可穿戴运动捕捉系统

本文设计了一种基于MPU9250 9轴姿态传感器与STM32F103C8T6系列ARM的可穿戴运动捕捉系统。MPU9250内部合成3轴加速度计、3轴磁强计及3轴陀螺仪,通过检测该传感器的9轴姿态信息,得到相应的姿态角。利用非线性扩展卡尔曼滤波算法进行数据融合,将数据进行去噪处理,利用蓝牙技术将处理完成的数据传送至上位机用以显示。该系统具有体积小巧,动态响应好,实时监测等特点。     

深海姿态系统的设计与实现

本文设计了一种基于MPU9250九轴数据传感器的深海姿态系统解决深海仪器姿态监测的问题,并进行了实验测试验证。系统采用STM32F103C8T6作为主控制芯片,采集MPU9250九轴数据,通过软件算法快速解算出当前的实时运动姿态,并利用三轴加速度数据计算出与自然坐标系Z轴的倾角。系统设计有存储模块及实时时钟模块,可以实时将设备的运动姿态、倾斜角度实时记录到存储模块中。并且根据深海仪器使用环境要求,结合有限元设计方法,设计深海耐压仓。实验结果表明：该姿态系统可以实现对深海仪器姿态及倾角的检测,精度可达0.5°,耐压可达4000米水深。     

基于GPS的室外放射源信息监控系统设计

针对室外放射源人工监控方式不科学、监控参数单一等问题,研究一套基于GPS的室外放射源信息监控系统,实时在线监测室外放射源信息,结合GSM/GPRS技术、剂量检测技术和SQL Server数据库技术等,建立以位置信息、剂量信息、完整性信息和温度信息为检测量,C/S体系架构的监控系统,提出滑动平均测量法、设计FIR滤波算法和IIR+FIR滤波算法等分别对位置、剂量和温度等前端信号进行处理,并设计数据可靠性传输机制,提高系统准确性、稳定性和可靠性。实验结果表明:系统能实时准确监测放射源现场状态,现场数据处理算法可有效减少传感数据误差。     

基于四元数改进型互补滤波的MEMS姿态解算

针对四旋翼飞行器的姿态解算问题,设计了由STM32、陀螺仪、加速度计等组成的姿态测量单元,采用四元数法对姿态角进行描述,详细分析了姿态解算的过程,建立了系统及传感器模型,并在互补滤波算法的基础上,构造了一种改进型互补滤波器来完成姿态解算。实验测试表明,与传统的卡尔曼滤波算法和互补滤波算法比较,改进型互补滤波算法的数据平滑能力更强,收敛速度更快,有效地实现了飞行器姿态数据的融合,提高飞行器的姿态估计精度,满足了小型四旋翼飞行器姿态控制的要求,增强了系统的鲁棒性与稳定性。同时通过实际飞行实验,验证了算法的可行性。     

智能手环智能佩戴检测技术探究

现有的智能穿戴设备如智能手表、智能手环等,若用户将智能手环放置在桌面上,手环会自动误检测为用户处于久坐或深度睡眠的状态,从而导致监测的睡眠数据不准确;与此同时,当手环处于非佩戴状态下,而放置在震动的场所,手环会自动计步,导致计步数据的不准确。针对以上问题,本文提出一种基于智能手环佩戴检测的全新电路与方法。通过容监测处理芯片与MCU对放置在手环底部采样的导电布电容传感器进行采样,并通过一定的检测算法,从而检测手环的佩戴状态,解决因为手环不能自动检测佩戴,而错误判断用户处于久坐或深度睡眠,或者误计步的现象。     

基于 Mahony-EKF 算法的手臂运动姿态测量系统

针对传统姿态解算方法效率迟缓、精度低下及稳定性差等问题,提出一种基于Mahony和扩展卡尔曼(EKF)相融合的算法,并开发出一种新型人体手臂姿态测量系统。首先,通过STM32微处理器采集MEMS传感器测得的数据,借助Mahony滤波器解算加速度计、磁力计和陀螺仪的数据,以此得到初步姿态四元数。其次,将初步姿态四元数作为EKF量测值,依据非重力加速度调节量测噪声协方差矩阵。然后,根据陀螺仪测得的角速度信息建立EKF状态方程,通过EKF滤波更新状态,获取解算融合后的手臂姿态数据。最后,将数据发送到上位机,通过上位机软件实时监测姿态角数据,再构建三维模型实时还原手臂的运动状态。经实验验证,应用EKF算法矫正Mahony滤波解算出的姿态数据,不仅可以使误差减小到0.5°、消除超调量和降低噪声干扰,还能有效克服传统姿态解算方法中需要大量数据集和计算时间长问题,从而抑制了随机波动,提高姿态解算精度。     

基于STM32的可穿戴式无线体域网信息监测系统设计与实现

针对传统疾病诊疗模式中疾病监护实时性差的缺点,以低功耗、高速STM32处理器为核心,设计一款可穿戴式无线体域网信息监测系统.系统由无线传感网络、中央监测模块和手机终端组成,具有实时采集、数据存储、无线传输和监测人体生命体征信 息的功能.测试结果表明,系统运行稳定,性能指标均达到系统设定要求,应用于医疗监测可起到实时监护、早期预防的作用.     

基于加速度传感器的大学生运动能量消耗监测系统的设计与实现

目前可穿戴计算在监控人体健康指标领域的应用日益广泛，对大学生运动能量消耗进行精准监测，对大学生制定科学的运动健身计划、改善身体健康状况等都具有重要意义。设计并实现了大学生运动能量消耗监控系统，同时提出了一种基于几何均值（GM）的运动能量消耗监测算法，并通过实验加以验证。该系统通过三维加速度传感器获得运动参数，采用GM算法得到运动能耗数据，并与不同运动类型的标准数据进行比较和分析，从而获得大学生运动差异及其改进建议，提高了大学生运动的标准性和安全性。     

强跟踪滤波器在实时数据处理中的应用

针对靶场导弹非线性系统实时数据处理滤波器设计问题,提出了应用带多重时变渐消因子强跟踪滤波算法满足靶场实时数据处理滤波器设计的需求。给出了目标状态方程及强跟踪滤波算法,探讨了时变渐消因子的确定方法,并通过与卡尔曼滤波器比较仿真实验,证明了带多重时变渐消因子的强跟踪滤波算法在非线性系统实时数据滤波处理方面具有较好较强模型不确定性的鲁棒性和突变状态的跟踪能力,解决了非线性系统目标跟踪数据实时处理的技术问题。     

电力作业现场可穿戴安全保障系统设计与实现

高海拔、高寒地区紫外线强烈、缺氧、温差大,电力现场作业人员在此类恶劣环境下的人身安全难以保障,甚至存在生命危险。设计和实现了一种可穿戴安全保障系统,采用智能手表实现人体生理体征检测,以无线可穿戴式网关为环境监测和数据通信中心,集中管理可穿戴设备信息,并与后台服务器进行远程数据交换,实现对作业人员周围环境及自身体征状况的实时监测、健康预警和安全管理等功能。     

AHRS 的老人跌倒检测算法

独居老人如在室内或室外发生意外摔倒时,没有得到及时医疗救助治疗,将给老年人造成巨大的心理与身体的伤害。 将航姿参考系统(attitude and heading reference system,AHRS)应用在跌倒检测中,将跌倒的过程转变成姿态的变化,从而来判断 跌倒的程度。 AHRS 航姿系统比过去原有实验方案 3 种姿态角度均有所提升,俯仰角( pitch)提升 2. 371%,滚转角( roll)提升 9. 238%,偏航角(yaw)提升 4. 682%,加速度计最大值精确了 0. 171g,AHRS 航姿系统融合扩展卡尔曼滤波器在检测老年人跌倒 姿态中比过去原有实验方案在检测时间计算上提升了 1 s。 综上实验验证 AHRS 航姿融合在检测老年人跌倒上可以数据更精 确,计算时间更少,在研究人体真实跌倒姿态中更贴近了一步。     

互感器边云协同实时监测系统设计

电子式互感器作为智能变电站的信息源头，需对其进行实时监测。为解决现有互感器监测技术在实时性、精确度、存储容量等方面的问题，基于鸿蒙架构，设计了一套互感器边云协同实时监测系统。利用单片机采集互感器数据，以GPS秒脉冲为基准保证采样同步，再经鸿蒙操作系统存储上云，并在边缘计算侧引入KF与加凯塞窗的DFT算法，滤除数据采集过程中的噪声与谐波，当互感器精度不足时触发蜂鸣器报警。经实验验证，本系统实现了多互感器监测数据的实时、同步上传与大量储存，存储容量取决于云服务器大小，可随时扩容。本系统满足互感器实时监测的精度要求，幅值误差不超过0.75%，满足0.2的准确级要求，并允许工作人员随时、异地查看结果。此外，边云协同的工作模式具有一次开发、多端部署的特性，使本系统具有较强的移植性，可应用于其他不同电力系统场景。     

Robust adaptive unscented Kalman filter for attitude estimation of pico satellites

Unscented Kalman filter (UKF) is a filtering algorithm that gives sufficiently good estimation results for the estimation problems of nonlinear systems even when high nonlinearity is in question. However, in case of system uncertainty or measurement malfunctions, the UKF becomes inaccurate and diverges by time. This study introduces a fault‐tolerant attitude estimation algorithm for pico satellites. The algorithm uses a robust adaptive UKF, which performs correction for the process noise covariance (Q‐adaptation) or measurement noise covariance (R‐adaptation) depending on the type of the fault. By the use of a newly proposed adaptation scheme for the conventional UKF algorithm, the fault is detected and isolated, and the essential adaptation procedure is followed in accordance with the fault type. The proposed algorithm is tested as a part of the attitude estimation algorithm of a pico satellite. Copyright © 2013 John Wiley & Sons, Ltd.     

基于模糊诊断理论的提升机振动监测诊断系统

依据模糊诊断理论和组态软件,设计了基于模糊诊断理论的提升机振动监测诊断系统。该系统通过s7‐200和EM 231模拟量采集模块对振动数据进行采集,利用RS‐485与组态软件建立通信,将数据存入其数据库并通过模糊诊断模块对振动数据进行处理判断,组态软件对数据实时显示,并对提升机各振动异常状况进行报警。实现提升机振动状态的实时监测诊断、预测、报警。解决了人工巡检误差大和缺乏连续性等问题,提高了系统监测准确性。     

基于小波卡尔曼混合算法的陀螺仪去噪方法

为了能有效地减少MEMS（微电子机械系统）陀螺仪的随机漂移误差,使得随钻测量系统的精度得到提高,提出了一种基于小波与Kalman算法的混合滤波方法。首先使用小波分析的方法,对实测的陀螺仪数据进行多分辨分解得到平稳的数据信号,然后对数据进行时间序列分析建模建立陀螺仪误差模型,把小波分解后的低频信号作为系统输入,利用最小二乘法中直线拟合的方法改进卡尔曼滤波算法处理陀螺仪零点随机误差。实验分别分析了静态平稳信号和非平稳动态信号,并对处理效果进行了对比分析。仿真结果表明方法能有效降低信噪比,提高陀螺仪输出精度。     

基于卡尔曼滤波的车内空气质量远程实时监测系统

针对车内空气质量远程实时监测,设计了一种基于卡尔曼滤波的车内空气远程实时监测系统。系统以Exynos 4412微处理器为控制与信号处理核心,通过多个气体传感器采集PM2．5、PM10、甲醛浓度以及温度、湿度数据,在均值滤波消除数据的脉冲噪声后,利用卡尔曼滤波递归估计出气体最优数值,降低车辆不同状态下对传感器采集数值的精度影响,提高车辆空气质量监测的精度。监测数据在安卓开发板上绘图显示,并发送至移动终端,实现远程实时监测。当超过空气正常阈值,移动端可反向对车内进行声光报警与通风控制。实验表明,该系统能够有效提高污染气体监测的准确性与移动性。     

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。     

Analog circuits fault diagnosis using multi‐valued Fisher's fuzzy decision tree (MFFDT)

Fault diagnosis of analog circuits is more challenging compared with digital circuits as a result of the parametric deviation and the difficulty in signal discretization. There still lacks effective approaches to realize reliable fault detection and isolation for a comprehensive diagnosis. A new fault diagnosis technique called multi‐valued Fisher's fuzzy decision tree (MFFDT) is proposed in this paper to solve the problem. This technique uses the decision tree as the diagnosis model and incorporates the Fisher's linear discriminant principles. The fuzzification mechanism is devised to discretize the input monitoring data. The proposed MFFDT method is composed of two aspects: decision tree training and real fault diagnosis processes. The former uses the benchmark data to train a decision tree, while the latter sends the monitoring data into the decision tree to generate diagnosis results. The proposed method is validated using simulated data and the real‐time data for an active filter circuit and an audio amplifying circuit. The comparative analysis is also presented to evaluate diagnosis performances. Copyright © 2015 John Wiley & Sons, Ltd.