基于MEMS-MARG传感器的行人室内定位系统设计

针对低成本行人室内定位系统的实际应用需求,提出了一种基于MEMS-磁、角速度、重力(MARG)传感器的定位方法。基于改进的扩展互补滤波(ECF)算法,结合零速更新(ZUPT)算法与姿态快速收敛(FC)算法,以较低的运算量实现了对行人的定位。设计了相应的软硬件系统,并通过实验对算法性能进行了验证。实验结果表明:基于ECF+FC的行人定位算法性能优于其他基于互补滤波(CF)的方案,能够实现0.5%以内的平面定位误差和1%以内的三维定位误差,可以满足实际需要。

基于数据融合的WLAN/MARG组合定位系统

接收信号强度(received signal strength,RSS)浮动和无线接入点缺失是制约无线局域网(wirelesslocal area network,WLAN)定位精度的主要问题。利用智能终端已有的MARG(magnetic,angular rate,andgravity)传感器,设计了基于粒子滤波和卡尔曼滤波的数据融合算法,实现了一个低成本高精度的WLAN/MARG组合定位系统。该系统利用WLAN和MARG定位技术的互补特性,有效校正了由RSS浮动引起的定位误差和由传感器噪声引起的累积误差。室内WLAN环境下的实验结果表明,本文所提系统,相比WLAN和MARG定位系统,定位均方根误差分布减少了62%和91%,并且有效扩大了系统应用范围。

基于MARG传感器的头部姿态解算方法研究

针对头盔显示器(HMD)的头部姿态检测系统中单一传感器进行头部姿态解算准确度低、精度粗略的问题,提出了一种基于MARG传感器的头部姿态解算方法。将互补滤波与PI算法相结合估算陀螺仪的漂移误差,再通过扩展卡尔曼滤波(EKF)实现姿态数据融合。设计了由CC1310、陀螺仪、加速度计和磁强计组成的头部姿态检测单元进行测试实验。与单独的EKF对比,结果表明,这种算法对陀螺仪自身的漂移和加速度计噪声有抑制作用,提高了头部姿态解算的精度和稳定性。

一种车辆运动姿态参数的实时测量方法

由于车辆姿态参数无法通过带有标准配置的传感器直接测量,提出1种车辆运动姿态参数实时测量方法。该方法通过在车辆上加装MARG传感器测量车辆运动角速率、直线加速度与地磁信息,并以四元数和角速率为系统状态模型,加速度计和磁强计测量值为系统观测模型,搭建扩展Kalman滤波器车辆姿态融合估计结构,实现车辆姿态观测信息的实时最优关联。实验结果表明,在不同车辆运行状态下,该方法可以实时测量车辆姿态信息,具有较小的姿态估计误差。

基于多惯性传感器姿态的输电线舞动监测算法研究

针对目前使用惯性(MARG)传感器还原输电线舞动形状存在很多原理性的问题,如位置积分起始点未知、容易丢失输电线低频运动信息等,提出了一种基于惯性传感器姿态的输电线舞动形状还原算法,采用融合同一根输电线上多个MARG的姿态求取每个MARG真实位移以及输电线整体形状。算法能够避免加速度积分时的累积误差,解决了输电线长度约束问题且使用较少MARG即可还原舞动图像。仿真结果表明:算法可以有效地降低导线舞动振幅的误差,且还原误差不随时间增长。

基于智能手机MARG传感器的行人导航算法

对于手持式移动设备的定位导航需求,特别是在室内无法接收到GPS信号的恶劣环境,提出了一种基于智能手机上的磁力计,陀螺仪和加速度计(magnetic,angular rate and gravity,MARG)传感器的行人导航算法,该算法在行人航迹推算的基础上,利用数字低通滤波器滤波后的加速度计三轴模值数据,对行人步态进行检测,采用经验模型对行人步长进行估计,并结合扩展卡尔曼滤波器,采用自适应的方式实时调整测量噪声协方差矩阵,将MARG传感器融合数据用于最佳航向角估算。在智能手机平台上进行测试验证,实验结果表明,在无磁或有磁干扰环境下,所提出的行人导航算法均可保证准确、可靠、持续的位置信息。