电磁跟踪作为智能汽车一种比较简单的入门跟踪方式，是很多人刚开始接触时就开始使用的方案。 电磁处理的方法主要有差比和处理以及归一化处理。 最近，我在看tsdqz老师的人工智能课时，在一节课上谈到了归一化的好处，联想到了打智能车比赛时自己采用的电磁跟踪算法。
当时，我也同时对电磁进行了差比和归一化处理，但后来对中频电感进行差比和处理后，发现实际产生的数值与原来差比和产生的数值相差不大。 此后，放弃继续归一化，均采用了差比和的处理。 也没想过为什么很多学校都采用正规化处理方式。
规范化是最简单的理解，就是将所需数据限制在较小的范围内，以便于后续处理。 同时，规范化有几种表达方式。
1. 最大最小值归一化:将采集的数值缩放在[ 0，1 ]之间
//该代码是在网上找到的历史sensor_left=analogread(1； //左侧电感收集值sensor_middle=analogread(2； //中间电感采集值sensor_right=analogread(3； //右边电感采集值if (sensor _ left sensor _ middle sensor _ right 25 ) sum=sensor _ left *1sensor _ middle * 50 sensor _ middle //求偏差}Velocity=35； //电磁巡行线模式下速度Bias=Sensor - 50； //提取偏差angle=bias*0.65(bias-last_bias ) * 0.1； //方向PID//angle=ABS(bias ) bias ) 0.02bias ) 0.074 ) bias-last_bias ) 1； Last_Bias=Bias； //上次偏差2. 均值归一化将你采集的数值缩放在[-1，1 ]之间，使数据的平均值为0
3. 标准值归一化:将数值缩放到0附近，且数据分布为平均值为0、标准偏差为1的标准正态分布。
(x )为x xx的标准偏差，计算公式如下。
事实上，上述方法也可以回归到特征定标，这对于基于距离的算法特别重要。 应用于智能汽车制导跟踪，出现在不同位置、不同构型制导磁场线上的相对距离位置。
规范化处理的优点如下
1. 可以消除特征间单位和尺度差异的影响 (电感在采集电磁信号值时，最大值和最小值之差较大) )。
2. 能提高梯度下降法求解最优解的速度（收敛所需的迭代次数更少）
关于第2点，以下图为例，左图是没有进行正规化处理的损失函数，右图是进行了正规化后处理的损失函数。 红线可以理解为简单的找到最佳解的方法。 虽然不理解上述术语也没关系，但是进行归一化处理后，很明显右图的红线部分能马上找到最佳解。
以上只是我个人对电磁为什么要按正规化处理的理解。 如有错误，恭候您的指正。