung für ein einzelnes poliges Tiefpaßfilter . Dies ist das diskrete Äquivalent des analogen R-C-Filters. Während Ihre Gleichung korrekt ist, schreibe ich es gerne als FILT lt - FILT FF (NEW - FILT), da dies in den meisten Fällen etwas praktischer ist, um in einem Mikrocontroller zu realisieren. Normalerweise ist die Zeitbereichsansicht des Filters bei der Implementierung eines dieser in einem Mikrocontroller direkt einsetzbar. Die meisten der Zeit sind Sie mehr besorgt über Abtastrate und Reaktionszeit als die Frequenz rolloff. Allerdings kommt letzteres auf, weshalb ich einige Einrichtungen für die Manipulation dieses in meine PIC Preprozessor. Das Dokument-Snippet der beiden relevanten Inline-Funktionen ist: Ich arbeitete die Mathematik zu dem Zeitpunkt schrieb ich den Code für diese Funktionen, so Kranke nur verweisen Sie auf, anstatt es jetzt wieder ableiten: Die eigentliche Mathematik der FFFREQ-Funktion ist Nur zwei Zeilen Code, so können Sie es herausfinden. Wie es aussieht, stützt sich auf einige Definitionen am Anfang der Datei: Wenn Sie dies tun, auf einem PIC zu tun, möchten Sie vielleicht den Präprozessor zu verwenden. Es ist in der PIC Development Tools-Version auf embedincpicdload. htm enthalten. Der Quellcode für den Präprozessor ist im Host-Quellcode und alles Release enthalten. Was ist die Frage, die Sie versuchen, mit der Studie zu beantworten Die Beschleunigung Daten sicherlich braucht einen anderen Filter als die, die Sie hier verwendet haben. Die Kraft-Daten sehen okay, aber nicht sicher, wie Sie gefiltert haben. Ist dies mit einem 300-Punkte-gleitenden Durchschnitt würde ich nicht empfehlen, wo Sie haben Auswirkungen Kräfte, die von Interesse sein können. Die Frage dieser Studie. Kann ich mit Beschleunigungsmesser, um die Spitze der Macht ohne Kraft-Plattform zu beurteilen. Weil der Beschleunigungsmesser einen guten Vorteil hat (Wireless 500 m - klein - billiger als Kraftplattform - Rekordbodenreaktionskraft für jede Bewegung - macht Sportler frei, wenn er springt oder läuft).dies ist die erste Frage meiner Studie - zweite Frage Was ist der Unterschied zwischen drei Ebenen der Athleten in exklusive Macht mit Beschleunigungsmesser. Dies ist die Raw-Beschleunigungsmesser-Daten. i nicht verwenden einen Filter mit it. but Kraftplattform Daten wird automatisch mit der Software gefiltert. Ich werde Ihnen das Vergleichsbild zuweisen 1- Rohdaten für Beschleunigungsmesser 2- Beschleunigungssensor für gleitende Mittelwerte Daten für die Datenerfassung mit 300pt-force Die Berechnung der Spitzenleistung während eines Sprungs von den Beschleunigungsmesserdaten könnte sehr empfindlich auf die Trägheitscharakteristiken der Aufgabe sein. Die Masse muss irgendwo in die Berechnung eingehen, und in diesem Fall wird die Masse, die der Beschleunigungsmesser verfolgt, tatsächlich über die Zeit variieren. Dies könnte potentiell Messungen der Spitzenleistung, insbesondere beim Vergleich über verschiedene Themen verwechseln. Durchschnittliche Leistung über mehrere Sprünge könnte viel robuster sein, wie hier beschrieben: Ich bin mit Dr. Richards einverstanden, dass Sie wahrscheinlich einen Filter verwenden wollen, der den hochfrequenten Inhalt des Signals bewahrt. Wenn Sie Zugang zu Matlab haben, gibt es einige sehr leistungsfähige Filterwerkzeuge, die für Ihre Zwecke nützlich sein können. Ein rekursiver Butterworth-Filter wird oft verwendet, aber ich habe auch Erfolg mit Wavelet-Filterung, die sehr enge Bandbreiten von Rauschen entfernen können, ohne das Signal zu viel. Ich habe mehr als Filter versucht, aber alle Werte es Naht größer als Kraft-Plattform-Werte. Könnten Sie mir einen Gefallen bitte. Können Sie diese Daten mit dem richtigen Filter besitzen, weil ich nicht gut bin in diesem Bereich. Ich schicke Ihnen die Raw Accelerometer Daten mit (g unite Messung) 1 g 9,8 ms2 Abtastrate 1000 Hz seine Verwendung Anti-Aliasing-Filter analog zu digital 10 hz automatisch bilden Software. Athlet Masse 76 kg und Kraft-Plattform-Daten für diese Sportler 1000 Hz, sondern seine mit Anti-Aliasing-Filter analog zu digitalen 500 Hz automatisch bilden Software. Ich bin wirklich mit diesen Filtern verwechselt. Ich bin sehr geeignet, wenn Sie dies tun Besitz Der Beschleunigungsmesser der CoM mal Körpermasse, Fma, wird nicht geben Sie das gleiche wie die Kraftplatten, da es nicht die Trägheitseigenschaften an der unteren Extremität, die größere Trägheitskräfte erleben werden , Kraft auf Segmentmasse des Segmentes x Beschleunigung des Segments. Dies müsste für den Fuß, Schaft und Oberschenkel berücksichtigt werden. Ganz zu schweigen von Bewegungsartefakten und den Faktoren, die Sean richtig kennt. Der Grund, warum ich fragte, warum Sie das tun, ist der Schlüssel. Die Leistung ist nützlich, aber andere Maßnahmen von dem Beschleunigungsmesser könnten ebenso nützlich sein, z. B. Spitzenbeschleunigung, geleistete Arbeit (entspricht der durchschnittlichen Leistung Sean erwähnt) und Höhensprung können alle aus den Beschleunigungsmesserdaten geschätzt werden. Sie haben Recht Dr Richards. but kann ich die Spitze der Energie vom Höchstwert der Beschleunigung vorherzusagen. Ich meine die Spitze der Beschleunigung mit der Zeit wie Indikatoren für exklusive Macht als Gleichung P Fv i Beschleunigung hier als Indikator für Kraft und Zeit ist Indikator für Geschwindigkeit der Athlet, der einen großen Höhepunkt der Beschleunigung hat in wenig Zeit hat er hohe exklusive Macht PubMed Liefert 8 Papiere auf dem Querschlag-Beschleunigungsmesserquot. Sie sollten auch Sportdiskus suchen.
No comments:
Post a Comment