基于四元数互补滤波算法的车载MIMU

针对MEMS惯性器件由于测量精度低、数据易漂移而导致车载惯性导航系统姿态解算数据不稳定和精度不高的问题,设计一种基于四元数互补滤波算法的高精度车载MEMS惯性测量单元(MIMU)。通过四元数算法降低MIMU在运行过程中的计算难度,解决姿态解算中的奇点问题。利用互补滤波算法对惯性传感器运行过程中的高低频误差进行动态补偿、数据融合,减小陀螺仪积分漂移累加,抑制加速度计振动误差,实现多传感器数据融合的MIMU姿态解算。将MIMU放置于高精度无磁转台上进行动态测试,通过设置转台运行动作模拟车载环境,采集并分析MIMU在动态环境中的各个轴向角实时数据与误差数据。试验结果表明,MIMU横滚角精度为0.26°,俯仰角精度为0.23°,航向角精度为0.51°。     

一种用于人体运动捕获的自适应混合滤波融合算法

针对基于惯性传感器的人体运动捕获系统存在陀螺漂移和噪声干扰等问题,提出一种多元传感器信息融合的自适应混合滤波融合算法。算法首先利用快速高斯牛顿法对加速度计和磁力计数据进行姿态信息迭代估算,用四元数将参考坐标系中的加速度和磁场强度分量转换到载体坐标中,将转换后的值与当前时刻测量值的差值代入高斯牛顿迭代算法中用于四元数的实时值估计,通过确定搜索步长的最优值来缩短迭代次数,提高算法收敛速度。设计自适应的互补滤波器将高斯牛顿法解算的姿态信息作为观测矢量对陀螺漂移进行补偿,分别使用高通滤波器和低通滤波器处理陀螺仪数据和高斯牛顿算法优化过后的加速度计、磁力计数据。在互补滤波器中引入重力矢量及地磁参考矢量自适应调节滤波器参数用于实时调整不同算法的权重大小,融合后输出最终的姿态信息,实现最优估计。进行实验对比分析本算法和其他算法融合效果,结果表明,本算法有效降低陀螺累积误差、线性加速度及磁场对解算精度的干扰,磁干扰状态下误差为0.94 °,自由运动状态下误差为1 °。对比扩展卡尔曼滤波融合算法,本文算法执行时间缩短25 %,有效提升了运动捕获系统的性能。     

望远镜主镜位置解算算法研究

利用位移传感器测量望远镜主镜相对镜室的相对位置时,需要设计算法将传感器测得值解算为主镜的姿态和位置信息。本文对已有的算法进行了改进,从空间解析几何角度出发研究了主镜位置解算算法,并分析了传感器安装位置偏差对解算精度的影响,发现传感器安装径向尺寸误差对解算精度影响较小,而安装角度误差影响较大,并得到最佳的传感器安装角度为30°,从而得到最佳的传感器布局和解算方法。     

基于扩展卡尔曼滤波的多旋翼飞行器融合姿态解算算法

针对多旋翼飞行器飞行时机身振动对加速度计产生的噪声干扰,建立径向基(RBF)神经网络结构模型,提出扩展卡尔曼滤波融合姿态解算算法。采用加速度计解算的姿态角作为输入向量,四元数互补滤波解算的姿态角作为参考向量,通过学习不断调整网络最优权值,得到滤波后的由加速度计解算的姿态角,并将四元数互补滤波算法解算出的姿态角与经RBF神经网络非线性滤波得到的加速度计解算的姿态角进行扩展卡尔曼滤波融合姿态解算,以提高飞行器姿态角的解算精度。实验结果表明:基于RBF神经网络的非线性滤波算法可对加速度计解算的姿态角进行有效滤波,提高飞行器姿态角的解算精度;采用的扩展卡尔曼滤波融合姿态解算算法收敛速度快、稳定性强,能够更准确地实时解算飞行器的当前姿态,验证了该算法的可行性。     

MEMS惯性传感器融合的水平姿态解算方法

为获取惯性导航系统的姿态信息,针对MEMS惯性测量单元,设计了基于多传感器信息融合的水平姿态解算方案.在此基础上,提出了一种基于卡尔曼滤波的解决方案:利用陀螺仪测得的角速度更新前一步的姿态角,利用加速度计对重力矢量的观测修正陀螺仪给出的姿态角信息.设计了水平姿态解算试验平台以验证该算法,采用姿态航向参考系统AHRS500GA提供精确姿态角对解算结果进行对照,试验结果表明:在静态、动态条件下该算法均能准确地得到实时水平姿态角,其误差一般小于1°.     

小型无人机飞行姿态串级控制系统

采用四元数互补滤波算法对IMU单元等多传感器采集到的数据进行解算融合,串级PID为小型无人机飞行姿态系统的控制算法。设计了实时监测子系统,实验结果表明,基于STM32的串级PID控制算法可以实现飞行姿态的有效控制。     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

基于扩展卡尔曼滤波的无人机航姿算法

针对小型无人机在大机动或连续飞行时姿态解算精度低的问题,提出了一种基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)的航姿算法。该算法以机体系加速度分量与陀螺漂移作为待估状态量,建立了非线性滤波模型,在对传感器量测值预处理的基础上完成数据融合,获得了姿态角数据的准确输出,同时,根据外部运动加速度的大小不断调整噪声协方差以达到对EKF的自适应修正,从而抑制无人机航姿解算中磁干扰的影响。经三轴转台实验测试,姿态角的静态误差不超过0.5°,动态误差不超过2°,瞬变磁干扰误差不超过5°,该结果表明该算法能有效提高小型无人机的航姿解算精度。     

基于DSP的多方式数据采集系统研究

设计了一种基于DSP的多方式数据采集系统,利用16位6通道同步A/D转换器AD 73360采集3路姿态传感器信号和3路速度传感器信号,TM S320F 2812片内的12位A/D转换器采集6路温度信号并在DSP内部进行信息的融合和解算。结果表明该系统数据测量精度高、处理实时性好,满足了设计要求。     

机械臂腕力传感器负载端重力补偿算法与仿真

针对机械臂运动时负载端姿态变化影响腕力传感器测量结果问题,提出一种腕力传感器负载端重力补偿算法。通过分析机械臂负载端不同姿态下的重力变化形式,采用实验方法测定负载端重力与重心参数。建立了腕力传感器重力补偿系统模型,结合机械臂运动学方程,推导出腕力传感器负载端重力补偿算法和机械臂末端作用力解算方法,并应用算例进行MATLAB与ADAMS联合仿真。仿真结果表明,本补偿算法能有效地消除负载端姿态变化影响,通过腕力传感器准确地测量机械臂所受的外力信息,验证了机械臂腕力传感器负载端重力补偿算法的正确性。     

噪声相关下含无序量测的多传感器信息融合估计

多传感器跟踪系统中因通信延迟常会出现无序量测现象,为了提高系统估计精度,采用直接更新法对状态进行更新估计,并针对噪声相关下含无序量测的多传感器系统,提出了矩阵加权最优信息融合状态估计算法,考虑了过程噪声和量测噪声的相关性以及局部估计的误差相关性.仿真计算验证了算法的有效性.     

多传感器信息融合平滑器算法研究

为了提高融合估计的精度,采用矩阵加权线性最小方差意义下的最优信息融合准则,对多传感器系统,考虑局部估计误差之间的相关性,给出了最优信息融合固定区间平滑器算法。理论和仿真实验表明,融合平滑器精度在总体上高于各局部子系统的估计精度。与融合预报器相比,融合平滑估计比预测平滑估计精度提高了近5倍,显著地改善了传感器的融合估计精度,并且该平滑器具有容错性。因此,本文提出的融合平滑器算法,对于非实时的信息融合问题具有一定的应用价值。     

基于卡尔曼滤波的交通信息融合方法

基于卡尔曼滤波理论,针对交通信息采集过程中的多设备采集系统提出了两种对多种交通检测器检测信息的融合模型。基于该融合思想,建立了3种检测设备的融合模型,并利用3组检测设备的检测数据对该模型进行了验证。结果表明,这两种融合模型建立合理,可有效提高检测精度。     

多信息融合技术及在无损检测中的应用

研究了基于D-S证据理论的多传感器决策层信息融合的实现方法和算法,探讨了将Dempster联合规则推广到多源信息时取消中间联合过程的归一化计算问题,推导出了改进算式。应用于无损检测,用超声波等三种传感器对一铸件进行无损检测仿真实验,结果证明能够提高检测速度与检测精度。     

虚拟多传感器信息融合的在线钢材视觉检测

为提高工业现场在线视觉检测准确性，提出了一种新颖的基于虚拟多传感器信息融合的在线视觉检
测方法.该方法在虚拟多传感器的概念及其实现技术的基础上，给出了一种基于统计方法的自适应权系数D
S证据理论融合算法.对在线获取的实时图像完成特征统计，获得图像的信息融合权系数.分别采用Canny
边缘检测、Sobel梯度算法、区域灰度均值以及模板匹配度计算等方法对图像进行处理，获取图像中存在
检测对象的基本信度.利用加权D S证据理论融合这些基本信度，并获得实时检测数据.现场应用结果表明
，该方法具有检测分析快速准确、抗干扰能力强、适用范围宽且不需要多个传感器的特点.     

多传感器信息融合技术研究

多传感器信息融合技术被广泛应用于自动目标识别、医疗诊断、图像处理、模式识别、工业监控等领域。本文主要阐述了多传感器信息融合技术的概念,并对多传感器信息融合的常用算法进行了介绍。     

基于D-S证据理论的运动平台多传感器目标分类

为提高空中运动平台对目标分类的能力，将基于D-S证据理论的信息融合方法用于运动平台多传感器的目标识别方面．在简述D-S证据理论的基础上，提出基于D-S证据理论的运动平台多传感器目标识别的信息融合方法．仿真实例表明了该方法的可行性．     

应用免疫策略的多传感器决策融合设计

使用基于改进型人工免疫策略的优化算法,在统计相关的观测条件下,对固定融合规则的基于奈曼-皮尔逊准则的分布式多传感器决策融合系统进行优化设计。算法首先以筛选算子进行预搜索缩小范围,然后使用人工免疫策略方法进行全局搜索,计算过程无须使用目标函数的导数信息。对分布式多传感器决策融合系统的优化设计结果表明,优化算法在收敛性和精度上均优于传统梯度算法,并在此基础上对不同信号期望值下的最优融合规则进行了讨论。     

基于信息融合的同时定位与地图创建研究

针对在复杂环境中,由于传感数据的高度不确定性,采用声纳传感器进行移动机器人同时定位与地图创建的可靠性很低问题。对基于声纳信息与视觉信息相融合的SLAM进行了研究。利用Hough变换对声纳信息与视觉信息进行处理从中提取直线和点特征,并进行特征级的信息融合,从而充分利用声纳与视觉信息中的冗余信息。在移动机器人上的实验表明,多传器信息融合可以有效提高SLAM的准确度和鲁棒性。     

Student’s t滤波框架下的信息融合算法

针对多传感器系统的观测噪声为非高斯噪声的问题,通过Student’s t滤波框架和四元数特性相结合,以无迹变换计算Student’s t加权积分函数,设计基于Student’s t分布的无迹四元数滤波算法,作为局部滤波算法. 利用拉格朗日乘子法计算最优融合权重系数,通过线性加权融合的方式,对各局部滤波结果进行融合. 采用基于四元数的目标姿态运动模型进行仿真,利用3个星敏感器同时对同一目标进行观测,通过与已有的鲁棒无迹Student’s t滤波（RSTUF）算法对比,验证所提算法的有效性. 仿真结果表明：所提算法在对目标姿态的估计精度、滤波收敛速度及收敛后的数值稳定性方面均高于RSTUF算法;通过多个观测信息互补,提高了估计精度及容错性.