SensorHub數(shù)據(jù)融合算法

-`SensorHubAuthor:Alg-`RevisionHistoryVersion

Date

Author

Description1.0 07/08/2015

Alg

文檔第一版-`多傳感器數(shù)據(jù)融合算法研究本片文章闡述了數(shù)據(jù)融合的估計(jì)理論，歸納總結(jié)了多傳感器系統(tǒng)中各種數(shù)據(jù)融合結(jié)構(gòu)：集中式、分布式、混合式；并根據(jù)相關(guān)線性估計(jì)理論，提出了數(shù)據(jù)融合估計(jì)的最優(yōu)準(zhǔn)則。后邊根據(jù)多傳感器數(shù)據(jù)融合估計(jì)知識(shí)，建立了基于卡爾曼濾波的數(shù)據(jù)融合估計(jì)模型，接著給出了不同融合結(jié)構(gòu)的數(shù)據(jù)融合濾波算法，分別是：集中式卡爾曼濾波算法、順序式卡爾曼濾波算法、平行式卡爾曼濾波算法、聯(lián)合式卡爾曼濾波算法。然后針對(duì)卡爾曼濾波進(jìn)行研究；后邊又給出一種關(guān)于估計(jì)融合的一般的系統(tǒng)的方法，建立了統(tǒng)一線性數(shù)據(jù)模型，并給出了不同的情況下的最優(yōu)的線性融和規(guī)則，重點(diǎn)研究了線性最小方差估計(jì)和最小二乘估計(jì)，最后研究了非線性并也包含線性數(shù)據(jù)的情況下的最優(yōu)的線性融合規(guī)則。最后實(shí)際應(yīng)用（軍事方面威脅）舉例研究威脅估計(jì)算法。謝謝閱讀飛行控制系統(tǒng)多傳感器信息融合技術(shù)研究本文主要研究的是飛行控制系統(tǒng)中的多傳感器信息融合算法?，F(xiàn)在國(guó)內(nèi)外對(duì)融合算法研究主要集中在綜合平均法、貝葉斯估計(jì)法、D-S法、模糊邏輯法、神經(jīng)網(wǎng)絡(luò)方法、卡爾曼濾波法、專(zhuān)家系統(tǒng)方法。謝謝閱讀本篇文章主要針對(duì)的傳感器數(shù)據(jù)有大氣數(shù)據(jù)計(jì)算機(jī)、無(wú)線電高度表、差分GPS三種高度傳感器，垂直陀螺、航姿參考系統(tǒng)兩種姿態(tài)角傳感器。本文關(guān)于姿態(tài)融合采用的是BP神經(jīng)網(wǎng)絡(luò)方法。關(guān)于高度數(shù)據(jù)融合使用的是傳統(tǒng)的卡爾曼濾波方法。詳細(xì)算法看文檔。謝謝閱讀基于多傳感器信息融合關(guān)鍵技術(shù)的研究系統(tǒng)的討論了信息融合過(guò)程中的量測(cè)預(yù)處理技術(shù)、數(shù)據(jù)關(guān)聯(lián)技術(shù)、數(shù)據(jù)決策技術(shù)以及信息融合技術(shù)。這篇文章中主要針對(duì)航跡跟蹤相關(guān)技術(shù)背景進(jìn)行研究。主要研究的算法為DS。謝謝閱讀通過(guò)閱讀大量的國(guó)內(nèi)外參考文獻(xiàn),介紹了多傳感器信息融合的磁念和特點(diǎn),分析了多傳感器信息融合的模型結(jié)構(gòu),著重介紹了信息融合技術(shù)的發(fā)展現(xiàn)狀和趨勢(shì)。謝謝閱讀主要對(duì)量測(cè)數(shù)據(jù)預(yù)處理技術(shù)中的時(shí)空配準(zhǔn)技術(shù)進(jìn)行了研究,并研究了野值問(wèn)題,并提出了基于新息變化的野值檢測(cè)方法。謝謝閱讀全文最關(guān)鍵的部分,即數(shù)據(jù)關(guān)聯(lián)技術(shù)的研究。本章主要對(duì)關(guān)聯(lián)算法進(jìn)行了仿真分析。并提出了基于證據(jù)理論的概率數(shù)據(jù)關(guān)聯(lián)算法對(duì)單目標(biāo)進(jìn)行跟蹤,并在此基礎(chǔ)上對(duì)算法進(jìn)行了拓展,提出了基于證據(jù)理論的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法對(duì)多目標(biāo)進(jìn)行跟蹤,此外為了減少算法計(jì)算量,引用最大模糊熵思想對(duì)關(guān)聯(lián)算法進(jìn)行簡(jiǎn)化。謝謝閱讀-`對(duì)多傳感器數(shù)據(jù)決策技術(shù)的研究,重點(diǎn)研究了DS證據(jù)理論方法。提出了針對(duì)沖突的改進(jìn)DS證據(jù)理論算法和基于傳感器信任度的DS證據(jù)理論改進(jìn)算法。感謝閱讀多傳感器信息融合技術(shù)的應(yīng)用部分,對(duì)同類(lèi)傳感器信息融合和異類(lèi)傳感器信息融合算法進(jìn)行研究,并對(duì)基于DS證據(jù)理論的多傳感器信息融合算法和基于雷達(dá)與紅外的異類(lèi)傳感器融合算法進(jìn)行了仿真。感謝閱讀研究的算法可以參考，研究的相關(guān)傳感器實(shí)用方法與手機(jī)的相關(guān)多傳感器融合相關(guān)性很小。精品文檔放心下載簡(jiǎn)單介紹DS：DS證據(jù)理論也稱為Dempster-Shafer理論或信任函數(shù)理論,這一理論產(chǎn)生于20世紀(jì)60年代,是由Dempster利用概率上下限來(lái)處理不確定性問(wèn)題而首先提出的。并且由其學(xué)生Shafer對(duì)該理論進(jìn)行了一系列系統(tǒng)的理論i#正,使得該理論適用于處理不精確問(wèn)題并具有嚴(yán)格的理論推導(dǎo),通常將該理論簡(jiǎn)稱為DS證據(jù)理論。精品文檔放心下載可穿戴傳感網(wǎng)絡(luò)中異質(zhì)傳感器數(shù)據(jù)融合算法研究本文研究的可穿戴傳感器數(shù)據(jù)融合與sensorhub相關(guān)的數(shù)據(jù)融合相關(guān)性較強(qiáng)。下邊摘錄出相關(guān)可穿戴的基本內(nèi)容。謝謝閱讀4.1 可穿戴傳感網(wǎng)絡(luò)概述4.1.1 可穿戴傳感網(wǎng)絡(luò)概念可穿戴傳感網(wǎng)絡(luò)是在可穿戴計(jì)算機(jī)基礎(chǔ)上發(fā)展起來(lái)的新型網(wǎng)絡(luò)，可穿戴計(jì)算機(jī)是近幾年興起的新的研究熱點(diǎn)，實(shí)際上早在20世紀(jì)60年代就形成了可穿戴計(jì)算思想的雛形，與傳統(tǒng)計(jì)算機(jī)相比，可穿戴計(jì)算機(jī)與人的交互更為緊密，它是在科技不斷發(fā)展，各種超微型、高集成元器件不斷產(chǎn)生的背景下應(yīng)運(yùn)而生的。目前關(guān)于可穿戴計(jì)算機(jī)還沒(méi)有一個(gè)明確統(tǒng)一的定義，概括來(lái)講，可穿戴計(jì)算機(jī)是一種個(gè)人移動(dòng)計(jì)算系統(tǒng)，它屬于使用者的個(gè)人空間，能隨時(shí)為佩戴者提供信息獲取、交換和處理能力，使人機(jī)關(guān)系更加緊密，從而促成了一種新的“以人為本”的人機(jī)交互方式，達(dá)到人機(jī)的和諧統(tǒng)一。精品文檔放心下載可穿戴計(jì)算機(jī)大部分配有頭戴式或眼鏡式超微型顯示器，通常采用多模式交互和多通道傳感技術(shù)。大體而言，可穿戴計(jì)算機(jī)具備以下幾個(gè)基本特征：精品文檔放心下載（1）可在運(yùn)動(dòng)狀態(tài)或移動(dòng)狀態(tài)下使用。采用頭戴顯示器，使用者可在行走時(shí)使用，在關(guān)注虛擬世界的同時(shí)關(guān)注真實(shí)世界。謝謝閱讀（2）使用時(shí)可騰出雙手做其它事情。這種模式需要利用雙手以外的其它模式與計(jì)算機(jī)進(jìn)行交互，如語(yǔ)音操作、環(huán)境感知等等。謝謝閱讀-`（3）穿戴者可以進(jìn)行控制?？梢酝ㄟ^(guò)多模式、多通道與計(jì)算機(jī)進(jìn)行交互，從而達(dá)到控制的目的。感謝閱讀（4）衣物一體。體現(xiàn)人機(jī)結(jié)合的新型關(guān)系，實(shí)現(xiàn)“以人為本，人機(jī)合一”的理念。謝謝閱讀（5）具有可持續(xù)性?？沙掷m(xù)性的涵義是人機(jī)一直保持聯(lián)系，這是可穿戴計(jì)算機(jī)與其他移動(dòng)計(jì)算機(jī)最大的區(qū)別。感謝閱讀（6）多樣性?？纱┐饔?jì)算機(jī)由于功能不同，在構(gòu)成、形態(tài)等很多方面也存在差異。精品文檔放心下載可穿戴傳感網(wǎng)絡(luò)是可穿戴計(jì)算機(jī)概念的外延和發(fā)展，是利用各種專(zhuān)門(mén)穿戴在人體上的傳感器（光、電、溫度、濕度、壓力等）節(jié)點(diǎn)，基于短距離無(wú)線通信技術(shù)，具有智能收集人體和周?chē)h(huán)境信息功能的一種新型獨(dú)立網(wǎng)絡(luò)。由藍(lán)牙和Zigbee等短距離無(wú)線通信技術(shù)作為其底層傳輸手段，從而組建一個(gè)無(wú)線、高度靈活、自組織，甚至是隱蔽的新型個(gè)域網(wǎng)?？纱┐鱾鞲芯W(wǎng)絡(luò)的結(jié)構(gòu)主要包括傳感器節(jié)點(diǎn)、無(wú)線通信協(xié)議、無(wú)線通信模塊、數(shù)據(jù)處理模塊，如下圖所示。在該網(wǎng)絡(luò)中，傳感器節(jié)點(diǎn)負(fù)責(zé)采集監(jiān)測(cè)用戶的各種生理信息和運(yùn)動(dòng)狀態(tài)，并將這些數(shù)據(jù)通過(guò)無(wú)線通信協(xié)議發(fā)送到無(wú)線通信模塊，無(wú)線通信模塊再將數(shù)據(jù)傳送到PC機(jī)上進(jìn)行處理。精品文檔放心下載圖表4-1可穿戴傳感網(wǎng)絡(luò)結(jié)構(gòu)圖可穿戴傳感網(wǎng)絡(luò)與可穿戴計(jì)算機(jī)相比具備更好的靈活性，并能充分融合現(xiàn)有的個(gè)人通信終端，由于現(xiàn)在的通信終端一般都具有存儲(chǔ)容量和運(yùn)算處理能力，因此可穿戴傳感網(wǎng)絡(luò)能進(jìn)行分散控制。謝謝閱讀4.1.2 可穿戴傳感網(wǎng)絡(luò)應(yīng)用背景目前可穿戴傳感網(wǎng)絡(luò)具有廣闊的應(yīng)用背景。隨著生活水平的提高，人們的健康保健意識(shí)也在逐步增強(qiáng)。過(guò)去，遠(yuǎn)距離實(shí)時(shí)監(jiān)測(cè)病患者或高危環(huán)境工作者的生理參數(shù)是讓人精品文檔放心下載-`為難的問(wèn)題。而現(xiàn)在，利用可穿戴傳感網(wǎng)絡(luò)，智能衣服、智能戒指、智能項(xiàng)鏈等設(shè)備就可以實(shí)現(xiàn)遠(yuǎn)距離實(shí)時(shí)監(jiān)測(cè)，因此可穿戴傳感網(wǎng)絡(luò)在醫(yī)療保健領(lǐng)域發(fā)揮著巨大的作用。精品文檔放心下載美國(guó)密歇根州立大學(xué)的電氣工程與運(yùn)動(dòng)學(xué)專(zhuān)業(yè)研究部門(mén)合作開(kāi)發(fā)出一套新式可穿戴式傳感器網(wǎng)絡(luò)，將可穿戴傳感器節(jié)點(diǎn)放在實(shí)驗(yàn)者的手腕、手臂、小腿上，通過(guò)對(duì)頻率、時(shí)間、強(qiáng)度等數(shù)值的監(jiān)測(cè)來(lái)確定當(dāng)前用戶的運(yùn)動(dòng)類(lèi)型以及其他一些有價(jià)值的信息。文獻(xiàn)針對(duì)正在接受治療的神經(jīng)肌肉疾病如帕金森氏病、癲癇和中風(fēng)患者開(kāi)發(fā)了一個(gè)可穿戴無(wú)線傳感網(wǎng)絡(luò)平臺(tái)，該網(wǎng)絡(luò)平臺(tái)被命名為“Mercury”，利用8個(gè)無(wú)線傳感器節(jié)點(diǎn)采集患者的運(yùn)動(dòng)和生理信息，與其他類(lèi)似的網(wǎng)絡(luò)系統(tǒng)相比，該平臺(tái)能夠?yàn)榛颊咛峁└哌_(dá)每天12-18小時(shí)的佩戴時(shí)間，每個(gè)獨(dú)立節(jié)點(diǎn)可以對(duì)原始信號(hào)進(jìn)行高層計(jì)算。文獻(xiàn)[18]將織物傳感器整合到衣物中，設(shè)計(jì)出一種穿戴式的睡眠呼吸監(jiān)測(cè)系統(tǒng)，能夠?qū)崟r(shí)實(shí)現(xiàn)胸部、腹部的呼吸監(jiān)測(cè)，這對(duì)家庭中的慢性疾病監(jiān)測(cè)與診斷提供一個(gè)良好的平臺(tái)。另外，特別針對(duì)老年人的身心健康護(hù)理需求，構(gòu)建可穿戴傳感網(wǎng)絡(luò)監(jiān)測(cè)老年人活動(dòng)狀態(tài)，減少并預(yù)防老年人經(jīng)常發(fā)生的跌倒情況。日本是一個(gè)老齡化速度很快的國(guó)家，為了更好的照顧老年人生活，日本電信公司NTT(NipponTelegraph&Telephone)研發(fā)出一種可穿戴傳感器，能夠像手表一樣戴在腕部，由小型攝像頭、加速度傳感器、方位傳感器、照度傳感器及麥克風(fēng)組成，可以識(shí)別人們的日常生活活動(dòng)。精品文檔放心下載4.2 可穿戴傳感網(wǎng)絡(luò)中的姿態(tài)測(cè)量技術(shù)可穿戴傳感網(wǎng)絡(luò)主要以人作為傳感器節(jié)點(diǎn)的載體，除了監(jiān)測(cè)人體的血壓、呼吸、心電圖等生理信息，還有最重要的一個(gè)監(jiān)測(cè)項(xiàng)目就是人體姿態(tài)，包括靜止姿態(tài)和運(yùn)動(dòng)姿態(tài)。本文研究的異質(zhì)傳感器數(shù)據(jù)融合算法是以人體姿態(tài)為主要研究目標(biāo)的算法。目前，姿態(tài)測(cè)量方法有很多種，如電磁跟蹤法、機(jī)械跟蹤法、聲學(xué)跟蹤法、光學(xué)跟蹤法、傳感器跟蹤法等等，其中光學(xué)跟蹤法中的視頻攝像測(cè)量法是應(yīng)用最廣泛的一種，主要由于該方法實(shí)時(shí)性好，準(zhǔn)確性高，但其致命的缺點(diǎn)是暴露了用戶的隱私，且監(jiān)測(cè)范圍有限，受環(huán)境影響很大。本文討論的算法屬于姿態(tài)測(cè)量中的傳感器跟蹤法，該方法是一種接觸式測(cè)量方法，具備體積小、重量輕、能耗低、成本低、受環(huán)境影響較小的優(yōu)勢(shì)，因此具有廣闊的應(yīng)用前景。精品文檔放心下載4.2.1 三維坐標(biāo)系的定義及轉(zhuǎn)換人體的姿態(tài)是人體坐標(biāo)系和地理坐標(biāo)系之間的方位關(guān)系，因此本文涉及兩個(gè)坐標(biāo)系：感謝閱讀人體坐標(biāo)系和地理坐標(biāo)系。-`圖表4-2三維人體坐標(biāo)系對(duì)于慣性MEMS傳感器來(lái)說(shuō)，人體坐標(biāo)系是最基本的坐標(biāo)系，因?yàn)閼T性MEMS傳感器是固定在人體上并隨著人體的運(yùn)動(dòng)而運(yùn)動(dòng)的，因此傳感器坐標(biāo)系與人體坐標(biāo)系一直保持重合。三維人體坐標(biāo)系如圖2.2所示，其原點(diǎn)與人體質(zhì)心重合，X軸指向人體正面向前，Y軸指向人體側(cè)面向右，Z軸垂直向下與重力方向重合，三軸互相垂直，箭頭方向?yàn)檎?，?gòu)成右手坐標(biāo)系。感謝閱讀圖表4-3地理坐標(biāo)系地理坐標(biāo)系即當(dāng)?shù)厮阶鴺?biāo)系，亦稱NED坐標(biāo)系或慣性直角坐標(biāo)系，同樣通過(guò)滿足右手正交法則的三個(gè)互相垂直的向量軸來(lái)表示（圖2.3所示）。其原點(diǎn)與人體坐標(biāo)系原點(diǎn)重合，N軸沿當(dāng)?shù)刈游缇€指向地球正北方，E軸沿當(dāng)?shù)鼐暰€指向地球正東方向，感謝閱讀軸與重力方向重合，指向地球中心。-`由于人體姿態(tài)是通過(guò)人體坐標(biāo)系和地理坐標(biāo)系的方位關(guān)系來(lái)表達(dá)的，因此涉及到這兩個(gè)坐標(biāo)系之間的轉(zhuǎn)換。在數(shù)學(xué)方法中，一個(gè)直角坐標(biāo)系到另一個(gè)直角坐標(biāo)系的轉(zhuǎn)換需要進(jìn)行旋轉(zhuǎn)和平移兩方面的運(yùn)算，但因?yàn)槠揭茮](méi)有改變坐標(biāo)系的方向，因此這里只考慮坐標(biāo)旋轉(zhuǎn)。兩個(gè)空間坐標(biāo)系之間的角度關(guān)系可以用一矩陣來(lái)表示，即方向余弦矩陣。精品文檔放心下載設(shè)有一三維直角坐標(biāo)系OX1Y1Z1,其三個(gè)軸上的單位向量分別為i1,j1,k1.任一向量L均可以用它在三個(gè)軸上的分量來(lái)表示如圖2.4所示：感謝閱讀-`圖表4-4向量在三維直角坐標(biāo)系OXYZ中的表示謝謝閱讀-`4.2.2 姿態(tài)表示方法研究人體的實(shí)時(shí)運(yùn)動(dòng)姿態(tài)，需要對(duì)人體坐標(biāo)系和地理坐標(biāo)系相應(yīng)三軸之間夾角進(jìn)行求解，這是姿態(tài)算法的核心內(nèi)容。姿態(tài)的表示方法主要有三種，分別為：歐拉角、四元數(shù)和方向余弦矩陣（也稱旋轉(zhuǎn)矩陣）。這三種表示方法之間具有一定的聯(lián)系也可以進(jìn)行相互轉(zhuǎn)換。感謝閱讀4.2.2.1歐拉角圖表4-5坐標(biāo)系OX0Y0Z0到OXYZ的三次旋轉(zhuǎn)感謝閱讀-`4.2.2.2四元數(shù)-`-`4.2.2.3方向余弦矩陣-`4.2.2.4三種姿態(tài)表示方法之間的轉(zhuǎn)換-`-`4.2.3 姿態(tài)測(cè)量的基本原理4.2.3.1加速度傳感器4.2.3.2磁力傳感器-`-`4.2.3.3角速度傳感器4.3 數(shù)據(jù)融合基本理論異質(zhì)傳感器數(shù)據(jù)融合技術(shù)是多種傳感器信息的獲取、表示以其內(nèi)在聯(lián)系進(jìn)行綜合處理和優(yōu)化的技術(shù)，它從多信息的視角進(jìn)行處理和綜合，得到各種信息的內(nèi)在聯(lián)系和規(guī)律，從而剔除無(wú)用的和錯(cuò)誤的信息，保留正確的和有用的成分，最終實(shí)現(xiàn)信息的優(yōu)化。更具體的說(shuō)法是將經(jīng)過(guò)處理的異質(zhì)傳感器信息進(jìn)行合成，形成一種對(duì)外部環(huán)境或被測(cè)對(duì)象某一特征的表達(dá)方式。單一傳感器只能獲取環(huán)境或被測(cè)對(duì)象的部分信息，而異質(zhì)傳感器信息融合后能夠完善地、準(zhǔn)確地反映環(huán)境的特征。目前異質(zhì)傳感器數(shù)據(jù)融合技術(shù)大規(guī)模應(yīng)用于信息電子學(xué)領(lǐng)域、計(jì)算機(jī)科學(xué)領(lǐng)域、自動(dòng)化領(lǐng)域等等。謝謝閱讀4.3.1 數(shù)據(jù)融合系統(tǒng)的功能模型數(shù)據(jù)融合系統(tǒng)的通用功能模型，如圖2.8所示，主要包括四個(gè)級(jí)別的處理：謝謝閱讀第一級(jí)處理的內(nèi)容為信息處理級(jí)的數(shù)據(jù)融合，包括數(shù)據(jù)配準(zhǔn)和數(shù)據(jù)關(guān)聯(lián)。數(shù)據(jù)配準(zhǔn)是通過(guò)校準(zhǔn)技術(shù)使全部傳感器具有相同的空間和時(shí)間基準(zhǔn)，數(shù)據(jù)關(guān)聯(lián)則是把各個(gè)傳感器產(chǎn)生的點(diǎn)跡與數(shù)據(jù)庫(kù)中已有的標(biāo)準(zhǔn)點(diǎn)跡進(jìn)行關(guān)聯(lián)，同時(shí)預(yù)測(cè)目標(biāo)狀態(tài)，以達(dá)到連續(xù)跟蹤目標(biāo)的目的。感謝閱讀第二級(jí)處理是屬性信息融合。對(duì)來(lái)自多個(gè)傳感器的屬性數(shù)據(jù)進(jìn)行合并，以便得到對(duì)目標(biāo)身份的聯(lián)合估計(jì)。精品文檔放心下載第三級(jí)處理是態(tài)勢(shì)提取與威脅評(píng)估，態(tài)勢(shì)提取是指將不完整的數(shù)據(jù)通過(guò)整合得到統(tǒng)一的態(tài)勢(shì)表示，而威脅評(píng)估則是對(duì)系統(tǒng)綜合環(huán)境等進(jìn)行威脅程度的評(píng)估。感謝閱讀第四級(jí)處理是對(duì)數(shù)據(jù)融合結(jié)果進(jìn)行最后優(yōu)化，例如資源優(yōu)化利用、優(yōu)化傳感器管理等以提高系統(tǒng)的融合效果。精品文檔放心下載-`圖表4-6數(shù)據(jù)融合系統(tǒng)功能模型4.3.2 數(shù)據(jù)融合體系結(jié)構(gòu)數(shù)據(jù)融合系統(tǒng)可以采用多種融合結(jié)構(gòu)，主要的融合結(jié)構(gòu)有集中式融合結(jié)構(gòu)和分布式融合結(jié)構(gòu)。謝謝閱讀集中式融合結(jié)構(gòu)的特點(diǎn)是將局部傳感器所采集觀測(cè)的數(shù)據(jù)傳送到中心融合節(jié)點(diǎn)，該系統(tǒng)能夠?qū)⑺袀鞲衅鲗?duì)整個(gè)全局進(jìn)行觀測(cè)的數(shù)據(jù)全部用來(lái)進(jìn)行態(tài)勢(shì)估計(jì)。這種結(jié)構(gòu)形式的優(yōu)點(diǎn)是能夠利用全部信息，目標(biāo)姿態(tài)估計(jì)最佳，信息損失性小。但由于處理中心要處理所有的原始信息，加大了通信開(kāi)銷(xiāo)，數(shù)據(jù)融合中心的計(jì)算機(jī)存儲(chǔ)容量要求較大，對(duì)計(jì)算機(jī)要求很高而且數(shù)據(jù)關(guān)聯(lián)困難。精品文檔放心下載分布式融合結(jié)構(gòu)中的各個(gè)傳感器都可以獨(dú)立完成計(jì)算任務(wù)，然后把處理過(guò)的數(shù)據(jù)信息送給數(shù)據(jù)融合中心，融合中心利用各個(gè)傳感器所提供的局部估計(jì)進(jìn)行融合，最后給出融合結(jié)果，即全局估計(jì)。這種結(jié)構(gòu)形式的優(yōu)點(diǎn)是能夠增加新傳感器或?qū)蟼鞲衅鬟M(jìn)行改進(jìn)，以便更少地觸動(dòng)系統(tǒng)軟硬件，現(xiàn)有的平臺(tái)數(shù)據(jù)總線可以頻繁使用。但由于提供給中心處理器的數(shù)據(jù)有限，會(huì)降低傳感器融合的有效性，某些傳感器對(duì)環(huán)境的干擾會(huì)影響到處理器部件的選擇，造成成本增加。謝謝閱讀4.3.3 數(shù)據(jù)融合層次描述在異質(zhì)傳感器數(shù)據(jù)融合中，由于不同傳感器的不同工作原理和特征，產(chǎn)生了數(shù)據(jù)的多樣化，因此必須針對(duì)具體問(wèn)題中的不同數(shù)據(jù)特征、采集的方法等特點(diǎn)進(jìn)行分級(jí)別分步驟地融合。按照數(shù)據(jù)處理的抽象程度，將數(shù)據(jù)融合劃分為數(shù)據(jù)級(jí)、特征級(jí)和決策級(jí)3個(gè)級(jí)別：精品文檔放心下載（1）數(shù)據(jù)級(jí)融合也稱為像素級(jí)融合，屬于數(shù)據(jù)融合的最低層次，如圖 2.9所示。精品文檔放心下載對(duì)屬于同一級(jí)別的傳感器原始數(shù)據(jù)進(jìn)行直接融合處理，然后再進(jìn)行特征提取和態(tài)勢(shì)估計(jì)。感謝閱讀-`傳感器的信息融合之后，沒(méi)有單個(gè)處理的信息損失，識(shí)別的處理等價(jià)于對(duì)單個(gè)傳感器的處理。精品文檔放心下載圖表4-7數(shù)據(jù)層融合（2）特征級(jí)數(shù)據(jù)融合是利用各個(gè)傳感器觀測(cè)目標(biāo)完成提取有代表性的特征信息，產(chǎn)生單一的特征向量，然后將這些特征向量進(jìn)行融合從而產(chǎn)生身份估計(jì)。這種方法所提取的特征信息應(yīng)是數(shù)據(jù)信息的充分表示量或者統(tǒng)計(jì)量，必須使用關(guān)聯(lián)處理，如圖2.10所示。精品文檔放心下載圖表4-8特征層融合特征級(jí)數(shù)據(jù)融合的主要優(yōu)點(diǎn)是可以壓縮觀測(cè)信息，這樣便于提取特征向量進(jìn)行實(shí)時(shí)處理。該級(jí)數(shù)據(jù)融合還可以分為目標(biāo)特性融合和目標(biāo)狀態(tài)融合兩類(lèi)，其中目標(biāo)特性融合是特征級(jí)聯(lián)合識(shí)別，在融合前必須先對(duì)特征進(jìn)行相關(guān)處理，對(duì)特征向量進(jìn)行分類(lèi)組合。目標(biāo)狀態(tài)數(shù)據(jù)融合首先要完成數(shù)據(jù)配準(zhǔn)，然后再實(shí)現(xiàn)參數(shù)相關(guān)和狀態(tài)估計(jì)，該方法多應(yīng)用于異質(zhì)傳感器目標(biāo)跟蹤領(lǐng)域。精品文檔放心下載（3）決策級(jí)別數(shù)據(jù)融合如圖2.11所示，屬于高級(jí)別融合，最后的融合結(jié)果直接為決策提供依據(jù)。多個(gè)異質(zhì)傳感器觀測(cè)同一個(gè)目標(biāo)，獨(dú)立完成特征信息的提取，然后通過(guò)相關(guān)處理、決策級(jí)融合判決，最終獲得聯(lián)合推斷結(jié)果。精品文檔放心下載-`圖表4-9決策層融合決策級(jí)數(shù)據(jù)融合的靈活性和實(shí)時(shí)性很好，對(duì)帶寬要求不高，當(dāng)一個(gè)或幾個(gè)傳感器失效時(shí)仍能給出最終決策，因此抗干擾能力強(qiáng)，具有良好的容錯(cuò)性。謝謝閱讀4.3.4 數(shù)據(jù)融合的主要方法數(shù)據(jù)融合的方法有很多，現(xiàn)階段常用的比較經(jīng)典方法有Kalman濾波算法、加權(quán)平均法、貝葉斯融合估計(jì)、D-S證據(jù)推理法、模糊邏輯法、產(chǎn)生式規(guī)則法以及神經(jīng)網(wǎng)絡(luò)方法等。這些數(shù)據(jù)融合方法中，貝葉斯估計(jì)、Kalman濾波、模糊邏輯法和神經(jīng)網(wǎng)絡(luò)方法理論基本已經(jīng)成熟，而D-S證據(jù)推理在合理性方面存在欠缺；從數(shù)據(jù)處理量來(lái)看，貝葉斯估計(jì)、D-S證據(jù)推理的數(shù)據(jù)處理量都很大，而Kalman濾波和模糊邏輯法的數(shù)據(jù)處理量適中；從使用難度方面考查幾種算法，難度較高的有模糊邏輯法和神經(jīng)網(wǎng)絡(luò)方法，因?yàn)檫@兩種方法均屬于現(xiàn)代方法，模擬人類(lèi)的思維過(guò)程需要強(qiáng)大的理論基礎(chǔ)，D-S證據(jù)推理難度適中，難度較低的方法是貝葉斯估計(jì)和Kalman濾波。感謝閱讀綜上所述，在數(shù)據(jù)融合的多種方法中，不存在最優(yōu)的算法，每種算法自身都存在著優(yōu)缺點(diǎn)，同時(shí)也對(duì)應(yīng)著各自的應(yīng)用領(lǐng)域，因此在融合方法選擇上要根據(jù)實(shí)際問(wèn)題擇優(yōu)選擇并可以考慮不同方法的自適應(yīng)混合算法來(lái)解決問(wèn)題。目前，將模糊邏輯法、神經(jīng)網(wǎng)絡(luò)法、粗集理論等新型智能方法有機(jī)結(jié)合在一起是一個(gè)重要的發(fā)展趨勢(shì)。謝謝閱讀4.4 本章小結(jié)本章介紹了可穿戴傳感網(wǎng)絡(luò)的概念和應(yīng)用背景，研究了姿態(tài)測(cè)量技術(shù)，確定了關(guān)于人體姿態(tài)測(cè)量的兩種坐標(biāo)系統(tǒng)，人體坐標(biāo)系和地理坐標(biāo)系，并說(shuō)明了兩種坐標(biāo)系的轉(zhuǎn)換方法。關(guān)于人體姿態(tài)的表示方式，研究了歐拉角、四元數(shù)和旋轉(zhuǎn)矩陣三種最基本的形式以及相互轉(zhuǎn)換的方法。同時(shí)，研究了加速度傳感器、角速度傳感器和磁力傳感器單獨(dú)計(jì)算姿態(tài)角的原理和異質(zhì)傳感器數(shù)據(jù)融合的基本理論，為后續(xù)算法設(shè)計(jì)提供理論基礎(chǔ)。精品文檔放心下載4.5 基于kalman濾波的數(shù)據(jù)融合算法研究異質(zhì)傳感器數(shù)據(jù)融合算法包括姿態(tài)計(jì)算和濾波算法兩部分，姿態(tài)計(jì)算是利用傳感器數(shù)據(jù)計(jì)算人體的姿態(tài)，并可以根據(jù)實(shí)際需要選擇四元數(shù)、歐拉角或旋轉(zhuǎn)矩陣作為姿態(tài)的謝謝閱讀-`表示方式。但由于傳感器自身的誤差以及周?chē)h(huán)境的影響，會(huì)使計(jì)算結(jié)果出現(xiàn)較大的誤差，因此為了提高姿態(tài)計(jì)算的準(zhǔn)確性，降低計(jì)算誤差，這里引入濾波算法。感謝閱讀Kalman濾波算法是由匈牙利數(shù)學(xué)家RudolfEmilKalman在1960年的一篇《ANew精品文檔放心下載ApproachtoLinearFilteringandPredictionProblems》論文中提出新的解決線性預(yù)測(cè)問(wèn)題的方法，它是一種實(shí)時(shí)遞推算法，所處理的是隨機(jī)信號(hào)，利用系統(tǒng)噪聲和觀測(cè)噪聲的統(tǒng)計(jì)特性，以系統(tǒng)的觀測(cè)量作為濾波器的輸入，以所要估計(jì)的狀態(tài)或參數(shù)作為濾波器的輸出。濾波器的輸入和輸出是由時(shí)間更新和觀測(cè)更新算法聯(lián)系在一起的，根據(jù)系統(tǒng)方程和觀測(cè)方程估計(jì)出所需處理的信號(hào)，是一種最優(yōu)估計(jì)方法。感謝閱讀后邊關(guān)于使用卡爾曼和非線性卡爾曼濾波算法在文章第三章的3.1-3.3小節(jié)進(jìn)行了描述。這里不做詳細(xì)描述。精品文檔放心下載4.6 基于LMS的自適應(yīng)互補(bǔ)濾波算法人體姿態(tài)估計(jì)算法是可穿戴傳感網(wǎng)絡(luò)的核心部分，由于使用環(huán)境的特殊性，各傳感器數(shù)據(jù)有兩種處理方式：一種是直接在人體傳感器節(jié)點(diǎn)內(nèi)部進(jìn)行處理，一種是將數(shù)據(jù)發(fā)送到服務(wù)中心進(jìn)行處理。第一種處理方式受到節(jié)點(diǎn)能源和存儲(chǔ)空間的約束，本文研究的算法是利用第二種處理方式，即將數(shù)據(jù)采集之后再進(jìn)行獨(dú)立計(jì)算。但無(wú)論用任何一種方式，高效、準(zhǔn)確、低消耗的數(shù)據(jù)融合算法都是算法設(shè)計(jì)的最終目標(biāo)。精品文檔放心下載本文所選三種異質(zhì)傳感器包括加速度傳感器、磁力傳感器和角速度傳感器，這三種傳感器均具備無(wú)源、小尺寸、重量輕的特點(diǎn)，十分符合可穿戴傳感網(wǎng)的應(yīng)用背景。從理論上，可以利用加速度—磁力組合或單獨(dú)使用角速度傳感器就可以獲取人體姿態(tài)，然而在實(shí)際應(yīng)用中，由于傳感器信號(hào)噪聲的影響以及傳感器自身特點(diǎn)，上面的方法是不可行的。加速度—磁力組合進(jìn)行姿態(tài)估計(jì)只適用于靜態(tài)或準(zhǔn)靜態(tài)，并且除地磁場(chǎng)外，沒(méi)有其他的磁力因素或磁源較弱的環(huán)境，在這種情況下，加速度傳感器測(cè)量重力分量，而磁力傳感器測(cè)量地磁場(chǎng)的磁力分量。因此，在動(dòng)態(tài)環(huán)境或磁力影響很大的測(cè)量環(huán)境中，加速度—磁力組合進(jìn)行人體姿態(tài)估計(jì)將會(huì)產(chǎn)生較大的誤差，從而使系統(tǒng)性能下降。單獨(dú)利用角速度積分進(jìn)行姿態(tài)估計(jì)，由于積分運(yùn)算具有信號(hào)放大的作用，因此即便是微小的誤差經(jīng)過(guò)累積之后也會(huì)大大降低系統(tǒng)準(zhǔn)確率，影響姿態(tài)估計(jì)的正確性。不過(guò)，這兩種姿態(tài)測(cè)量系統(tǒng)卻具有互補(bǔ)性，如果能夠合理利用這種互補(bǔ)性，不但能克服上面描述的種種弊端，還可以提高算法的準(zhǔn)確性，從而產(chǎn)生更好的姿態(tài)估計(jì)算法。精品文檔放心下載目前，利用上述三種傳感器進(jìn)行數(shù)據(jù)融合的算法有很多。文獻(xiàn)提出了一種基于擴(kuò)展Kalman用于姿態(tài)估計(jì)的數(shù)據(jù)融合算法，該算法摒除歐拉角、四元數(shù)這些傳統(tǒng)姿態(tài)表示方式，采用6*1狀態(tài)向量將Kalman算法線性化，并簡(jiǎn)化了迭代計(jì)算的過(guò)程，提高了處理速率。Bachmann等人提出了一種利用四元數(shù)表示姿態(tài)的數(shù)據(jù)融合算法，該算法主要是基于線性最小二乘回歸分析的思想，巧妙地利用了加速度—磁力組合與角速度傳感器的互補(bǔ)特性，提高了算法準(zhǔn)確性，不過(guò)由于計(jì)算過(guò)程涉及到矩陣求逆，因此計(jì)算量并不小。文獻(xiàn)則另辟蹊徑，在傳統(tǒng)互補(bǔ)算法基礎(chǔ)上分析了兩種測(cè)量系統(tǒng)的噪聲特性，認(rèn)為精品文檔放心下載-`利用角速度積分的方法容易經(jīng)歷低頻漂移，而利用加速度—磁力組合的向量觀測(cè)法則易產(chǎn)生高頻運(yùn)動(dòng)誤差，因此針對(duì)兩種測(cè)量特性設(shè)計(jì)了閾值，在不同情況信任不同的測(cè)量系統(tǒng)。四元數(shù)估計(jì)（quaternionestimator，縮寫(xiě)為QUEST）算法是1981年Shuster提出的一種姿態(tài)估計(jì)算法，由于該算法能解決Wahba問(wèn)題而廣受歡迎，文獻(xiàn)提出將QUEST算法和EKF算法結(jié)合在一起進(jìn)行姿態(tài)估計(jì)，分析結(jié)果表明這種結(jié)合大大提高了估計(jì)精度，而且實(shí)時(shí)性較好。感謝閱讀本章將在前面研究地基礎(chǔ)上，進(jìn)一步分析兩種測(cè)量系統(tǒng)的特性，并參照文獻(xiàn)的分析方法，利用高低頻區(qū)分，合理利用互補(bǔ)性質(zhì)，提出基于LMS的自適應(yīng)互補(bǔ)濾波算法。謝謝閱讀詳細(xì)的算法內(nèi)容請(qǐng)查閱文檔的第五章5.1-5.2小節(jié)內(nèi)容。謝謝閱讀微型四旋翼無(wú)人機(jī)控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)本文中主要對(duì)四旋翼無(wú)人機(jī)中關(guān)鍵技術(shù)中的姿態(tài)確定算法（第四章）和控制算法（第五章）作出描述?；谖覀冴P(guān)于傳感器融合算法研究只需考慮第四章內(nèi)容。精品文檔放心下載5.1 引言飛行姿態(tài)的準(zhǔn)確獲取是飛行控制的基礎(chǔ)和前提，因此飛行姿態(tài)的確定至關(guān)重要由于旋翼飛行器旋翼轉(zhuǎn)動(dòng)時(shí)振動(dòng)強(qiáng)烈，故姿態(tài)參考系統(tǒng)受振動(dòng)的影響較大。同時(shí)旋翼飛行器結(jié)構(gòu)輕巧簡(jiǎn)單，必須要求其控制周期盡可能小以提高響應(yīng)速度。故該姿態(tài)參考系統(tǒng)應(yīng)能減小振動(dòng)的影響同時(shí)保證較高的快速性。精品文檔放心下載無(wú)人飛行器的飛行姿態(tài)通過(guò)慣性測(cè)量組合元件（IMU）來(lái)獲取，主要包括三個(gè)MEMS陀螺儀和三軸加速度傳感器。本章采用Allan方差分析傳感器的噪聲源，介紹Kalman濾波器和互補(bǔ)濾波器的基本原理，給出了其設(shè)計(jì)和實(shí)現(xiàn)步驟，結(jié)合M4R對(duì)所設(shè)計(jì)的姿態(tài)參考系統(tǒng)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。精品文檔放心下載姿態(tài)更新算法作為姿態(tài)參考系統(tǒng)的核心，直接影響姿態(tài)參考系統(tǒng)的精度，因此選擇合理的姿態(tài)更新算法對(duì)整個(gè)姿態(tài)參考系統(tǒng)的性能至關(guān)重要。一般來(lái)說(shuō)，利用陀螺儀輸出的角速率直接計(jì)算飛行器的姿態(tài)和航向可采用：歐拉角法、方向余弦法、四元數(shù)法和等效轉(zhuǎn)動(dòng)矢量法。但是，歐拉角法不支持全姿態(tài)工作；方向余弦法復(fù)雜度較大；四元數(shù)法計(jì)算簡(jiǎn)單、工作量小。此外，在飛行器無(wú)線運(yùn)動(dòng)加速度時(shí)，還可利用加速度計(jì)解算飛行器的姿態(tài)角。然而由于傳感器存在各項(xiàng)誤差，因此不能僅僅單獨(dú)通過(guò)以上所選方法獲取準(zhǔn)確的姿態(tài)角。在航姿系統(tǒng)中，需要采用相應(yīng)的信息融合方法以補(bǔ)償各類(lèi)誤差所帶來(lái)的影響。精品文檔放心下載本文研究了基于四元數(shù)的卡爾曼濾波器和互補(bǔ)濾波器在飛行器姿態(tài)參考系統(tǒng)的應(yīng)用，在飛行控制系統(tǒng)硬件平臺(tái)上實(shí)現(xiàn)了以上兩種算法，并從不同角度對(duì)上述方法進(jìn)行對(duì)精品文檔放心下載-`比，通過(guò)仿真和飛行試驗(yàn)證明采用互補(bǔ)濾波器解算旋翼飛行器姿態(tài)不僅能滿足精度要求，而且能降低系統(tǒng)資源消耗，是一種更為簡(jiǎn)單、有效的方法。精品文檔放心下載5.2 傳感器誤差特性分析無(wú)論采用何種姿態(tài)解算方法，飛行器姿態(tài)的獲取都是通過(guò)處理傳感器輸出的原始數(shù)據(jù)獲得的，因此對(duì)傳感器輸出數(shù)據(jù)進(jìn)行必要的誤差特性分析，進(jìn)而進(jìn)行必要的預(yù)處理和誤差補(bǔ)償校正對(duì)姿態(tài)參考系統(tǒng)的精度有極大的影響。本文主要就MEMS陀螺儀和加速度計(jì)的誤差進(jìn)行分析。謝謝閱讀5.2.1 MEMS陀螺儀誤差分析及矯正隨著電子技術(shù)的發(fā)展，慣性測(cè)量器件的精度越來(lái)越高，但是慣性測(cè)量器件的精度會(huì)隨著時(shí)間的增加而降低，同時(shí)由于慣性測(cè)量元件固聯(lián)于載體上，受載體振動(dòng)和沖擊影響大。因此獲取確的姿態(tài)信息，對(duì)慣性測(cè)量元件的性能提出了很高要求。陀螺的漂移包含常值漂移和隨機(jī)噪聲，常值漂移也稱零漂每次上電后工作將可將其視為常數(shù)，每次上電所產(chǎn)生的常值漂移有所不同。ADIS16405內(nèi)部含有自帶校準(zhǔn)函數(shù)可在一定程度上減小常值漂移零漂，本文對(duì)此進(jìn)行了試驗(yàn)，表4.1給出了該自帶校準(zhǔn)函數(shù)的校正效果。實(shí)驗(yàn)表明零位漂移減小了一個(gè)數(shù)量級(jí)，而方差幾乎沒(méi)有發(fā)生變化。在實(shí)際應(yīng)用中采集到的陀螺儀轉(zhuǎn)動(dòng)角速率需要扣除相應(yīng)常值漂移才能帶入相應(yīng)算法計(jì)算。感謝閱讀表格5-1使用校準(zhǔn)函數(shù)前后陀螺常值漂移對(duì)比受隨機(jī)噪聲的影響，不同精度的陀螺其零偏穩(wěn)定性也不同，對(duì)于MEMS陀螺，目前常用Allan方差法分析其隨機(jī)噪聲。Allan方差法利用Allan方差與功率譜密度間的定量關(guān)系，從時(shí)域上得到MEMS陀螺各種誤差的類(lèi)型和幅度，方法簡(jiǎn)單實(shí)用性強(qiáng)。精品文檔放心下載Allan方差是一種時(shí)頻分析技術(shù)，能夠比較容易對(duì)各類(lèi)誤差的統(tǒng)計(jì)特性進(jìn)行辨識(shí)，能方便確定產(chǎn)生數(shù)據(jù)噪聲的基本隨機(jī)過(guò)程的特性，分離出各項(xiàng)噪聲系數(shù)。采用Allan方差分析法可分析得到數(shù)據(jù)的量化噪聲、角度隨機(jī)游走噪聲、零偏不穩(wěn)定噪聲、速率隨機(jī)游走噪聲和速率斜坡噪聲5種噪聲。量化噪聲是由于傳感器輸出的離散化/量化而產(chǎn)生的；角度隨機(jī)游走噪聲是對(duì)寬帶噪聲積分的結(jié)果；零偏不穩(wěn)定是數(shù)據(jù)的低頻零偏波動(dòng)，該噪聲來(lái)自由于溫度引起的漂移和其他一些低頻噪聲和環(huán)境噪聲；速率隨機(jī)游走噪聲是寬帶角加速度信號(hào)的功率譜密度積分的結(jié)果，其來(lái)源不太確定，可能是具有長(zhǎng)相關(guān)時(shí)間感謝閱讀-`的指數(shù)相關(guān)噪聲的極限情況，也可能是由于晶體振蕩器的老化效應(yīng)。速率斜坡噪聲是確定性誤差。Allan方差表達(dá)式如式(4.1)所示。精品文檔放心下載式中，Q為量化噪聲系數(shù)；N為角度游走噪聲系數(shù)；B為零偏不穩(wěn)定噪聲系數(shù)；K為速率游走噪聲系數(shù)；R為速率斜坡噪聲系數(shù)。精品文檔放心下載Allan方差計(jì)算原理如下，數(shù)據(jù)采樣周期為T(mén)，一定時(shí)間內(nèi)共采集N個(gè)數(shù)據(jù)，將N個(gè)數(shù)據(jù)分成L組，每組M個(gè)數(shù)據(jù)。謝謝閱讀每組的平均值為：本文將姿態(tài)參考系統(tǒng)靜止放于水平固定平臺(tái)上，以50HZ的采樣頻率，采集4小時(shí)的陀螺儀測(cè)量數(shù)據(jù)作為Allan方差法的樣本數(shù)據(jù)。感謝閱讀表格5-2ADIS16405三軸陀螺Allan方差辨識(shí)結(jié)果謝謝閱讀從數(shù)據(jù)結(jié)果可知，ADIS16405陀螺儀俯仰軸、滾轉(zhuǎn)軸和偏航軸陀螺角速度Allan方差曲線分為兩段，漸進(jìn)線斜率分別為-1/2和0，可知AIDS1640的陀螺儀隨機(jī)誤差主要表現(xiàn)為角速度隨機(jī)游走和偏差不穩(wěn)定性。而這兩項(xiàng)也是評(píng)價(jià)陀螺儀精度和穩(wěn)定性的最重要的兩項(xiàng)指標(biāo)。其中角速度隨機(jī)游走是表征陀螺儀角速度輸出白噪聲大小的一項(xiàng)技術(shù)指精品文檔放心下載-`標(biāo)，它反映的是陀螺儀輸出的角速度積分（角度）隨時(shí)間積累的不確定性（角度隨機(jī)誤差）。謝謝閱讀5.2.2 MEMS加速度計(jì)原始數(shù)據(jù)分析及預(yù)處理當(dāng)飛行器靜止于地面上，電機(jī)轉(zhuǎn)動(dòng)時(shí)（1/3油門(mén)時(shí)，旋翼所產(chǎn)生的升力大于飛行器自身重量），以X軸加速度計(jì)為例分析，其輸出原始數(shù)據(jù)如圖4.7所示。謝謝閱讀由圖4.7可知，加速度計(jì)對(duì)振動(dòng)極為敏感，在實(shí)際應(yīng)用中應(yīng)當(dāng)對(duì)其進(jìn)行相應(yīng)濾波處理。本文采用滑動(dòng)均值濾波的方法對(duì)原始數(shù)據(jù)進(jìn)行處理，濾波原理如式(4.6)(4.7)所示。謝謝閱讀5.3 基于四元數(shù)卡爾曼濾波算法的姿態(tài)參考系統(tǒng)設(shè)計(jì)5.3.1 四元數(shù)介紹四元數(shù)提供了一種矢量從一個(gè)坐標(biāo)系到另一個(gè)坐標(biāo)系轉(zhuǎn)換的數(shù)學(xué)關(guān)系，將普通的三維空間轉(zhuǎn)換成四維。四元數(shù)由1個(gè)實(shí)數(shù)單位和3個(gè)虛數(shù)i，j，k組成，其形式可以定義如下：精品文檔放心下載-`5.3.2 基于四元數(shù)的擴(kuò)展卡爾曼濾波算法實(shí)現(xiàn)MEMS傳感器信號(hào)摻雜有高頻、低頻段噪聲，因此不能只是設(shè)計(jì)高通、低通濾波器對(duì)信號(hào)進(jìn)行濾波，而是需要通過(guò)建模預(yù)估的方法估計(jì)出信號(hào)中的真實(shí)值?？柭鼮V波算法用遞歸方法解決數(shù)據(jù)線性濾波問(wèn)題，對(duì)處理白噪聲、系統(tǒng)漂移等問(wèn)題非常適用，因此本文根據(jù)信號(hào)中摻雜噪聲的特點(diǎn)選擇基于四元數(shù)的擴(kuò)展卡爾曼濾波器對(duì)檢測(cè)信號(hào)進(jìn)行濾波處理，估計(jì)出系統(tǒng)的各種誤差，進(jìn)而根據(jù)系統(tǒng)的誤差狀態(tài)的估計(jì)值去校正系統(tǒng)，從而對(duì)導(dǎo)航參數(shù)進(jìn)行修正。精品文檔放心下載-`5.3.3 基于四元數(shù)的擴(kuò)展卡爾曼濾波算法首先根據(jù)三軸陀螺儀傳感器的測(cè)量值對(duì)機(jī)體姿態(tài)角、航向角進(jìn)行估計(jì)，再根據(jù)三軸加速度傳感器、三軸磁阻傳感器的測(cè)量值對(duì)機(jī)體姿態(tài)角、航向角度進(jìn)行估計(jì)，然后通過(guò)擴(kuò)展卡爾曼濾波算法利用兩次得到的姿態(tài)角估計(jì)值對(duì)四元數(shù)、陀螺儀零偏進(jìn)行修正，再根據(jù)修正后的四元數(shù)、陀螺儀零點(diǎn)漂移至計(jì)算出最終的機(jī)體姿態(tài)、航向角度。精品文檔放心下載在一個(gè)卡爾曼濾波周期內(nèi)，以卡爾曼濾波在使用系統(tǒng)狀態(tài)信息、量測(cè)信息的時(shí)間先后順序?yàn)橐罁?jù)，卡爾曼濾波可以分為時(shí)間更新和量測(cè)更新兩個(gè)過(guò)程。謝謝閱讀根據(jù)捷聯(lián)慣導(dǎo)系統(tǒng)的四元數(shù)理論，狀態(tài)方程可寫(xiě)為：其中，ωx、ωy、ωz分別為三個(gè)陀螺的輸出，w為三個(gè)陀螺儀輸出誤差 。謝謝閱讀將方程展開(kāi)得到：(3-7)將方程(3-7)線性近似離散化，同時(shí)忽略高階小量得到：感謝閱讀-`其中將W(k)近似為白噪聲序列，其方差陣Q(k)非負(fù)定。Γ(k)為噪聲驅(qū)動(dòng)陣。謝謝閱讀需要說(shuō)明的是，由于MEMS陀螺儀的本身輸出精度就不高，常值零偏在數(shù)據(jù)初始化的時(shí)已經(jīng)補(bǔ)償?shù)?，在算法設(shè)計(jì)中僅將陀螺儀的輸出誤差看成常值零偏與白噪聲之和，并且不考慮地球自轉(zhuǎn)。感謝閱讀5.3.4 觀測(cè)方程建立取觀測(cè)量為：其中ax、ay、az為加速度計(jì)測(cè)量出的機(jī)體坐標(biāo)系中的三軸加速度，ψm為通過(guò)三軸磁阻傳感器的輸出值通過(guò)當(dāng)前估計(jì)的姿態(tài)投影到水平面上所得到的航向角。ψm四元法到歐拉角的轉(zhuǎn)換公式得到。謝謝閱讀其中Hx、Hy、Hz為三軸磁阻傳感器的輸出，為了得到跟接近真實(shí)值的航向角觀測(cè)信息，取θm與φm為通過(guò)一步預(yù)測(cè)后得到俯仰角與橫滾角,因?yàn)樵谇笕∮^測(cè)量時(shí),θm與φm是當(dāng)前所能得到的最準(zhǔn)確的俯仰角與橫滾角。感謝閱讀根據(jù)坐標(biāo)變換關(guān)系得到：-`得到觀測(cè)方程為：其中V為量測(cè)噪聲線性近似離散化后得到：忽略高階小量，得到：式中：(k)為量測(cè)噪聲，視為白噪聲，方差陣R(k)正定。謝謝閱讀5.3.5 EKF姿態(tài)解算通過(guò)上述的分析，已經(jīng)得到針對(duì)航姿系統(tǒng)的狀態(tài)方程與觀測(cè)方程。下面列出擴(kuò)展Kalman濾波的求解過(guò)程。精品文檔放心下載狀態(tài)一步預(yù)測(cè)：均方誤差一步預(yù)測(cè)：-`濾波增益計(jì)算：狀態(tài)估計(jì)：均方誤差估計(jì)：5.4 基于互補(bǔ)濾波器的姿態(tài)參考系統(tǒng)設(shè)計(jì)根據(jù)加速度計(jì)測(cè)定的姿態(tài)角其測(cè)量誤差不隨時(shí)間累加，但是在短期內(nèi)精度較差；而根據(jù)陀螺儀測(cè)定的姿態(tài)角，由于陀螺漂移的影響，一段時(shí)間后精度降低，但是短期內(nèi)可提供高動(dòng)態(tài)的姿態(tài)數(shù)據(jù)。利用兩者在頻域上的互補(bǔ)特性，采用互補(bǔ)濾波器對(duì)二者進(jìn)行數(shù)據(jù)融合可提高姿態(tài)測(cè)量的精度和動(dòng)態(tài)響應(yīng)。本文以俯仰角為例分析互補(bǔ)濾波器，其工作原理如圖4.12所示。精品文檔放心下載圖表5-1互補(bǔ)濾波器原理推導(dǎo)過(guò)程：-`6 Touch-sensor-controllersensorhub精品文檔放心下載專(zhuān)利號(hào)：US8736551B2Summary：Inoneembodiment,amethodincludescontrollingatouchsensorofadevice.Thecontrolofthetouchsensorincludesafirstprocessingcycleexecutedbythecontrollerthatcomprisesacquisitionoftouch-sensorsignalsfromthetouchsensor;asecondprocessingcycleexecutedbythecontrollerthatcomprisespre-processingofthetouch-sensorsignals;andathirdprocessingcycleexecutedbythecontrollerthatcomprisesprocessingofthetouch-sensorsignalstodeterminewhetheratouchorproximityinputhasoccurredwithrespecttothetouchsensor.Ifthetouchorproximityinputhasoccurredwithrespecttothetouchsensor,alocationofthetouchorproximityinputisdetermined.Themethodalsoincludescontrollingothersensorsofthedevice.Thecontroloftheothersensorsincludesoneormorefourthprocessingcyclesexecutedbythecontrollerconcurrentlywiththefirstprocessingcycleorthesecondprocessingcycle.精品文檔放心下載本文是在觸控芯片處理中加入對(duì)其它傳感器數(shù)據(jù)處理的概念。感謝閱讀-`使用描述性的語(yǔ)言敘述了在采集觸控傳感器的同時(shí)獲取其他傳感器的數(shù)據(jù)并處理。感謝閱讀但是對(duì)如何處理其他的傳感器數(shù)據(jù)沒(méi)有做詳細(xì)的描述。7Methodandsystemformulti-sensordatafusion感謝閱讀專(zhuān)利號(hào)：US7065465B2Summary：Amulti-sensordatafusionsystemandmethodprovidesadaptiveweightingofthecontributionsfromapluralityofsensorsinthesystemusinganadditivecalculationofasensorreliabilityfunctionforeachsensor.Duringapredeterminedtrackingperiod,dataisreceivedfromeachindividualsensorinthesystemandasensorreliabilityfunctionisdeterminedforeachsensorbasedontheSNR(signal-to-noiseratio)forthereceiveddatafromeachsensor.EachsensorreliabilityfunctionisindividuallyweightedbasedontheSNRforeachsensorandacomparisonofpredeterminedsensoroperationcharacteristicsforeachsensorandabestperforming(mostreliable)sensor.Additivecalculationsareperformedonthesensorreliabilityfunctionstoproducebothanabsoluteandarelativereliabilityfunctionwhichprovideaconfidencelevelforthemulti-sensorsystemrelatingtothecorrectclassification(recognition)oftargetsanddecoys.感謝閱讀-`本文提出一種通過(guò)自適應(yīng)修改每一個(gè)傳感器加權(quán)系數(shù)在跟蹤過(guò)程中得到最大SNR的方法。感謝閱讀圖表7-1實(shí)現(xiàn)框圖-`-`-`詳細(xì)實(shí)現(xiàn)方法見(jiàn)專(zhuān)利，本專(zhuān)利是根據(jù)目標(biāo)跟新各個(gè)傳感器的加權(quán)系數(shù)。謝謝閱讀Methodandsystemformulti-sensordatafusionusingamodifieddempster-shafertheory謝謝閱讀專(zhuān)利號(hào)：US6944566B2Summary：Amulti-sensordatafusionsystemandmethodprovideanadditivefusiontechniqueincludingamodifiedbelieffunction(algorithm)toadaptivelyweightthecontributionsfromapluralityofsensorsinthesystemandtoproducemultiplereliabilitytermsincludingreliabilitytermsassociatedwithnoiseforlowSNRsituations.Duringapredeterminedtrackingperiod,dataisreceivedfromeachindividualsensorinthesystemandap