在工业测距（如激光、超声波测距）场景中，原始测距数据常受环境干扰（如杂波、多回波）导致数据离散，直接使用原始数据会出现较大误差。本文基于实际项目需求，拆解一款面向距离数据的轻量级聚类算法，核心通过 “1% 偏差度” 筛选有效数据族，最终提取出现次数最多的距离值作为真实值，兼顾算法效率与工业场景的实用性。

一、算法核心背景与设计思想

1. 应用场景

针对测距传感器输出的距离数组（单位：mm），需解决以下问题：

• 原始数据包含无效值（0x80000000 表示测距失败）；
• 有效数据存在 1% 左右的偏差（如 100m 距离允许 ±1m 偏差，10m 距离允许 ±0.1m 偏差）；
• 干扰值出现次数少，真实值随测试次数增加会形成明显的数据族。

2. 核心设计思想

• 阈值过滤：先过滤超门限（100m）和无效值，缩小计算范围；
• 偏差聚类：按 “1% 偏差度” 划分数据族（距离越小，允许的绝对偏差越小）；
• 频次优先：统计各数据族的出现次数，取频次最高的族的均值作为真实值；
• 鲁棒性补充：结合历史有效值（LASTPOD）和门槛电压自适应调整，降低异常值影响。

二、算法核心模块拆解

以下基于源码，分模块解析算法实现逻辑，附带关键代码注释与设计思路说明。

1. 模块 1：无效数据预处理

功能：过滤超门限（100m）、无效值（0x80000000），仅保留有效候选数据。

c

运行

// 关键代码段
int32_t slimit=100000; // 门限100m（单位：mm）
int32_t k=0;
int32_t b[ZTMAX]={0};  // 存储过滤后的有效数据
for(i=0;i<n;i++){
    // 筛选条件：≤100m + 非无效值
    if(a[i]<=slimit && a[i]!=0x80000000){
      b[k]=a[i];
      k++; // 记录有效数据个数	
    }	
}

设计思路：

• 先通过硬阈值（100m）剔除明显异常的远距离干扰值；
• 标记无效值（0x80000000），避免参与后续聚类计算；
• 用数组b暂存有效数据，减少后续循环的计算量。

2. 模块 2：基于 1% 偏差度的聚类核心（多族数据划分）

功能：将偏差在 1% 范围内的数据归为同一 “数据族”，最多划分 10 个族（防数组溢出），记录每个族的核心值、成员、出现次数。

c

运行

// 关键代码段：聚类逻辑
int32_t hac_times[10];    // 每个数据族的出现次数
int32_t hac_dis[10][ZTMAX]={0}; // 每个数据族的成员数据
int32_t PRCDIS[10]={0};   // 每个数据族的核心距离值
k=0; // 数据族索引
for(i=0;i<n;i++)
{
    m=1; // 初始次数（至少包含自身）
    if(a[i]==0x80000000) continue; // 跳过无效值
    
    for(j=i+1;j<n;j++){
        if(a[i]<=slimit){ // 近距离（≤100m）：固定偏差±100mm（兼容小距离1%偏差）
            if (a[i] >= (b[j]-100) && a[i] <= (b[j]+100)){
                  hac_dis[k][m]=b[j]; // 加入当前数据族
                  m++;
                  b[j]=0x80000000; // 标记为已聚类，避免重复计算
            }
        }else{ // 远距离（>100m）：严格1%偏差度
            if (a[i] >= (b[j]-a[i]/100) && a[i] <= (b[j]+a[i]/100)){
                  hac_dis[k][m]=b[j];
                  m++;
                  b[j]=0x80000000;
            }
        }
    }
    // 仅保留出现次数>1的族（单个数据不成族）
    if(m>1)	{
        hac_dis[k][0]=a[i]; // 数据族核心值（聚类中心）
        PRCDIS[k]=a[i];     // 记录核心值
        hac_times[k]=m;     // 记录该族出现次数
        k++;
        if(k>=9) k=9; // 防数组溢出，最多10个族
    }
}

核心设计亮点：

• 偏差度自适应：
  • 近距离（≤100m）：使用固定 ±100mm 偏差（避免小距离下 1% 偏差绝对值过小，如 10m 的 1% 仅 100mm）；
  • 远距离（>100m）：严格按 1% 偏差计算（a[i]/100），满足 “距离越大，允许绝对偏差越大” 的工业特征。
• 避免重复聚类：将已聚类的数据标记为无效值（0x80000000），减少循环次数；
• 数组溢出保护：限制最多 10 个数据族，适配嵌入式场景的内存限制。

3. 模块 3：最优数据族筛选（频次 + 均值）

功能：找到出现次数最多的数据族，计算该族的均值作为真实值（降低单值波动影响）。

c

运行

// 关键代码段：取最大次数的族的均值
if(k>0){		 
    maxcount=Maxnum(hac_times,k); // 找到最大出现次数
    for(i=0;i<k;i++){
        if(hac_times[i]==maxcount){
            // 计算该族所有成员的均值
            for(j=0;j<hac_times[i];j++){
                average_num+=hac_dis[i][j];
            }
            max=average_num/maxcount; // 均值作为真实值
            break; // 取首个最大次数的族（工业场景优先时效性）
        }
    } 	
}

设计思路：

• 优先选择出现次数最多的族（符合 “测试次数越多，真实值频次越高” 的假设）；
• 计算族内均值而非直接取核心值，进一步降低随机干扰的影响；
• 仅取首个最大次数的族，兼顾计算效率（嵌入式场景无需遍历所有并列最大值）。

4. 模块 4：鲁棒性增强（历史校验 + 门槛自适应）

功能：结合历史有效值和硬件门槛调整，避免单次聚类结果异常。

c

运行

// 关键代码段1：历史值校验（LASTPOD为上一次有效距离）
if(LASTPOD!=0 && LASTPOD!=0x80000000){
    if(abs(max-LASTPOD)>Compate_limit){
        ERR_COUNT++;
        // 查找与历史值偏差小的族，替换异常结果
        for(i=0;i<k;i++){
            if( abs(PRCDIS[i]-LASTPOD)<Compate_limit){
                max=PRCDIS[i];
                maxcount=hac_times[i];
                ERR_COUNT=0;
                break;
            }
        }
    }else{
        ERR_COUNT=0; // 与历史值一致，重置异常计数
    }
}

// 关键代码段2：门槛电压自适应（测距失败时降低门槛）
if(max==0x80000000||STAT_GP0==0){
    MAX_ERR++;
    if(MAX_ERR>=(ZTMAX)){
        // 循环调整门槛电压（Door1/Door2），尝试获取有效数据
        // ... 门槛切换逻辑 ...
        MAX_ERR=0;
    } 
}

// 关键代码段3：近距离低频次过滤（避免近距离干扰）
if((max<10000 && max!=0x80000000)&& (maxcount<10)){
    prec.TureDIS=0x80000000; // 标记为无效
    prec.Turelen=20;
}

设计思路：

• 历史值校验：若当前聚类结果与历史有效值偏差过大，优先选择与历史值接近的族，降低突发干扰影响；
• 硬件自适应：连续测距失败时，调整传感器门槛电压，尝试获取有效数据；
• 近距离过滤：近距离（<10m）且出现次数 < 10 次的数据直接标记为无效，避免多回波干扰。

三、算法整体流程总结

step1:输入距离数组

step2:预处理：过滤超100m/无效值

step3:聚类：按1%偏差度划分数据族

step4:筛选：取频次最高族的均值

step5:鲁棒性校验：历史值+门槛调整

step6:输出真实距离值

四、算法适配场景与优化建议

1. 适配场景

• 嵌入式测距系统（激光 / 超声波 / 毫米波测距）；
• 数据量适中（≤ZTMAX，默认可配置）的实时聚类；
• 对偏差度敏感、要求 “频次优先” 的工业场景。

2. 优化方向

（1）偏差度动态调整

当前近距离使用固定 ±100mm 偏差，可优化为动态 1% 计算：

c

运行

// 优化后：全距离统一1%偏差
int32_t dev = a[i] / 100; // 1%偏差值
if (dev < 1) dev = 1; // 避免小距离偏差为0
if (a[i] >= (b[j]-dev) && a[i] <= (b[j]+dev)) {
    // 聚类逻辑
}

（2）多最大值处理

当前仅取首个最大次数的族，可优化为 “取所有最大次数族的均值”，提升精度：

c

运行

// 优化：遍历所有最大次数的族，计算总均值
int32_t total_num=0, total_count=0;
for(i=0;i<k;i++){
    if(hac_times[i]==maxcount){
        for(j=0;j<hac_times[i];j++){
            total_num+=hac_dis[i][j];
            total_count++;
        }
    }
}
max = total_num / total_count;

（3）内存优化

嵌入式场景下，hac_dis[10][ZTMAX] 可替换为动态数组，减少内存占用：

c

运行

// 动态分配每个数据族的成员数组
int32_t **hac_dis = (int32_t**)malloc(10 * sizeof(int32_t*));
for(int i=0;i<10;i++){
    hac_dis[i] = (int32_t*)malloc(ZTMAX * sizeof(int32_t));
    memset(hac_dis[i], 0, ZTMAX * sizeof(int32_t));
}
// 使用后释放
for(int i=0;i<10;i++) free(hac_dis[i]);
free(hac_dis);

五、总结

本文拆解的距离数据聚类算法，是面向工业场景的 “轻量级、实用性优先” 实现：

• 核心通过 “1% 偏差度聚类 + 频次筛选” 解决测距数据离散问题；
• 结合历史值校验、硬件自适应等鲁棒性设计，适配复杂工业环境；
• 代码结构清晰，无复杂数学运算，可直接移植到嵌入式 MCU（如 STM32、MCU）中。

该算法的设计思路可推广到其他工业数据筛选场景（如温度、压力数据），核心是 “先过滤、再聚类、最后结合业务规则校验”，兼顾效率与实用性。