基于卡尔曼滤波的MUH姿态信号融合算法研究

利用MEMS陀螺仪和加速度计获取姿态的方法已被广泛用于低成本的民用无人直升机上,陀螺仪的漂移和加速度计中的运动加速度都会影响估计精度,设计了基于四元数的卡尔曼滤波器,根据三轴角速率陀螺和加速度计信号,融合无人直升机姿态信号,并针对陀螺仪的漂移和加速度计的测量误差,设计了自适应的量测噪声方差矩阵,补偿融合精度,得到稳定可靠且精度较高的姿态信息,用于无人直升机的内环增稳控制.实验表明,该方法估值精度较高,能有效解决小型无人直升机姿态求解问题.     

在人体运动测量中应用四元数扩展卡尔曼滤波

提出了一种适合多运动传感器方位测定系统的四元数扩展卡尔曼滤波,该方位测定系统适合人体运动领域的研究,它是基于iNEMO整合套件,集成了三轴陀螺仪、三轴加速度计和三轴磁强计。在该文的扩展卡尔曼滤波过程中,通过加速度计、磁力计的量测噪声进行陀螺仪角度修正,使测量角度值逐渐逼近真实角度大小,同时量测噪音的协方差矩阵设计,可以使方位测定系统辨别静止和运动,增加了可靠性。结合人体前臂屈伸运动的测试,验证了算法的有效性,加之其小尺寸、多功能、低功耗的特点,证明基于MEMS的运动传感器在人体运动测量领域的应用前景良好。