игнорирование изменений значения потенциометра

Существует множество способов удаления шума, ниже приведены некоторые из них:

• Изменяйте значение только тогда, когда оно достаточно отличается. Предположим, что диапазон составляет 0-1023. Изменяйте значение только в том случае, если входное значение отличается более чем на постоянное значение (например, 5 или 10, поэкспериментируйте с этим, чтобы найти подходящее значение для вашего потенциометра).
• Еще один способ — использовать среднее значение последних x показаний. Вы также можете комбинировать его с предыдущим подходом. Возможна небольшая задержка из-за усреднения.

Существует множество других решений, от достаточно простых до очень сложных, поиска по удалению шума в данных датчика.

У вас есть две проблемы: шумы и потенциометр с неточными упорами на одном или обоих концах.

Горшок починить проще всего: какие самые низкие и самые высокие показания вы можете надежно получить, повернув его до упора? Используйте их вместо «0» и «1023» в вашей функции map().

Улучшение шума требует лишь немного больше усилий. Экспоненциальное среднее — это простой в написании фильтр, который весьма эффективен для подавления зашумленных данных, если отношение сигнал/шум достаточно низкое. Основная идея заключается в том, что вы добавляете только часть каждого нового значения и сохраняете (1 - эта часть) старое среднее значение; поэтому, если выбранная вами дробь равна 0,1, вы учитываете только 10% каждого нового значения, сохраняя 90% текущего среднего значения.

среднее = f*среднее + (1-f)*новое_значение

Вывод этого усредняющего фильтра может медленно реагировать на изменения, если ваша фракция слишком мала, но он менее эффективен для подавления шума, если ваша фракция слишком велика.

Обычно я использую 0,25, или 25 % от каждой новой точки и 75 % от текущего среднего значения, когда просто пытаюсь убрать незначительный шум, что, вероятно, и происходит у вас.

Вот мой фильтр усреднения 25%:

int16_t xpavg(int16_t newdat, int16_t avg){

   // (3 * avg + 1 * newdat) / 4
   return( (((avg<<2) - avg + newdat) + 2) >> 2 );
}

Как видите, я выполняю арифметические операции в фиксированной точке — так же, как и целочисленные арифметические операции, но с предполагаемой двоичной точкой на 2 разряда влево во время вычислений. И я выбираю дробь, которая представляет "хорошо" в двоичном формате - в данном случае 1/4 - для ускорения арифметики (поскольку умножение и деление можно заменить сдвигом).

Функция просто умножает текущее среднее значение на 4 и вычитает старое среднее значение (фактически умножая на 3), добавляет новое значение и делит сумму на 4. (Этот дополнительный "+2" округляет дробные биты непосредственно перед тем, как мы отодвиньте их). Конечный результат:
(3*среднее + новые данные)/4 (== 3/4*среднее + 1/4*новые данные).

Если бы вы отбирали пробы из горшка только каждую секунду или две, вы, вероятно, заметили бы задержку, поскольку фильтр отстает, когда вы поворачиваете сосуд, и догоняет, когда вы останавливаетесь. Если вы сэмплируете со скоростью 10x/сек или меньше, вы не должны этого заметить.

Обновление:

Вам нужно добавить в свой код функцию xpavg() и вызывать ее каждый раз, когда вы читаете новое значение горшка (то есть "newdat"), передавая также старое среднее значение. Он возвращает новое среднее значение горшка, теперь менее подверженное влиянию шума. Вы используете это новое среднее значение вместо необработанного числа, которое вы только что прочитали из горшка, при расчете оттенка. Как предложил Дункан, вы можете — и я это делаю — инициализировать среднее значение необработанным значением банка. Вы также можете начать с нуля, но потребуется несколько выборок, чтобы приблизиться к текущим фактическим показаниям банка. Недостаток использования одного необработанного образца для начала заключается в том, что если это одно значение ужасно зашумлено, то есть сильно отличается от показаний горшка, для сходимости все равно потребуется несколько образцов.

unsigned int AvgPot = analogRead(poti1);        // инициализируем среднее значение банка

// Функции экспоненциального усреднения
int16_t xpavg(int16_t newdat, int16_t avg)
{
   // (3 * среднее + 1 * новое значение) / 4
   return( (((avg<<2) - avg + newdat) + 2) >> 2 );
}

void setup()
{
   ;    // здесь идут инициализации
}

void loop()
{
   int hue = analogRead(poti1);
   hue = xpavg(poti1, PotAvg);
   int mappedHue = map(hue, 0, 1023, 0, 65535);

   neoPixelStrip.fill(neoPixelStrip.gamma32(neoPixelStrip.ColorHSV(mappedHue, 255, 255)));
   neoPixelStrip.show();
}