半径分析原始数据的数据筛选方法及装置、存储介质与流程

[0001]
本申请涉及数据处理技术领域，尤其涉及一种半径分析原始数据的数据筛选方法及装置、计算机可读存储介质。


背景技术：

[0002]
现代化技术的提升使得汽车的数目日益增加，安全性能一直是汽车最重要的保证部分。而轮胎又是汽车很重要的部分，轮胎的性能中需要考虑的主要因素便是轮胎的胎压，汽车的行驶的过程中，胎压过高或过低的胎压都会造成存在一定的隐患。因此在汽车的行驶时监测胎压便显得非常重要。轮胎压力监测系统即tpms，就是一种实时监测轮胎气压情况，并对异常情况如低气压情况和漏气情况进行报警，进而确保汽车与司机的行驶安全的一套系统。
[0003]
对汽车的轮胎压力进行监测的系统目前有两种主要的形式：直接式tpms和间接式tpms。直接式tpms的工作原理为设置传感器通过监测胎压的具体数值，在漏气导致胎压降低时，便可以进行报警。而间接式tpms的工作原理是通过算法计算，对车辆的车轮的行驶半径和频谱进行计算分析，从而实现胎压的监测。比较之下，直接式tpms可以实时的了解具体信息，可以更直接的得到汽车胎压的信息。但是，直接式tpms的缺点是传感器易受损，并且维护比较的繁琐，所以成本较高。而间接式tpms的成本较低，维护容易，但间接式胎压监测的基础在于对大量数据的测试，结果的准确性在于计算过程中对大量数据的删选确保计算的数据都是有效数据。


技术实现要素：

[0004]
本申请实施例通过提供一种半径分析原始数据的数据筛选方法及装置、计算机可读存储介质，解决了传统技术中无法对数据进行实时筛选的问题，通过实时计算数据的标准差或方差，实现了对数据的实时筛选，保证了数据的有效性。
[0005]
本申请实施例提供了一种半径分析原始数据的数据筛选方法，所述方法包括：
[0006]
实时获取需要筛选的数据并采用递推计算的方式计算所述数据的近似平均值；
[0007]
基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差；
[0008]
利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选。
[0009]
在一实施例中，所述数据为车轮的行驶半径和频谱。
[0010]
在一实施例中，所述采用递推计算的方式计算所述数据的近似平均值的步骤包括：
[0011]
采用数字低通滤波算法对所述数据及之前求得的平均值进行递推计算，得到所述数据的近似平均值。
[0012]
在一实施例中，所述基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差的步骤包括：
[0013]
采用数字低通滤波算法对所述数据及之前求得的平均值和标准差进行递推计算，得到所述数据的近似标准差；或
[0014]
采用数字低通滤波算法对所述数据及之前求得的平均值和方差进行递推计算，得到所述数据的近似方差。
[0015]
在一实施例中，所述利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选的步骤包括：
[0016]
根据所述近似平均值、近似标准差或近似方差设定数据的取值范围；
[0017]
利用所述取值范围对所述数据进行筛选。
[0018]
在一实施例中，所述根据所述近似平均值、近似标准差或近似方差设定数据的取值范围的步骤包括：
[0019]
以所述近似平均值与近似标准差或近似方差之和作为数据的取值上限，并以所述近似平均值与近似标准差或近似方差之差作为数据的取值下限。
[0020]
在一实施例中，所述根据所述近似平均值、近似标准差或近似方差设定数据的取值范围的步骤还包括：
[0021]
通过在所述取值上限上加上特定值并在所述取值下限上减去所述特定值来更新数据的取值范围。
[0022]
在一实施例中，所述方法还包括：
[0023]
根据历史数据筛选结果对所述特定值进行更新。
[0024]
本申请实施例还提供了一种装置，所述装置包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的数据筛选程序，所述数据筛选程序被所述处理器执行时实现如上述的半径分析原始数据的数据筛选方法的步骤。
[0025]
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有数据筛选程序，所述数据筛选程序被处理器执行时实现如上述的半径分析原始数据的数据筛选方法的步骤。
[0026]
本申请实施例中提供的一种半径分析原始数据的数据筛选方法及装置、计算机可读存储介质的技术方案，至少具有如下技术效果：
[0027]
由于采用了实时获取需要筛选的数据并采用递推计算的方式计算所述数据的近似平均值；基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差；利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选的技术手段。所以，有效解决了传统技术中无法对数据进行实时筛选的问题，通过实时计算数据的标准差或方差，实现了对数据的实时筛选，保证了数据的有效性。
附图说明
[0028]
图1为本申请实施例涉及的装置的结构示意图；
[0029]
图2为本申请半径分析原始数据的数据筛选方法的第一实施例的流程示意图；
[0030]
图3为本申请半径分析原始数据的数据筛选方法的第二实施例的流程示意图；
[0031]
图4为本申请半径分析原始数据的数据筛选方法的第三实施例的流程示意图。
具体实施方式
[0032]
本申请为了解决传统技术中无法对数据进行实时筛选的问题，采用了实时获取需要筛选的数据并采用递推计算的方式计算所述数据的近似平均值；基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差；利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选的技术方案。通过实时计算数据的标准差或方差，实现了对数据的实时筛选，保证了数据的有效性。
[0033]
为了更好地理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
[0034]
结合图1所示，其为本申请各个实施例中涉及的装置的一种硬件结构示意图，所述装置可以包括：处理器101、存储器102、输入单元103，输出单元104等部件。本领域技术人员可以理解，图1所示的装置的硬件结构并不构成对所述装置的限定，所述装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0035]
下面结合图1对所述装置的各个部件进行具体的介绍：
[0036]
处理器101是装置的控制中心，连接整个装置的各个部分，通过运行或执行存储在存储器102内的程序，以及调用存储在存储器102内的数据，执行装置的各种功能或对数据进行处理，从而对装置进行整体监控。
[0037]
存储器102可用于存储装置的各种程序以及各种数据。存储器102主要包括存储程序区和存储数据区，其中，存储程序区至少存储了进行数据筛选所需的程序；存储数据区可以存储装置的各种数据。此外，存储器102可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件或其他易失性固态存储器件。
[0038]
输入单元103可用于输入需要进行数据筛选的数据。
[0039]
输出单元104可用于输出已经进行数据筛选的数据。
[0040]
在本申请实施例中，处理器101可以用于调用存储在存储器102中的数据筛选程序，并执行以下操作：
[0041]
实时获取需要筛选的数据并采用递推计算的方式计算所述数据的近似平均值；
[0042]
基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差；
[0043]
利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选。
[0044]
在一实施例中，所述数据为车轮的行驶半径和频谱。
[0045]
在一实施例中，处理器101可以用于调用存储在存储器102中的数据筛选程序，并执行以下操作：
[0046]
采用数字低通滤波算法对所述数据及之前求得的平均值进行递推计算，得到所述数据的近似平均值。
[0047]
在一实施例中，处理器101可以用于调用存储在存储器102中的数据筛选程序，并执行以下操作：
[0048]
采用数字低通滤波算法对所述数据及之前求得的平均值和标准差进行递推计算，得到所述数据的近似标准差；或
[0049]
采用数字低通滤波算法对所述数据及之前求得的平均值和方差进行递推计算，得到所述数据的近似方差。
[0050]
在一实施例中，处理器101可以用于调用存储在存储器102中的数据筛选程序，并执行以下操作：
[0051]
根据所述近似平均值、近似标准差或近似方差设定数据的取值范围；
[0052]
利用所述取值范围对所述数据进行筛选。
[0053]
在一实施例中，处理器101可以用于调用存储在存储器102中的数据筛选程序，并执行以下操作：
[0054]
以所述近似平均值与近似标准差或近似方差之和作为数据的取值上限，并以所述近似平均值与近似标准差或近似方差之差作为数据的取值下限。
[0055]
在一实施例中，处理器101可以用于调用存储在存储器102中的数据筛选程序，并执行以下操作：
[0056]
通过在所述取值上限上加上特定值并在所述取值下限上减去所述特定值来更新数据的取值范围。
[0057]
在一实施例中，处理器101可以用于调用存储在存储器102中的数据筛选程序，并执行以下操作：
[0058]
根据历史数据筛选结果对所述特定值进行更新。
[0059]
本实施例根据上述技术方案，采用了实时获取需要筛选的数据并采用递推计算的方式计算所述数据的近似平均值；基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差；利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选的技术手段。所以，有效解决了传统技术中无法对数据进行实时筛选的问题，通过实时计算数据的标准差或方差，实现了对数据的实时筛选，保证了数据的有效性。
[0060]
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0061]
结合图2所示，在本申请的第一实施例中，本申请的半径分析原始数据的数据筛选方法具体包括以下步骤：
[0062]
步骤s110，实时获取需要筛选的数据并采用递推计算的方式计算所述数据的近似平均值。
[0063]
在本实施例中，所述数据可以是车轮的行驶半径和频谱，也可以是其他实时更新且需要进行实时筛选的数据。而通过实时获取需要筛选的车轮的行驶半径和频谱数据并对所述数据进行实时筛选，可以去除所述数据中偏差过大的数据，以确保后续计算时的准确性，保证最终得到的胎压估计结果的准确性。本申请的半径分析原始数据的数据筛选方法采用的是通过计算数据的平均值、标准差或方差来对所述数据进行筛选。但是在数学上通常采用的计算标准差和方差的方法需要将所有数据进行一次性计算来得到最终结果，然而本申请中需要筛选的数据是实时更新的数据，数据量一直在增加，直接采用上述的计算方法既麻烦又不好实现。因此，本申请的半径分析原始数据的数据筛选方法采用了计算近似值的方法，来便捷地得到所述数据的标准差和方差，即使用递推计算的方法代替常用的一次性计算标准差和方差的方法。通过这种方法，可以降低计算的难度和计算的时间，从而能够确保最终结果的及时性。而在计算近似标准差和近似方差之前，首先需要采用递推计算
的方式计算所述数据的近似平均值，即利用上一时刻求得的平均值和当前获得的数据来计算当前时刻的近似平均值。
[0064]
步骤s120，基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差。
[0065]
在本实施例中，在计算得到了所述数据的近似平均值之后，则可以进一步基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差，即利用上一时刻求得的平均值、标准差和当前获得的数据来计算当前时刻的近似标准差或利用上一时刻求得的平均值、方差和当前获得的数据来计算当前时刻的近似方差。其中，所述近似标准差和近似方差的计算方法并不是一般数学意义上的标准的标准差和方差的计算方法，而是采用递推计算的方式计算得到的基于之前求得的所述近似平均值，相对于所述近似平均值而言的标准差和方差。在一实施例中，所述递推计算的方式可以是数字低通滤波算法。
[0066]
步骤s130，利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选。
[0067]
在本实施例中，利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选可以去除所述数据中偏差过大的数据，以确保利用所述数据进行后续计算时的计算准确性，并保证最终计算得到的结果的准确性。一般来说，利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选可以是利用所述近似平均值和所述近似标准差或者利用所述近似平均值和所述近似方差来确定出一个数据的取值范围，从而利用该取值范围来对所述数据进行选取。而对于所述取值范围的选取，通常可以使用所述近似平均值加上所述近似标准差或者近似方差来作为取值上限，使用所述近似平均值减去所述近似标准差或者近似方差来作为取值下限。在一实施例中，为了保证数据的选取数量，还可以在所述取值上限上加上一个特定值，并在所述取值下限上减去一个特定值。
[0068]
上述方法的有益效果为采用了实时获取需要筛选的数据并采用递推计算的方式计算所述数据的近似平均值；基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差或近似方差；利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选的技术方案。所以，有效解决了传统技术中无法对数据进行实时筛选的问题，通过实时计算数据的标准差或方差，实现了对数据的实时筛选，保证了数据的有效性。
[0069]
结合图3所示，在本申请的第二实施例中，本申请的半径分析原始数据的数据筛选方法具体包括以下步骤：
[0070]
步骤s211，实时获取需要筛选的数据并采用数字低通滤波算法对所述数据及之前求得的平均值进行递推计算，得到所述数据的近似平均值。
[0071]
在本实施例中，在实时获取得到了需要筛选的数据之后，可以采用数字低通滤波算法对所述数据及之前求得的平均值进行递推计算，来得到所述数据的近似平均值。通过采用数字低通滤波算法实时计算数据的近似平均值，可以得到数据的大致变化趋势。在一实施例中，所述数字低通滤波算法的公式可以如下所示：
[0072]
s_mean(i+1)＝[s-s_mean(i)]/k+s_mean(i)
[0073]
其中，s_mean(i+1)为当前时刻所求的近似平均值，s_mean(i)为上一时刻求得的平均值，s为当前时刻获得的数据，k为滤波系数。对于滤波系数k的取值，若其取值较大，则所述近似平均值的变化速度慢，但所述近似平均值会更精准一些；若其取值较小，则所述近似平均值的变化速度快，但所述近似平均值的波动范围会更大一些。通过该公式最终求得
的近似平均值为数学上求取的平均值的一定倍数，其主要与滤波系数的取值相关，但是在本申请的半径分析原始数据的数据筛选方法中将其计算结果作为近似平均值来进行数据筛选是可以接受的。
[0074]
步骤s221，采用数字低通滤波算法对所述数据及之前求得的平均值和标准差进行递推计算，得到所述数据的近似标准差。
[0075]
在本实施例中，在计算得到所述数据的近似平均值之后，可以采用数字低通滤波算法对所述数据及之前求得的平均值和标准差进行递推计算，来得到所述数据的近似标准差。通过采用数字低通滤波算法实时计算数据的近似标准差，可以得到数据的大致波动范围的变化。在一实施例中，所述数字低通滤波算法的公式可以如下所示：
[0076]
s_sd(i+1)＝[|s-s_mean(i)|-s_sd(i)]/k+s_sd(i)
[0077]
其中，s_sd(i+1)为当前时刻所求的近似标准差，s_mean(i)为上一时刻求得的平均值，s_sd(i)为上一时刻求得的标准差，s为当前时刻获得的数据，k为滤波系数。对于滤波系数k的取值，其标准与步骤s211中计算近似平均值的滤波系数的标准相同。通过该公式最终求得的近似标准差为数学上求取的标准差的一定倍数，但是其在表示数据在一定时间内波动的含义与数学意义上的标准差是相同的，在本申请的半径分析原始数据的数据筛选方法中将其计算结果作为近似标准差来进行数据筛选是可以接受的。
[0078]
步骤s222，采用数字低通滤波算法对所述数据及之前求得的平均值和方差进行递推计算，得到所述数据的近似方差。
[0079]
在本实施例中，在计算得到所述数据的近似平均值之后，可以采用数字低通滤波算法对所述数据及之前求得的平均值和方差进行递推计算，来得到所述数据的近似方差。通过采用数字低通滤波算法实时计算数据的近似方差，可以得到数据的另一个角度的大致波动范围的变化。在一实施例中，所述数字低通滤波算法的公式可以如下所示：
[0080][0081]
其中，s_var(i+1)为当前时刻所求的近似方差，s_mean(i)为上一时刻求得的平均值，s_var(i)为上一时刻求得的方差，s为当前时刻获得的数据，k为滤波系数。对于滤波系数k的取值，其标准与步骤s211中计算近似平均值的滤波系数的标准相同，决定了当前计算得到的方差和上一时刻求得的方差的权重。通过该公式最终求得的近似方差在表示数据在一定时间内波动的含义与数学意义上的方差是相同的，在本申请的半径分析原始数据的数据筛选方法中将其计算结果作为近似方差来进行数据筛选是可以接受的。
[0082]
步骤s230，利用所述近似平均值、近似标准差或近似方差对所述数据进行筛选。
[0083]
上述方法的有益效果为对计算近似平均值、近似标准差或近似方差的步骤进行了细化。所以，有效解决了传统技术中无法对数据进行实时筛选的问题，通过实时计算数据的标准差或方差，进一步实现了对数据的实时筛选，保证了数据的有效性。
[0084]
结合图4所示，在本申请的第三实施例中，本申请的半径分析原始数据的数据筛选方法具体包括以下步骤：
[0085]
步骤s310，实时获取需要筛选的数据并采用递推计算的方式计算所述数据的近似平均值。
[0086]
步骤s320，基于所述近似平均值采用递推计算的方式计算所述数据的近似标准差
或近似方差。
[0087]
步骤s331，根据所述近似平均值、近似标准差或近似方差设定数据的取值范围。
[0088]
在本实施例中，在计算得到了近似平均值、近似标准差或近似方差之后，可以根据所述近似平均值、近似标准差或近似方差设定数据的取值范围。例如，可以以所述近似平均值与近似标准差或近似方差之和作为数据的取值上限，并以所述近似平均值与近似标准差或近似方差之差作为数据的取值下限。但是有时候这样的取值范围会太过狭窄，筛选数据过于严格，从而导致在后续的计算中因筛选后的数据数量过小而无法进行计算。此时可以选择适当放宽取值范围。在一实施例中。可以通过在所述取值上限上加上特定值并在所述取值下限上减去所述特定值来更新数据的取值范围，从而达到放宽数据的取值范围的目的。其中，所述特定值可以根据希望通过筛选得到的数据数量来进行设定。
[0089]
步骤s332，利用所述取值范围对所述数据进行筛选。
[0090]
在本实施例中，在得到了数据的取值范围，则可以利用所述取值范围对所述数据进行筛选。即将不在该取值范围内的数据进行删除，而保留在该取值范围内的数据。在一实施例中，若选择了通过在所述取值上限上加上特定值并在所述取值下限上减去所述特定值来更新数据的取值范围，则在进行了一定次数的数据筛选之后，还可以根据历史数据筛选结果来对所述特定值进行更新。例如，若历史数据筛选结果中数据筛选的百分比低于某一预设阈值，则可以加大所述特定值，以便数据筛选不会滤除过多数据。通过对特定值进行更新，可以保证数据的取值范围是接近最优的，即既能删除错误与偏离的数据，又能确保正确数据的数量，不影响之后的计算。
[0091]
上述方法的有益效果为在第一实施例的基础上细化了对数据进行筛选的步骤。所以，有效解决了传统技术中无法对数据进行实时筛选的问题，通过实时计算数据的标准差或方差，进一步实现了对数据的实时筛选，保证了数据的有效性。
[0092]
基于同一发明构思，本申请实施例还提供了一种装置，所述装置包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的数据筛选程序，所述数据筛选程序被所述处理器执行时实现如上述的半径分析原始数据的数据筛选方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0093]
由于本申请实施例提供的装置，为实施本申请实施例的方法所采用的装置，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的装置都属于本申请所欲保护的范围。
[0094]
基于同一发明构思，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有数据筛选程序，所述数据筛选程序被处理器执行时实现如上述的半径分析原始数据的数据筛选方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0095]
由于本申请实施例提供的计算机可读存储介质，为实施本申请实施例的方法所采用的计算机可读存储介质，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该计算机可读存储介质的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的计算机可读存储介质都属于本申请所欲保护的范围。
[0096]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实
施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0097]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0098]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0099]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0100]
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0101]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0102]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。