小型无人飞行器机动过程中航姿互补滤波算法研究

磁惯导系统(MINS)广泛应用于小型无人飞行器的导航控制,能对加速度计、磁强计和陀螺仪等传感器的数据进行融合,得到航向与姿态信息,也被称为航姿参考系统(AHRS)。在频域实现数据融合的互补滤波算法是AHRS中的一种可靠姿态估计方法,具有简捷高效的优点。将基于不同传递函数及各种航姿表示形式的姿态互补滤波归纳为统一的广义互补滤波算法(GCF),分析该类算法中的乘性姿态误差,并引入运动加速度补偿方法,可以改善载体机动状态下的姿态精度。数值仿真及实验结果显示,GCF的滤波效果与无人机常用的卡尔曼滤波算法相当,而处理时间仅为后者的1/20,且GCF具有良好的数值稳定性,配合运动加速度补偿算法可有效消除线加速度对航姿测量的不利影响,尤其适合低成本、小型无人机应用场合。     

捷联航姿系统加速度计振动噪声平滑技术

捷联航姿系统(AHRS)主要用于输出载体的姿态与航向信息,是现代机载航电系统的关键设备.航姿系统工作过程中,载体的振动会增大惯性测量器件(IMU)输出噪声,降低航姿解算精度.针对于此,研究了飞机振动环境下的捷联航姿系统惯性器件输出的特性,设计了一种基于模糊推理的自适应变步长平滑滤波器,最后通过线性随机振动试验对滤波器性能进行了验证.试验结果表明,设计的滤波器可以有效抑制振动环境加速度计测量噪声,提高航姿系统在机载飞行环境中的姿态输出精度.     

基于STM32的多旋翼送餐飞行器研究

针对传统餐饮业中送餐方式的单一化、机械化等问题,以STM32F427微处理器为核心,设计并实现了以多旋翼飞行器为平台的智能餐饮配送系统.为提高送餐过程的安全性与可靠性,飞行器的稳定飞行是最基本的条件与保障.采用基于MEMS传感器的航姿参考系统(AHRS)进行飞行器姿态的测量,采用四元数坐标换算,将陀螺仪、加速度计和磁罗盘三者数据进行融合,并用互补滤波算法对姿态数据进行修正.实际测试结果表明,该飞行控制系统精度较好,能够满足送餐过程中对安全性与可靠性的要求.     

MEMS航姿系统振动环境适应性研究

针对MEMS(微机械)航姿系统的性能受振动环境的影响,提出了MEMS航姿系统减振设计方案。根据MEMS航姿系统的工作原理,分析了振动环境对MEMS航姿系统的性能影响;基于被动减振设计的原理,设计了航姿系统减振结构,基于振动环境中MEMS惯性传感器的数据特征,设计了一种自适应变步长平滑滤波器用于平滑振动加速度,应用平滑后的加速度信息与MEMS陀螺测得的角速度信息进行融合,实现了振动环境下的姿态解算。MEMS航姿系统的振动环境试验验证了论文提出的减振方案与振动环境下数据处理算法的有效性。     

多信息融合的定向测姿方法的研究

针对双GPS定位定向系统和MEMS惯性传感器在姿态解算及导航系统中所呈现出的优点与不足,本文先后对惯性导航系统的四元数算法,基于MARG传感器(三轴陀螺、三轴加速度计和三轴磁阻)的航姿解算方法以及结合惯性导航系统和双GPS系统的航姿解算方法进行研究,通过计算机仿真实验证明了3种方案的可行性,并得出进一步的结论:采用组合导航的方式,由双GPS部分、IMU部分和数据处理部分组成的基于惯性导航和双GPS的多信息融合的航姿系统,具备更好的预测精度和可靠性。     

航姿参考系统的姿态估计方法研究

在行人的运动关节处安装航姿参考系统(AHRS),可以确定行人的运动姿态。 目前的姿态确定算法仍存在精度不足的 问题。 本文设计了一种基于最小 sigma 点集的平方根无迹卡尔曼滤波( SRUKF)算法,具有较高的滤波精度和较好的快速性。 针对算法核心 sigma 点集的确定问题,研究协方差矩阵高阶矩的匹配方法。 提出了基于 n+2 点集的 SRUKF 滤波算法,保留了 n+1 点集的快速性,同时具有 2n+1 点集的精度。 即在 sigma 点集具有 L 阶精度时,协方差矩阵具有 L / 2 阶精度,特别的,当 sigma 点集具有 2 阶精度时,协方差矩阵也具有 2 阶精度。 分析了具有非线性测量函数时滤波迭代的稳定性。 完成了基于标准 测试数据的姿态确定对比实验,实验中姿态精度与 2n+1 点集相仿,而运行时间与 n+1 点集相仿。 实验结果表明,利用基于最 小 sigma 点集的 SRUKF 算法可以很好的实现航姿参考系统的姿态估计。     

基于多传感融合的老年人跌倒检测系统

针对老龄化社会对老年人跌倒监测的现实需求,融合三轴加速度传感器、压力传感器与超声测距模块等多传感器信息,研制了便携式老年人跌倒监测系统。该系统以MSP430F149为控制器,通过ZigBee方式来实现监测系统与数据中心之间的通信。采取阈值判断算法来检测跌倒是否发生,并具有自动报警以及手动解除报警的功能。在系统的测试实验中,对于左倒、右倒、前倒、后倒、坐下、起跳和行走等7种人体运动姿态模式进行检测,正确率达99％。本系统的成功研制,可以为老年健康监测物联网提供功能支持,为发生跌倒的老年人得到及时的帮助。     

基于卡尔曼滤波器的姿态角测量系统设计

针对动态环境下载体的姿态测量,以无人机的航姿测量系统小型化为背景,给出了一种采用MEMS惯性器件构成的姿态角测量系统。系统采用新型32位ARM Cortex-M3内核微控制器STM32F103ZET6作为控制处理单元,传感器采用ADXL345加速度计、L3G4200D陀螺仪和HMC5883磁阻传感器。对于MEMS器件精度低,数据易发散的问题,采用卡尔曼滤波器实时将加速度计、陀螺仪和磁强计的数据进行融合,计算负担小,实时性好。实验结果表明,该姿态测量系统在静态和动态环境下都能够较好的完成载体姿态测量的任务。     

基于MTi—IMU微惯性航姿系统的姿态算法

利用基于微机电系统陀螺、加速度计和磁强计的MTi—IMU微惯性航姿系统,设计了一种确定航向和姿态的算法。该算法利用加速度计的输出判断载体的运动状态,当载体处于非加速运动状态时,利用磁强计和加速度计的输出计算姿态角,再利用卡尔曼滤波器校正姿态误差。采集M＇I、iIMU微惯性航姿系统输出的数据进行仿真。仿真结果证明了该姿态算法的有效性。     

一种面向AHRS的改进互补滤波融合算法

针对三轴陀螺、三轴磁强计和三轴加速度计等MEMS传感器所构成的AHRS系统对全局环境下的姿态检测问题,在分析线形融合滤波器、Kalman滤波器的缺陷基础上,对互补滤波器的IMU姿态解算算法进行拓展,通过磁场计测量数据在全局坐标系下水平分量的求解,获得了传感器偏航方向的姿态角,从而构成了完整的三维空间姿态测量系统。并基于硬件实验验证算法有效消除陀螺漂移和加速度及地磁场干扰的可行性。     

基于自适应CKF的姿态数据融合算法

为了提高基于MEMS惯性传感器的捷联惯性导航系统姿态解算的精度,提出了一种自适应容积卡尔曼滤波（CKF）数据融合算法。该数据融合算法将姿态四元数作为系统状态,将加速度计信息和磁力计信息作为系统观测量,对系统过程噪声矩阵和观测噪声矩阵进行实时的自适应估计,解决了因系统噪声突变引起的姿态解算精度急剧下降的问题。实验结果表明,采用自适应CKF数据融合算法比单纯基于陀螺仪的捷联姿态解算精度有明显的提高,在载体动态时测得的横滚角和俯仰角误差在1°以内,航向角误差在2°以内。     

基于 MIMU/ 磁传感器 / 双天线 RTK 的姿态测量方法研究

现今，惯性传感器加双天线RTK的组合测姿方法被广泛的应用于车载测姿领域，该方法集中了惯性传感器的快速更新速率特点和双天线RTK的高精确度的优点。针对当遇到高楼或者树林阻挡时卫星信号会丢失，导致双天线RTK(real time kinematic)无法提供可用的航向角，而惯性传感器又无法长时间保持航向角精度问题。本文尝试采用了一种基于微惯性测量单元(miniature inertial measurement unit, MIMU)与磁传感器与双天线RTK的信息融合方法。开展了实际跑车实验分析。得出了在卫星信号丢失的条件下本方法通过引入磁传感器提供航向信息，能够保证高精度车辆姿态数据的稳定输出。     

基于双天线GNSS/SINS组合的风速测量运动补偿方案设计

以基于浮标平台的动态风速测量为背景,根据运动姿态补偿的原理和实际需要,设计了一套双天线GNSS/SINS组合姿态测量系统,采用卡尔曼滤波实现信息融合,通过在卡尔曼滤波的观测量中引入双天线GNSS输出的航向角信息,解决了惯性系统航向角可观测性较弱的问题,并通过实验验证了系统的有效性。实验结果表明,该运动补偿设计方案能够提高平台姿态测量的精度和稳定性,准确测量平台的姿态信息,并有效降低平台运动对风速测量的影响,风速测量误差低于4%,满足了海洋浮标观测的需求。     

Research on Fall Detection Based on Improved Human Posture Estimation Algorithm

According to recent research statistics, approximately 30% of people who experienced falls are over the age of 65. Therefore, it is meaningful research to detect it in time and take appropriate measures when falling behavior occurs. In this paper, a fall detection model based on improved human posture estimation algorithm is proposed. The improved human posture estimation algorithm is implemented on the basis of Openpose. An improved strategy based on depthwise separable convolution combined with HDC structure is proposed. The depthwise separable convolution is used to replace the convolution neural network structure, which makes the network lightweight and reduces the re-dundant layer in the network. At the same time, in order to ensure that the image features are not lost and ensure the accuracy of detecting human joint points, HDC structure is introduced. Experiments show that the improved algorithm with HDC structure has higher accuracy in joint point detection. Then, human posture estimation is applied to fall detection research, and fall event modeling is carried out through fall feature extraction. The designed convolution neural network model is used to classify and distinguish falls. The experimental results show that our method achieves 98.53%, 97.71% and 97.20% accuracy on three public fall detection data sets. Compared with the experimental results of other methods on the same data set, the model designed in this paper has a certain improvement in system accuracy. The sensitivity is also improved, which will reduce the error detection probability of the system. In addition, this paper also verifies the real-time performance of the model. Even if researchers are experimenting with low-level hardware, it can ensure a certain detection speed without too much delay.     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

基于 Mahony-EKF 的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解 算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态 四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息 建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于 0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度 计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

改进D-S证据理论在变电站人体跌倒检测的应用

为了提高变电站人体跌倒检测准确率,提出了一种基于改进D-S证据理论的人体跌倒检测算法。利用垂直外接矩形和最小面积外接矩形对检测到的人体目标进行描述,分析目标区域的矩形宽高比、人体质心高度比和人体躯干倾斜角的人体目标特征变化。针对复杂人体姿态情况下存在的目标特征冲突问题,提出采用D-S证据理论对特征信息进行融合。通过自定义的广义三角模糊函数构造3种人体特征的基本概率指派函数,生成3种人体目标特征基本概率指派(basic probability assignment,BPA)。基于Murphy算法,提出一种双重加权平均证据源的改进算法,既可以融合各个独立证据的一致信息,也可以融合冲突信息。实验结果证明,该人体跌倒检测算法具有较高的跌倒识别准确率,可以合理的生成基本概率指派,有效地融合冲突证据,能够满足变电站人员安全监控的需要。     

基于直线检测和数字地图匹配的车辆航向角估计

为减少车辆行驶过程中由于卫星信号失锁及惯导累计误差对航向角的影响,结合场景特征的提取、表达和数字地图信息,提出了一种基于直线检测和数字地图匹配的车辆航向角估计方法。首先,根据地图匹配的坐标点计算车道线地图对应点的方位角,计算车辆航向角与车道线方位角的角度差;其次,通过改进的FLD直线检测方法识别并计算道路图像中车道线直线的角度;将双侧车道线直线角度作为BP神经网络的输入,以预测角度差作为网络输出;最后,结合预测角度差和车道线方位角得到实时车辆航向角。经实验验证,所提方法的航向角估计精度与现有估计方法及普通传感器测量结果相比具有一定的优势。