সেন্সরের ধরন ও ইন্টারফেসিং

১ · সেন্সর কী এবং কেন দরকার

একটি সেন্সরSensorএকটি ফিজিক্যাল রাশি (তাপ, আলো, চাপ, গতি ইত্যাদি) মেপে একটি বৈদ্যুতিক সিগন্যালে রূপান্তরকারী উপাদান। হলো এমন একটি উপাদান যা বাস্তব জগতের একটি ফিজিক্যাল রাশি (তাপমাত্রা, আলোর তীব্রতা, চাপ, গতি) মেপে সেটিকে একটি বৈদ্যুতিক সিগন্যালে (ভোল্টেজ, রেজিস্ট্যান্স, ডিজিটাল পালস) রূপান্তর করে। মাইক্রোকন্ট্রোলার নিজে থেকে বাইরের জগৎ "দেখতে" পারে না — সেন্সরের মাধ্যমেই এটি বাস্তব জগতের তথ্য পায়, আর অ্যাকচুয়েটরের (মোটর, রিলে — L38-L39-এ বিস্তারিত) মাধ্যমে বাস্তব জগতে প্রভাব ফেলে। এই ইনপুট-প্রসেস-আউটপুট চক্রই বেশিরভাগ এমবেডেড/IoT ডিভাইসের কেন্দ্রে থাকে।

২ · সাধারণ সেন্সর ক্যাটেগরি

নিচে কয়েকটি সবচেয়ে বহুল ব্যবহৃত সেন্সর ক্যাটেগরি ও এদের সাধারণ ইন্টারফেস টাইপ দেওয়া হলো:

লক্ষ্য করুন — একই ক্যাটেগরির সেন্সরও ভিন্ন ইন্টারফেস ব্যবহার করতে পারে (যেমন তাপমাত্রা সেন্সর analog বা 1-Wire দুটোই হতে পারে); এটা নির্ভর করে সেন্সরের ভেতরে নিজস্ব কনভার্সন/প্রসেসিং সার্কিট আছে কিনা তার উপর।

৩ · সেন্সর নয়েজ ও ফিল্টারিং

বাস্তব সেন্সর রিডিং কখনোই একদম নিখুঁত হয় না — ইলেকট্রনিক নয়েজ, তাপমাত্রার ওঠানামা, বা যান্ত্রিক কম্পনের কারণে একই স্থির মান বারবার মাপলেও প্রতিবার কিছুটা ভিন্ন সংখ্যা আসে। নিচের কোড সেলে একটি তাপমাত্রা সেন্সরের ১২টি নয়েজি রিডিং ফিক্সড সিড দিয়ে সিমুলেট করা হয়েছে, তারপর একটি সরল মুভিং-এভারেজ ফিল্টার (সাম্প্রতিক কয়েকটি রিডিং-এর গড়) প্রয়োগ করে দেখানো হয়েছে ফিল্টার করা রিডিং প্রকৃত মানের কাছাকাছি — এটি শুধু দাবি নয়, কোড সেলটি সত্যিই গড় পরম ত্রুটি (Mean Absolute Error, MAE) গণনা করে কাঁচা ও ফিল্টার করা রিডিং-এর মধ্যে তুলনা করে।

import random

TRUE_TEMP_C = 25.0   # প্রকৃত (true) তাপমাত্রা -- বাস্তবে অজানা, শুধু সিমুলেশনের জন্য জানা আছে
NOISE_STD = 1.5       # সেন্সরের পরিমাপ-নয়েজের স্ট্যান্ডার্ড ডেভিয়েশন (°C)

rng = random.Random(42)   # ফিক্সড সিড -- রিপ্রোডিউসিবল রেজাল্টের জন্য
raw_readings = [round(rng.gauss(TRUE_TEMP_C, NOISE_STD), 3) for _ in range(12)]

def moving_average(readings, window=4):
    filtered = []
    for i in range(len(readings)):
        start = max(0, i - window + 1)
        chunk = readings[start:i + 1]
        filtered.append(sum(chunk) / len(chunk))
    return filtered

filtered_readings = moving_average(raw_readings, window=4)

def mean_abs_error(readings, true_value):
    return sum(abs(r - true_value) for r in readings) / len(readings)

raw_mae = mean_abs_error(raw_readings, TRUE_TEMP_C)
filtered_mae = mean_abs_error(filtered_readings, TRUE_TEMP_C)

print("নমুনা\tকাঁচা রিডিং\tমুভিং-এভারেজ ফিল্টার")
for i, (r, f) in enumerate(zip(raw_readings, filtered_readings), start=1):
    print(f"{i}\t{r:.3f}\t\t{f:.3f}")

print(f"\nপ্রকৃত মান: {TRUE_TEMP_C} °C")
print(f"কাঁচা রিডিং-এর গড় পরম ত্রুটি (MAE): {raw_mae:.4f} °C")
print(f"ফিল্টার করা রিডিং-এর গড় পরম ত্রুটি (MAE): {filtered_mae:.4f} °C")
improvement_pct = (1 - filtered_mae / raw_mae) * 100
print(f"ফিল্টারিং ত্রুটি কমিয়েছে: {raw_mae - filtered_mae:.4f} °C ({improvement_pct:.1f}% কম)")