CN105291958A - 基于车辆相对于道路的倾斜角来控制机电系统的方法和设备 - Google Patents

Abstract

本发明涉及一种方法和系统，所述方法和系统用于通过2轴或3轴加速计、倾斜仪等确定移动车辆的悬置部相对于道路的倾斜角，以用于控制依赖于倾斜的系统或装置。所述方法和系统提供了对车辆的悬置部相对于车辆的非悬置部的倾斜角度的确定。由于车辆的纵向(x轴)和/或纬向(y轴)加速度，所述倾斜角度源自对沿着与车辆垂直的轴线(z轴)的加速度的依赖性。

Description

基于车辆相对于道路的倾斜角来控制机电系统的方法和设备

技术领域

本发明总体涉及控制车辆的机电系统技术，尤其涉及基于车辆相对于道路的倾斜角来控制机电系统的方法和设备。

背景技术

当车辆静止时，通过使用2轴或3轴加速计，可以确定车辆在俯仰和滚转(θ_T、ρ_T)方面的总倾斜，以通过使用三角函数来确定相对于轴的重力矢量的方向。例如，由于θ_T＝arcsine(沿着x轴的加速度)以及ρ_T＝arcsine(沿着y轴的加速度)，所以可以通过设置在与车辆的纵轴和纬轴θ_T和ρ_T平行的平面中的2轴加速计提供的加速度数据来计算θ_T和ρ_T。对于设置在与车辆(该车辆的x轴与车辆的纵轴对准)垂直的平面中的2轴加速计，θ_T作为沿着x轴的加速度与沿着z轴的加速度之比的反正切而计算。添加正交的第三轴允许通过使用反正切方法进行俯仰和滚转的计算。然而，在正常运行期间，车辆会经历沿着多个轴的加速度，由于重力的影响，这些轴的加速度的幅度相似。低通滤波可以去除大多数干扰加速度，但是不能去除与道路倾斜变化相关联的慢变加速度。

利用加速计或倾斜仪在车辆处于运动时测量车辆的悬置部相对于车辆的非悬置部的倾斜角(θ_v)以用于确定车辆的加载状况。通常，车辆加载状况在车辆处于运动时不会改变，因此，θ_v不会改变。道路倾斜变化和与移动车辆相关联的法向加速度的幅度比与车辆悬置系统的姿势变化相关联的加速度变化大得多。道路倾斜可以改变大约±15度，而车辆的悬置部相对于车辆的非悬置部仅改变接近±1.5度。

需要具有一种能够不依赖有助于控制车前灯调平系统或可替代地其他机电或电子控制系统的道路倾斜(θ_r)而高准确度地计算倾斜角度θ_v的方法和系统。

发明内容

根据本发明，公开了一种不依赖道路倾斜获取对移动车辆的悬置部相对于非悬置部的倾斜测量的系统和方法。通过检测与车辆的悬置部垂直的加速度(z轴)相对于车辆的悬置部的纬向加速度(x轴)的依赖性，来获取该测量。在一个实施例中，从加速度测量装置，诸如加速计，收集与两个或两个以上的轴相对应的加速度数据。滤波装置对加速度数据进行滤波以提供滤波后的加速度数据，并且将滤波后的加速度数据存储在存储器中。处理器生成最小二乘最佳拟合线性回归并且通过该最小二乘最佳拟合线性回归计算斜率，该最小二乘最佳拟合线性回归与车辆相对于道路的倾斜角度相对应。在一个实施例中，系统产生指示车辆悬置部相对于道路的倾斜角的输出，该输出用于控制机电系统，诸如车前灯调平系统。

结合附图，基于对下述其实施例的详细描述的审查，本发明的其它目标、特征和优点将是显而易见的。

附图说明

通过下述结合附图的详细描述，本发明将易于理解，其中类似的附图标记指示类似的结构元件，并且其中：

图1A图示了在车辆的悬置部与车辆的非悬置部对准的正常条件下在车辆加速度和减速度矢量与加速度测量矢量之间的关系的示意图；

图1B图示了在车辆的悬置部与车辆的非悬置部未对准的条件下在车辆加速度和减速度矢量与加速度测量矢量之间的关系的示意图；

图2A和图2B是在车辆处于加载状况1下进行路测得到的时间序列加速度数据；

图3A和图3B是在车辆处于加载状况1下进行路测得到的滤波后的时间序列加速度数据；

图4A和图4B是z加速度对x加速度的散布图和计算得到的分别在(图2A和图2B)和(图3A和图3B)中的数据的线性回归线；

图5A和图5B是在车辆处于加载状况2下进行路测得到的时间序列加速度数据；

图6A和图6B是在车辆处于加载状况2下进行路测得到的滤波后的时间序列加速度数据；

图7A和图7B是z加速度对x加速度的散布图和计算得到的分别在(图5A和图5B)和(图6A和图6B)中的数据的线性回归线；

图8A是根据本发明的倾斜计算系统的框图；

图8B是图示了根据本发明的信号处理的示意图；以及

图9是图示了根据本发明的示例性方法的流程图。

具体实施方式

美国临时专利申请62/020,704及其公开的全部内容以引用的方式并入本文。

下面从车辆的悬置部相对于道路或车辆的非悬置部的倾斜角的测量方面对本发明的方法和系统进行描述。以下说明和示例是对本发明的实施例的图示，并且不应认为是对本发明的范围的限制。

在图中：

θv是车辆的悬置部参照道路和车辆的非悬置部的倾斜角；即，与之间的角度；

θr＝道路倾斜相对于水平地面的角度；

g＝由于重力产生的加速度的幅度。

图1A图示了在车辆的悬置部与车辆的非悬置部对准的正常条件下在车辆100加速度和减速度矢量与加速度测量矢量之间的关系。图1B图示了在车辆的悬置部与车辆的非悬置部未对准的条件下在车辆100加速度和减速度矢量与加速度测量矢量之间的关系。加速度测量轴相对于车辆加速度和减速度轴的角度变化为θv。通常，当车辆处于运动中时，在图1A和图1B中在上测得的加速度的幅度是凸起与道路噪声生成的加速度A_{z_road}、道路相对于与地面平行的水平面的倾斜角θr、以及车辆的悬置部相对于道路或车辆的非悬置部的倾斜角θv(如图1A和1B所示)的函数。

A_z＝f(A_{z_road}，θv，θr)[1]

以及，更加具体地：

$A_z=(A_{z\_road}*cos({\mathrm{\θ}}_v)+g*\cos ({\mathrm{\θ}}_r+{\mathrm{\θ}}_v)+\frac{A_x}{{\mathrm{cos\θ}}_v}*{\mathrm{sin\θ}}_v)---\[2\]$

当θ_v＝0，在等式1和2中的最后一项变为0，以及Az不依赖于

当θ_v≠0，Az依赖于并且将随着而改变。换言之，当θv不等于0时，对于任何给定的道路倾斜，变化都会产生幅度等于的Az变化。

通过使用z和x而非Az和Ax，对Az与Ax求微分，得到：

$\frac{d\[z\]}{dx}={\mathrm{tan\θ}}_v---\[3\]$

${\mathrm{\θ}}_v={\tan }^{-1}\[\frac{d\[z\]}{dx}\]---\[4\]$

图2A和图2B分别是在加载状况1下在约8分钟行车期间每秒32个样本记录的Az和Ax加速度测量。加载状况1具有-1.89度的倾斜角θv。在图2A中的Az加速度可以看出：

1、平均值接近1g，这是因为其几乎与车辆的悬置部垂直，因此与重力矢量紧密对准；

2、由于道路中的凸起和道路噪声，存在明显加速度，该加速度大约为±0.4g；以及

3、大加速度行程持续较短。

在图2B中的Ax加速度可以看出：

1、平均值接近0g，这是因为其几乎与车辆的悬置部平行，因此与重力矢量几乎正交；

2、存在与改变车辆速度相关联的明显加速度，该加速度的幅度大约为±0.4g；以及

3、相较于Az加速度时间序列，大加速度行程持续得更久。

图4A是图2A和2B中的数据的Az加速度对Ax加速度的散布图和计算得到的最小二乘最佳拟合线性回归线(leastsquaresbestfitlinearregressionline)。计算得到的回归线的斜率为0.0268。该线的斜率接近Tan(θv)。对该斜率求反正切得到1.54度的倾斜角。由于在路测期间车辆中的轴的设置，符号需要反过来。所以，测量计算得到的有效倾斜角为-1.54度。该结果与加载状况1设置的-1.89度具有-0.35度的误差。

图3A和图3B是如图2A和图2B中的但是利用32个样本固定窗口平均值处理之后的数据集，产生1Hz的有效采样率。从图3A中的Az加速度可以看出：

1、平均值仍然接近1g；以及

2、短期内道路噪声得到明显衰减，所以数据范围现在小于平均值±0.03g。

从图3B中的Ax加速度可以看出：

1、平均值仍然接近0g；以及

2、车辆加速度(Ax)未明显衰减，加速度维持在大于±0.3g。

图4B是图3A和3B中的处理后的数据的A_z加速度对A_x加速度的散布图和计算得到的最小二乘最佳拟合线性回归线。该线的斜率为0.0331。该线的斜率现在更加接近Tan(θv)。在符号反转之后，对该斜率求反正切得到-1.90度的倾斜角度。该结果与加载状况1设置的-1.89度的误差小于0.01度。

改变加载状况(加载状况2)，有效的倾斜角θ_v为2.16度。在图5A和图5B中示出了在路测期间记录的A_z和A_x加速度时间序列数据。图7A示出了图5A和图5B中数据的A_z加速度对A_x加速度的散布图和计算得到的线性回归线。该线的斜率为-0.0339，以及，在改变符号之后，由此计算得到的倾斜角θ_v为1.94度。与加载状况2设置的2.16度的误差为0.22度。

图6A和图6B是在图5A和图5B中的利用32个样本固定窗口平均值处理之后的数据集，产生1Hz的有效采样率。图7B示出了图6A和图6B中处理后的数据的A_z加速度对A_x加速度的散布图和计算得到的线性回归线。该线的斜率为-0.0372，以及，在改变符号之后，由此计算得到的倾斜角度θ_v为2.13度。与加载状况2设置的2.16度的误差小于0.03度。

上面详细说明的适用于在多次行车期间收集的加速度数据的方法在确定车辆的悬置部相对于车辆的非悬置部的倾斜角θ_v方面已经展示出好过0.1度的准确度。

本文中详细说明的实施例仅使用z和x加速度数据和简单的固定窗口平均值作为滤波方法来图示本技术和可实现的结果，但是不应该认为是排除了其他加速度轴或更高级的滤波技术、有效的采样率等。

在图8A中图示了一个框图，该框图图示了当前所公开的系统的一个实施例。该系统包括联接至存储器202的处理器150。处理器150执行来自存储器202的程序指令，以执行当前在本文中所描述的功能。处理器从第一加速计200a接收x和z轴加速度数据进行用于俯仰角确定，该第一加速计200a定向在与车辆垂直的平面中，该车辆的x轴与车辆的纵轴对准。可以经由第二加速计200b向处理器150提供加速度数据，该第二加速计200b定向为提供与x和z轴正交的y轴加速度数据。可以可选地提供GPS传感器200c、一个或多个陀螺仪200d、一个或多个轮速传感器200e和发动机荷载传感器200f，以用于随后描述的所公开的系统中。在示例性实施例中，处理器150产生输出，该输出联接至车前灯定向控制组件204以控制车前灯调平。

参考图8B，通过低通和/或带通滤波器201对来自加速度传感器200或倾斜仪的数据进行滤波，以去除或衰减由于道路噪声和/或道路倾斜变化导致的加速度。实际的滤波技术可以有所不同，并且可以针对具体的车辆类型和类别而确定，以优化该车辆类型和类别的特性性能。可以采用模拟或数字滤波方法来对加速度数据进行滤波。举例说明，但不限于，可以执行数字滤波，包括低通或带通滤波，如在Smith,StephenW.于2003年发表的“DigitalSignalProcessing”(美国马萨诸塞州，伯灵顿：Newnes出版社(Elsevier公司))第14-21章中所公开的(以引用的方式并入本文)，或者经由现有技术中已知的任何其他合适的技术。

由于数据被收集和处理，所以将数据存储在存储器202中进行处理。存储器阵列的实际大小可以有所不同，并且可以针对具体的车辆类型和类别而确定，以优化该车辆类型和类别的特性性能。

一旦已经收集到预定量的所需数据，在203处根据数据集计算最小二乘最佳拟合线性回归线。所需数据的量根据车辆类型和类别而有所不同。下面在流程中描述了一种通过实验确定针对特定车辆类型和类别待收集的所需数据的量的方式。

1、确定既定应用所需要的θ_v的准确度。

2、从多次不同类型的行车收集数据集。

3、对数据集进行滤波。

4、针对从10个数据点开始增加到11、12、13个数据点等的每个数据集，计算最小二乘最佳拟合线性回归线的斜率，直到使用了每个数据集中的所有数据进行斜率计算。

5、对每一个计算得到的斜率求反正切，来计算θ_v对时间(θ_vversus时间)。

6、将计算得到的针对每次行车的θ_v对时间绘制在相同的表上。

7、将所有的从多次行车计算得到的θ_v都处于在步骤1中识别出的准确度在容差内的点识别在该制图中。

8、确定在步骤7中在制图中识别出的点处的计算使用的数据点的数量。该数量是在进行该计算的数据集中实现在步骤1中识别出的准确度所需的最小数量的点。

在204对计算得到的线性回归线的斜率求反正切，以确定车辆的悬置部相对于车辆的非悬置部的倾斜。可以按照任何方式实现实施方式的分隔，通过针对每个功能块使用离散系统或者部分地或整体地将功能块集成在一起以实现相同的最终结果。

从功能流程角度看，在步骤300，按照至少等于或大于所涉最高频率分量的两倍的频率，从(多个)加速度传感器200收集加速度数据，直到收集到预定数量的样本，如步骤302所图示的。采样频率取决于所使用的传感器和该传感器的位置。如果传感器元件具有低通响应，-3dB带宽为20Hz，那么采样频率需要为至少40Hz，以防止混叠。此外，如果在一定频率存在幅度较大的振动能量，在该频率时传感器的衰减未将幅度降低到几毫g下，那么采样频率必须是该频率的至少2倍，从而可以平均掉振动能量。举例说明，将-3dB带宽为25Hz且滚降为20分贝/十倍频程的传感器安装于50Hz(300RPM)的具有振动加速度为0.1g的位置处。该传感器会将50Hz信号衰减因子2(6分贝/十倍频程)。由此导致的振动加速度将为0.05g。在这种情况下，应该将采样频率增加到至少100Hz，从而可以平均或滤波掉由振动产生的能量，以避免造成θ_v计算误差。

然后，通过使用如步骤304中描绘的低通滤波器对样本进行滤波，所期望达成的效果是在最小较低频车辆加速度和减速度衰减下实现与加速度相关联的较高频道路噪声的衰减。举例说明，低通滤波器可以提供1Hz的截止频率来衰减该不需要的高频道路噪声。可替换地，可以使用带通滤波器来去除与缓慢变化的道路倾斜相关联的超低频加速度以及与道路噪声相关联的较高频加速度，而使与车辆加速度和减速度相关联的加速度通过。举例说明，但不限于，带通滤波器可以具有分别为1Hz和0.1Hz的上截止频率和下截止频率，以提供所需的滤波处理。

如步骤306所图示的，将滤波后的数据集存储在存储器中，以及如步骤308所示图示的，将存储器增量到存储器阵列202中的下一个可用存储器位置。一旦已经收集到能够实现斜率的准确计算(如在判断步骤310中确定的)的预定数量的滤波后的数据点，例如，按照先前描述的方式，检查所述数据集看看是否存在预定数量的A_x加速度，该预定数量的A_x加速度会确保A_z对A_x的依赖性可以如步骤312中描绘的那样准确地建立。一旦满足这些条件，可以如步骤314中图示的，对存储器阵列202中的数据进行另外地滤波。举例说明，如果选择用于滤波所述加速度数据的滤波器为低通滤波器，并且车辆在行驶几分钟之后正处于静止状态，那么可以利用恒定的加速度值来填写数据阵列，这样不能确定z加速度对x加速度的依赖性。可以使用着眼于z加速度值的范围大于一些合理限度的简单测试来确保在阵列中的数据能够建立z对x的依赖性。正常的车辆加速度和减速度在0g至±0.4g范围内(0.8g范围内)。因此，可以将x加速度数据的最小范围的最小限度设置为接近0.05g。

可以通过使用其他可选的传感器或判决技术来实现使放入阵列中的数据的限制以确保存在适当的x加速度范围。只有当车辆处于运动中时方可将数据存储在阵列中。举例说明，这可以通过使用来自GPS传感器200d的GPS数据、轮速传感器200e、或来自一个或多个陀螺仪200f的陀螺信息来实现。可以将连续的A_x加速度数据点进行比较，以及，只有当A_z、A_x数据对与先前的A_z加速度值不同时方可存储。

对于处理后的数据集，如在步骤316中图示的，确定最小二乘最佳拟合线性回归线，以及如在步骤318中示出的，通过对先前计算得到的线性回归线球反正切来计算θ_v。如在步骤320中图示的，检查存储器指针看看是否其已经到达存储器阵列的末尾，以及，如在步骤322中示出的，如果其已经到达了存储器阵列的末尾，那么将其重置到存储器阵列的开始，以便用较新的数据重写较旧的数据。然后，处理在步骤300处重现开始。可以计算最小二乘最佳拟合线性回归来找出滤波后的A_z对A_x加速度数据对的斜率，如在Bevington,PhilipR.,Robinson,KeithD.于2003年发表的“DataReductionandErrorAnalysisforthePhysicalSciences”修订版3(美国纽约州，纽约：McGrawHill出版社)第6章中所公开的(以引用的方式并入本文)，或者经由现有技术中已知的任何其他合适的技术。

此外，一旦第一次成功计算得到θ_v，可以将其存储在单独的存储区段中，以及可选地，可以滚动的方式为生成的每个新数据点计算新的θ_v值。

也可以使用补充传感器数据和GPS数据来建立另外的信心和信用检查。例如，GPS位置数据结合针对给定位置已知的道路倾斜可以为车辆的非悬置部建立参考倾斜θ_r。可以通过从瞬时总倾斜角度θ_T减去θ_r来进一步计算并且检查θ_v。可以通过使用相同的处理后的加速度数据并且简单地对(A_x/A_z)求反正切来计算θ_T。

也可以使用轮速传感器200e和来自发动机荷载传感器200f的发动机加载信息来确定θ_r和θ_v，也可以如上所述的按照与计算θ_T相同的方式来计算θ_r和θ_v。另外，由于A_x加速度必须存在，所以，可以使用轮速和发动机加载的变化来限定好的数据，因此为确定A_z对A_x加速度的依赖性提供好的候选。

可以使用俯仰陀螺信息来监测θ_r的变化。当检测到θ_r快速变化时，可以对数据进行标记以便进行另外的处理或部分地或全部地不理会。

通过使用计算装置来实施上述方法，该计算装置执行来自存储器的程序步骤以提供本文所述的功能操作。可以经由现有技术中已知的模拟或数字滤波技术来实现上述的数据滤波处理。

一旦已经根据当前描述的方法确定了车辆的悬置部相对于道路的倾斜，该系统便提供指示该倾斜的输出信号，该输出信号用于生成至少一个控制信号，该控制信号被提供至机电或电子控制系统。在图示的实施例中，该至少一个控制信号可以用于控制车前灯调平系统，例如，诸如在美国已发布申请2012/0310486中所公开的(以引用的方式并入本文)，或如现有技术中已知的响应于控制信号实现车前灯调平的任何其他车灯组件。应该理解，可替代地，该至少一个输出信号可以用于对装置或系统进行控制，以实现车辆电子稳定性控制、车辆油位监测倾斜校正、车辆坡道起步辅助、挂车制动、卡车荷载监测以便进行刻度校正、悬置调节以便调节荷载振动和其他应用之目的，其中，电气、电子或机电装置或系统的运行至少部分地基于车辆的悬置部相对于道路的倾斜。

虽然在一个实施例中，基于计算得到的车辆的悬置部相对于车辆的非悬置部的倾斜角度，已经相对于对车前灯调平系统的控制对所公开的系统进行了描述，但是，要了解，确定出来的物体的一个部分(诸如，移动物体的悬置部)相对于该移动物体的非悬置部或参照平面的倾斜角度可以用于生成控制信号，该控制信号又可以用作至机电或电子控制子系统的输入。由此，虽然已经就在移动车辆中的应用对所公开的技术进行了描述，但是其也适用于其他移动物体。

Claims (18)

1.一种基于车辆的悬置部相对于道路的倾斜来控制机电系统的方法，所述方法包括：

从联接至所述车辆的所述悬置部的至少一个传感器获取分别代表z轴和x轴加速度的第一信号和第二信号；

对所述第一信号和第二信号进行滤波以衰减其中的高频分量以产生滤波后的第一信号和第二信号；

使用滤波后的第一信号和第二信号来计算最小二乘最佳拟合线性回归对应的斜率；

通过计算确定的所述斜率的反正切来生成所述车辆的所述悬置部的倾斜角θv；

基于所述车辆的所述悬置部的所述倾斜角来生成至少一个控制信号；以及

将所述至少一个控制信号提供至所述机电系统。

2.根据权利要求1所述的方法，其中，所述机电系统是车前灯调平系统，以及所述至少一个控制信号用于提供对所述车辆的所述车前灯相对于所述道路的倾斜角的控制。

3.根据权利要求1所述的方法，其中：

获取所述第一信号和第二信号包括：以预定采样频率从联接至所述车辆的所述悬置部的至少一个传感器获取分别与z轴和x轴加速度相对应的预定数量的第一数据样本和第二数据样本；

对所述第一信号和第二信号进行滤波包括：对第一数据样本和第二数据样本进行滤波以衰减其中的高频分量以产生滤波后的第一数据样本和第二数据样本，并且将滤波后的第一数据样本和第二数据样本存储在存储器中；以及

通过使用滤波后的第一信号和第二信号来计算最小二乘最佳拟合线性回归相对应的斜率包括：通过使用滤波后的第一数据样本和第二数据样本来计算最小二乘最佳拟合线性回归相对应的斜率。

4.根据权利要求3所述的方法，其中，所述机电系统是车前灯调平系统，以及所述至少一个控制信号用于提供对所述车辆的所述车前灯相对于所述道路的倾斜角的控制。

5.根据权利要求3所述的方法，其进一步包括：检查滤波后的数据样本以验证x轴加速度的值的范围超过了预定限度，以便确保准确地建立所述z轴加速度。

6.根据权利要求5所述的方法，其中，所述预定限度为0.05g。

7.根据权利要求3所述的方法，其中，所述滤波的步骤包括：对存储的第一数据样本和第二数据样本执行低通数字滤波以衰减高频道路噪声。

8.根据权利要求3所述的方法，其中，所述滤波的步骤包括：对存储的第一数据样本和第二数据样本执行带通数字滤波以衰减高频道路噪声和与缓慢变化的道路倾斜相关联的超低频率。

9.根据权利要求1所述的方法，其进一步包括：响应于获取到的每一对z轴和x轴加速度，以滚动的方式计算倾斜角θv。

10.根据权利要求1所述的方法，其中，所述至少一个传感器包括至少一个加速计。

11.根据权利要求10所述的方法，其进一步包括：选择自陀螺仪、轮速传感器和GPS传感器中的另一个传感器，所述方法包括：通过所述至少另一个传感器产生的数据来验证在确定所述车辆的所述悬置部的所述倾斜角时使用的第一信号和第二信号。

12.一种基于车辆的悬置部相对于道路的倾斜来控制机电系统的设备，所述设备包括：

处理器；

与所述处理器通信的至少一个存储器，所述至少一个存储器包含存储在其中的计算机程序，所述处理器在执行所述计算机程序时用于：

以预定采样频率从联接至所述车辆的所述悬置部的至少一个传感器获取分别与z轴和x轴加速度相对应的预定数量的第一数据样本和第二数据样本；

对第一数据样本和第二数据样本进行滤波以衰减高频分量以产生滤波后的第一数据样本和第二数据样本，并且将滤波后的第一数据样本和第二数据样本存储在所述至少一个存储器中；

通过使用滤波后的第一数据样本和第二数据样本来计算最小二乘最佳拟合线性回归相对应的斜率；

通过计算确定的所述斜率的反正切来生成所述车辆的所述悬置部的倾斜角θv；

基于所述车辆的所述悬置部的所述倾斜角来生成至少一个控制信号；以及

将所述至少一个控制信号提供至所述机电系统。

13.根据权利要求12所述的设备，其中，所述机电系统是车前灯调平系统，以及所述至少一个控制信号用于提供对所述车辆的所述车前灯相对于所述道路的倾斜角的控制。

14.根据权利要求12所述的设备，其中，所述至少一个传感器包括至少一个加速计。

15.根据权利要求12所述的设备，其中，所述处理器用于对滤波后的第一数据样本和第二数据样本执行低通滤波以衰减高频道路噪声。

16.根据权利要求12所述的设备，其中，所述处理器用于对存储的第一数据样本和第二数据样本执行带通数字滤波以衰减高频道路噪声和与缓慢变化的道路倾斜相关联的超低频率。

17.根据权利要求12所述的设备，其中，所述处理器用于验证x轴加速度的值的范围超过了预定限度，以便确保准确地建立所述z轴加速度。

18.根据权利要求17所述的设备，其中，所述预定限度为0.05g。