傳感器降噪

在工業4.0的未來圖景中，無論是智能工廠還是無人汽車，都需要在電子設備上安裝傳感器以收集相關數據，做出決策。例如，動態傳感器會監測加速計、速率陀螺儀、磁力計和旋光度等數據，而靜態傳感器則讀取溫度、濕度、光和氣壓等數據。

這些實用設備的一大共同點是具有或大或小的輸出噪聲。這些輸出噪聲會導致傳感器收集數據的不準確性，從而使機器出現故障，因此能夠抑制噪聲干擾，保障設備和傳感器正常工作的噪聲濾波器就至關重要。

何謂“噪聲”？

最初人們把造成收音機這類音響設備所發出噪聲的那些電子信號，稱為“噪聲”。但是，一些非目的的電子信號，對電子線路造成的后果并非都和聲音有關。后來，人們將電路中除目的的信號以外的一切信號稱為噪聲。

電源噪聲是電磁干擾的一種

其傳導噪聲的頻譜大致為10kHz~30MHz，最高可達150MHz。電源噪聲，特別是瞬態噪聲干擾，其上升速度快、持續時間短、電壓振幅度高、隨機性強，對傳感器易產生嚴重干擾。

靜態傳感器降噪

靜態傳感器一般用于環境監測，通常只需在較長的間隔內生成一次讀數。例如氣象站可能只需每隔15分鐘讀取一次氣溫、濕度、氣壓。其余時間，它以極低的功耗運行或進入休眠模式。

這類遠程感應站通過電池或太陽能供電，并使用無線通信連接，測量速率較慢，因此可以使用簡單的平均算法以排除隨機噪聲，無需精密的濾波。

動態傳感器降噪

在各種移動設備中，人們通常使用陀螺儀和加速計來監測移動數據，然而這兩種傳感器各有缺陷，因此需要使用降噪濾波器“融合”二者，消除缺陷，生成單一的準確輸出信號。

陀螺儀設備如果速度輸出有小幅偏差，積分后會產生角度錯誤，時間越長時錯誤越嚴重，會產生“漂移”。而加速計響應變化的速度相對較慢，而且在有振動時，它們通常會產生很大的輸出噪聲。

例如近年來，小型無人機深受科技愛好者和攝影師們的歡迎，但在在加速計和陀螺儀受到電子噪聲干擾時，即使資深的無人機操作者也可能失控。因此專業無人機常常攜帶兩個 GPS 模塊，并且通過卡爾曼濾波器“融合”慣性測量單元，利用其自適應功能選擇最佳傳感器數據，忽略最差數據。

Kalman卡爾曼濾波器

卡爾曼濾波器算法于上個世紀60 年代推出，目的是去除干擾信號的零均值噪聲，適用于任何可用線性公式描述的系統。它因用于 NASA 阿波羅制導計算機上運行的慣性導航程序而名聲大噪。

如今，大多數噪聲環境下的實時傳感器驅動應用今天仍在使用它。卡爾曼濾波器使用看似簡單的兩步處理法來預測輸出，然后將預測結果與測量結果對比，以更新下一次預測。同時，它還會更新與傳感器測量相關“不確定”因素。

當下的時代是“萬物互聯”的時代，傳感器的重要性正在凸顯，傳感器所收集的數據將會成為未來社會建設的基石。所以，保障傳感器所收集數據的正確性，避免噪聲干擾，是我們需要做的努力。

責任編輯：haq