通过利用先进的传感器库，智能手机和平板OEM厂商就能让开发者能够追踪智能手机和用户的移动轨迹。通过观察移动轨迹，应用程序就能让用户与设备以创新、方便的手势进行交互。例如，当用户把手机放在耳朵旁边的时候，程序就能自动接收音频指令。
然而，最流行的移动应用程序却不常用到传感器。应用程序开发者说用传感器很难，没错，这是因为传感器是用来度量物理环境的，但没有好的想法或用法，这些测量经常没有意义。
现在，传感器厂商意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，不但能保持传感器处在校准状态从而提供准确的导航，还能减轻外界电磁干扰造成的影响。
一、在传感器使用中，我们常常需要对传感器数据进行各种整理，让应用获得更好的效果，以下介绍几种常用的简单处理方法：
1.加权平滑：平滑和均衡传感器数据，减小偶然数据突变的影响；
2.抽取突变：去除静态和缓慢变化的数据背景，强调瞬间变化；
3.简单移动平均线：保留数据流最近的K个数据，取平均值；
二、加权平滑
使用算法如下：
（新值） = （旧值）*（1 - a） + X * a其中a为设置的权值，X为最新数据，程序实现如下：
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、抽取突变
采用上面加权平滑的逆算法。实现代码如下：
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、简单移动平均线
保留传感器数据流中最近的K个数据，返回它们的平均值。k表示平均“窗口”的大小；
实现代码如下：
public class MovingAverage{
private float circularBuffer［］; //保存传感器最近的K个数据
private float avg; //返回到传感器平均值
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位置
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 nex TI ndex（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; //计算得传感器平均值
circularIndex = nex TI ndex（circularIndex）;
}
}
