基于Android的智能手机测量风向的应用设计和开发

摘要

风对于许多户外运动发挥着重要作用。例如帆船运动中，只有爱好者掌握风向后，才可以正确调整风帆，最大限度利用风力。然而，专业的测风设备对于业余使用者来说，成本高又不便于携带。随着内置传感器的日益丰富，智能手机在环境感知方面出现了越来越多的应用。当前的智能手机，已经具备指南针、气压计和计步器等设备的功能。综合利用多个传感器的数据，智能手机可以挖掘出更多的创新功能。
　　本文创造性地提出了基于手机麦克风和姿态传感器的风向测量方案。文中首先建立了风引起的噪声和风与麦克风夹角两者之间的关系模型。通过实验，我们观察到风从对称角度吹向麦克风产生的噪声相似。入射角均匀变化下，记录的风噪声具有对称特性，对称轴对应于风向角度。其次，文中统计了风噪声最强频点的分布规律，确定了噪声滤波的通带。然后，文中提出了二次采样方法，恢复声音信号中的对称特性。最后，本文设计了基于卷积的循环自卷积(CAC)算法，定位序列中的对称轴。区别于一般的模式识别，该算法轻便简单，不需要标记和训练，适用于资源受限的移动终端。
　　本文在Android平台上设计和实现了Wind Compass原型。使用Wind Compass时，用户需要转动手机，以收集各个入射角下的风噪声。文中提出两种转动方式，步进电机转动的自动模式和手转动的手动模式。我们分别在室内外环境下，测试了Wind Compass的效果，分析了影响测量误差的各个因素。室内环境下，自动模式的平均误差小于3°，手动模式小于10°。室外环境下，风速风向稳定时，平均测量误差小于20°。

目录

声明

致谢

摘要

图目录

第一章 绪论

1．1 课题研究背景

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 论文研究意义与主要内容

1．3．1 研究意义

1．3．2 研究内容

第二章 智能手机传感器

2．1 麦克风传感器

2．1．1 MEMS麦克风简介

2．1．2 MEMS麦克风的结构和关键参数

2．2 姿态传感器

2．3 其他传感器

2．4 本章小结

第三章 风噪声与入射角的关系模型

3．1 风噪声

3．2 对称性

3．3 实验验证

3．4 方法概述

3．5 本章小结

第四章 算法设计

4．1 记录原始数据

4．2 数据预处理

4．2．1 噪声滤波

4．2．2 二次采样

4．3 定位对称轴

4．3．1 循环自卷积函数

4．3．2 定位对称轴算法

4．4 确定风向

4．5 本章小结

第五章 Android应用开发

5．1 Android平台

5．2 Android应用组件

5．2．1 活动(Activity)

5．2．2 服务(Service)

5．2．3 广播接收器(Broadcast Receiver)

5．2．4 内容提供器(Content Provider)

5．2．5 事件(Intent)

5．3 Android应用软件开发

5．3．1 Android应用程序特点

5．3．2 应用层软件开发的关键问题

5．3．3 Android开发环境的搭建

5．4 程序实现

5．4．1 程序流程

5．4．2 Android API

5．5 本章小结

第六章 测量结果分析

6．1 实验设置

6．1．1 测试条件

6．1．2 评价标准

6．2 自动模式

6．2．1 转动周数

6．2．2 转动角度

6．2．3 转动速度

6．2．4 手机类型

6．3 手动模式

6．3．1 转动次数

6．3．2 背景噪声

6．4 室外测试

6．5 本章小结

第7章 总结与展望

7．1 工作总结

7．2 研究不足与展望

参考文献

作者简介