手机内置加速度传感器数据的空间坐标转换算法

手机内置加速度传感器坐标系固定于设备自身,其采集的数据因手机姿态的改变而不断发生漂移,受此影响即使同一运动过程,加速度数据也难以同前一个时刻保持一致。为解决该问题,提出利用空间坐标转换算法将加速度数据从手机坐标系映射至惯性坐标系,从而确保数据在手机任意姿态下均能准确反映实际的运动状态。为验证该方法的有效性,设计一种手机传感器数据在线采集与实时处理新方法,实现Matlab中数据动态特征的实时观测及算法性能的在线评估。利用此方法,在旋转实验中分别测试方向余弦与四元数两种算法的可行性,并在计步器实验中进一步测试四元数算法性能。实验结果表明,基于方向传感器数据的方向余弦算法因测量范围限制,不能实现全方位空间坐标转换;而基于旋转矢量传感器数据的四元数算法则能够实现全方位转换,且转换后的加速度对步态识别率达到95%以上,较准确地反映了实际运动状态。     

一种基于多传感器数据融合的移动主体运行轨迹捕捉机制

目前军事、医疗、科技、电影、游戏等很多应用领域都需要对移动主体的运行轨迹进行捕捉。现有的移动主体轨迹识别与绘制机制一般对设备的要求较高,且算法复杂,实时性不够理想。为此,提出一种基于多传感器数据融合的移动主体运行轨迹捕捉机制,以智能移动终端为载体,联合采用加速度传感器和姿态传感器采集数据,通过对加速度传感器和姿态传感器采集的数据进行处理和融合,并应用物理学中加速度和位移以及数学中曲线和直线的关系,准确识别移动主体的行动轨迹;然后利用光学透视投影的原理将轨迹投影到二维空间,并在智能终端的屏幕上绘制出来。实测结果表明,该机制具有较高的准确性和实时性,且具有理想的时空复杂度。     

基于行人航迹推算的室内定位算法研究

针对室内定位的实际应用需求,提出了基于行人航迹推算算法(PDR)的适用于手机采集数据的室内定位方法。不同于传统的数据采集方法,该种定位方法利用手机得到加速度、陀螺仪以及地磁原始数据,通过分析加速度信号实现步频探测和步长估计。利用扩展卡尔曼滤波器(EKF)融合各惯性传感器数据以提高方向角的解算精度。最后设计了基于Android平台的数据采集软件,可利用手机内置的传感器设备实现数据采集。经实验数据分析,该算法的定位精度优于2m,在实用的基础上具有较高的定位精度和较低的实现复杂度。     

基于MEMS惯性传感器的机器人姿态检测系统的研究

提出了一种基于MEMS惯性传感器的机器人姿态检测系统,并对检测系统的原理,组成以及数据采集进行了研究.并对陀螺仪和加速度计的影响因素进行说明,利用硬件对采集的数据进行滤波处理.通过卡尔曼滤波方法实现数据融合,充分地利用惯性传感器的信息,从而有效地提高姿态检测系统的检测精度.仿真试验表明了卡尔曼滤波方法对于提高检测精度是切实有效的.在实际的试验中也取得了很好的效果,并应用于实际的机器人姿态检测.     

管控区域人员异常行为检测系统与方法研究

针对重点人员动作类型复杂、干扰多、识别难度大等问题,提出一套异常行为检测系统与方法。搭建集行为数据采集、上传、处理和识别等功能于一体的硬件和软件拓扑系统,并利用卡尔曼滤波器和牛顿迭代算法等对数据进行处理和优化;在获取人员行为轨迹数据的基础上,把时间、空间、上下文信息与个体行为相关联,实现个体异常行为和多人异常行为的识别;基于传感器加速度和角速度特征值,选取SVM分类算法,实现暴力动作和非暴力动作的分类。实验结果表明,所提系统与方法能够实时准确地检测出人员闯入、脱管、滞留、异常接触和暴力动作等异常行为。     

基于卡尔曼滤波数据融合的磁浮列车悬浮姿态检测研究

在磁悬浮列车行驶过程中,列车悬浮控制系统的姿态检测对列车平稳控制有重要影响.针对磁悬浮列车行驶过程中姿态检测存在一定的噪声干扰和测量误差的问题,提出了基于卡尔曼滤波的由多个传感器数据融合的算法.通过对比正常行驶和出现压轨现象的数据仿真表明,卡尔曼滤波方法下的多数据融合算法可更好地抑制系统噪声,同时通过融合间隙传感器和加速度传感器的数据,可得到更准确更稳定的反馈数据,为列车行驶的姿态检测和优化悬浮控制系统提供更加丰富、精准的动态信息.     

智能手机检测车辆振动加速度数据预处理方法

通过所开发的手机端软件从智能手机中提取车辆振动加速度的过程中,为正确评价轨道平顺状态及车辆运行舒适性,需保障车辆振动加速度数据质量。本文依据概率统计方法与小波分析方法建立了异常值识别模型,采取中值滤波和小波滤波剔除因手机传感器性能稳定性和测试环境变化引起的随机误差,并结合成都地铁手机检测数据,验证两种滤波方法对手机检测数据随机误差的处理效果。实例分析表明：基于异常值识别模型可准确提取手机检测数据异常值位置,借用中值滤波和小波滤波剔除因外界环境变化引起的随机误差,保证了手机检测数据真实反映车体振动响应,为正确评价轨道平顺状态和车辆运行舒适性提供数据支撑。     

基于Android的心电检测系统

本文介绍了一种以LPC2132作为数据采集的控制器,以WiFi进行无线数据传输,利用Android手机作为数据处理和图形显示终端的心电数据采集系统. 该系统具有结构简单,运行稳定,实用性强,成本较低,使用方便等特点. 实验结果表明本系统能够准确地检测心电数据并完整地绘制心电图.     

基于多传感器融合的摔倒检测算法的研究

针对传统摔倒检测算法中误报和漏报率高的不足,提出一种基于多传感器融合的摔倒检测算法;该算法分别以人体的加速度和姿态角值为判定依据;首先,采用三轴加速度传感器和电子罗盘对上述两种数据进行采集,并通过无线模块发送至PC机;之后对采集数据进行分析和处理,进而根据阈值进行异常姿态检测;最终,综合加速度和姿态角的分析结果给出准确的检测结论;实验结果表明,该算法检测的准确率达99.2％、与传统检测算法相比具有更强的稳定性与可靠性.     

基于角度补偿的手机多传感器数据融合测距算法

在惯性测量领域,单纯利用加速度二次积分的方法并不能准确感知目标对象移动的距离.加速度传感器在感知呈线性运动的目标对象时较为准确和实用,但在三维空间运动时它的坐标轴会随物体发生方向的改变而不断漂移.为解决该问题,提出了一种基于角度补偿的手机多传感器数据融合测距算法(ADC-R),使用加速度传感器测量物体运动的加速度,作为计算位移的原始数据;采用手机陀螺仪传感器测量运动物体的角速度,并以旋转矢量传感器输出的数据作为参数把手机动态坐标系下测得的加速度值空间坐标转换到静态的参考坐标系下,然后进行数据融合完成角度补偿计算;最后根据物理学加速度和位移的关系运用数学积分方法和进一步修正误差的技术得到最终移动的距离.实验结果表明此方法在近距离测距方面精度较高,优于加速度积分算法和加速度与陀螺仪融合算法.