基于非线性互补滤波算法的四旋翼飞行器姿态信息融合处理

针对四旋翼飞行器的MEMS惯性测量单元在姿态测量过程中存在着漂移和噪声误差等问题,在经典互补滤波融合算法的基础上提出了一种改进型的姿态融合处理算法,并搭建了以MPU6050为姿态测量单元的四旋翼飞行器硬件测试平台,分别在静态和动态环境下对惯性测量单元直接解算得到的姿态数据、传统互补滤波融合得到的姿态数据及改进后滤波算法融合得到的姿态信息进行对比.结果表明,改进后的姿态融合算法在静态环境和动态环境下都表现出了优于传统互补滤波的姿态融合处理效果.     

基于信息融合地图的水下机器人位置估计

建立了一种对声纳和视觉图像进行融合的模型,提出了采用高斯方法和对水下环境进行描述建立融合地图的新的表达方法。首先假定传感器的观测信息为高斯分布,通过空间关系的变换和投影将声纳和视觉投影到公共的状态空间,然后对各传感器的其它信息进行加权,并嵌入到其中,得到适合计算机处理的传感器地图。提出了对水下机器人进行位置估计及地图匹配的算法,在导航过程中通过找出当前地图与参考地图的最大相关系数,从而对机器人位置进行更新,得出其最佳位置估计。仿真结果显示：采用融合地图对水下机器人的位置估计是连续的、可计算的、有效的。     

基于四元数与卡尔曼滤波的四旋翼飞行器姿态估计

设计了一款基于嵌入式处理器STM32的四旋翼飞行器,利用低成本传感器测量加速度和机体的角速率,提出一种结合算法,从而实现飞行器姿态的精确测量。采用四元数法描述飞行器的姿态,在测量过程中结合互补滤波算法进行测量数据的矫正;同时针对出现的随机噪声干扰,采用卡尔曼滤波算法,实现姿态的准确测量,最终在实际的飞行器平台上得到了验证。     

基于状态预测自适应一致滤波器的分布式估计融合算法

应用自适应滤波算法改进了基于一致滤波器的估计融合算法以加快节点估计的一致收敛速度,提出了 一种基于状态预测的自适应一致滤波器．在此算法中,节点采用状态预测值作为自适应滤波器的参考信号,应用自 适应算法修正一致滤波器的加权矩阵．仿真结果表明,本文提出的算法不仅能够加快节点估计的一致收敛速度,还 能减小收敛过程中节点的估计误差．     

视觉与惯性传感器融合的隐式卡尔曼滤波位置估计算法

机器人对自身位置的实时感知在机器人技术中非常重要.本文主要研究机器人技术中一类基于视觉与惯性传感器的位置估计问题.与传统的状态估计问题不同的是,所研究位置估计问题为带有隐式观测方程的线性状态估计问题.为此提出一种能够解决此类估计问题的隐式卡尔曼滤波器,并给出了详细的滤波器设计过程.另外采用扩展变量法将加速度信息中的偏移量作为滤波器状态来估计,以补偿其对位置估计结果的影响.仿真结果显示,所给出的隐式卡尔曼滤波器收敛,加速度偏移带来的影响被有效的补偿.     

基于多传感器融合的双轮差速机器人定位研究

针对单一传感器有一定的误差与使用场景限制的问题,往往需要通过融合滤波技术对多传感器的测量信息进行优势互补。为改善由惯性姿态测量单元(Inertial measurement unit, IMU)与轮式里程计（Wheel Odometry）组成的航迹推算（Dead Reckoning, DR）长期使用时产生不可忽略的积分误差,以及全球定位系统（Global Positioning System, GPS）在遇到信号被遮挡或者干扰的情况下将无法正常工作等情况所引起的问题,本研究结合GPS、IMU、轮式里程计三种传感器对双轮差速机器人进行定位,以起到互补的作用,使其能够适应更加多样化的环境;同时,我们定时使用GPS模块对DR推算位置信息进行修正,并比较IMU互补滤波解算法与DMP解算法,选取效果更好的方案获取机器人欧拉角,最后使用扩展卡尔曼滤波(Extended Kalman Filtering, EKF)算法对传感器数据进行融合处理,得到机器人的最优定位。结果表明,在采用了多传感器融合的方案之后,机器人的定位精确度较之只有单一传感器的方案有了显著的提升。     

基于带输入估计变维滤波的多传感器信息融合

带输入估计变维滤波利用最小二乘法对系统未知输入进行估计,同时对机动运行开始时刻给出估计,从而有效地克服了输入估计算法和变维滤波各自在系统模型单一和机动运行开始时刻估计不精确方面的缺陷。考虑到多传感器信息融合系统可给出比单传感器更为精确的结果,基于带输入估计变维滤波,将系统状态融合和确定性输入融合相结合,提出了一种多传感器带输入估计变维滤波融合算法。系统仿真结果表明,该算法可以有效地提高估计精度,适用于机动目标跟踪。     

基于加速度传感器的人体前臂动作特征提取

针对人体前臂运动识别困难,识别率低的问题,且为了有效并快速提取人体上肢前臂的运动特征,设计了一种基于加速度传感器的人体前臂动作识别数据采集系统.首先利用加速度传感器来获取的加速度原始数据矩阵,然后通过互补滤波器对加速度原始数据矩阵进行滤波处理并消除重力场作用来获取运动特征矩阵.此系统实现了简单有效的加速度运动特征数据的拾取,为后续的人体前臂运动模式的识别提供了可靠的数据基础.     

基于加速度传感器的放置方式和位置无关运动识别

传统基于加速度传感器的运动识别方法通常假设传感设备是固定放置的,当传感设备的放置方式或位置偏离预定设置时识别性能会受到极大影响。然而,在普适计算环境下使用最为广泛的传感设备——智能手机,通常无法预先固定其放置方式和位置。为解决此问题,提出了一种基于加速度传感器、与放置方式和位置无关的运动识别方法。该方法首先基于一种降维算法将原始三维加速度信号处理成与放置方式无关的一维信号,然后借鉴生物信息学中的"模体"(Motif)概念抽取一维信号中与放置位置无关的模式特征,最后基于模式特征构建向量空间模型(VSM)对运动进行识别。实验结果表明,该方法在不固定传感设备放置方式和位置条件下的运动识别率达到81.41%。     

基于平均跳距估计和位置修正的DV-Hop定位算法

针对传统DV-Hop定位算法只考虑了最近一个锚节点估计的平均跳距,而导致定位误差较大这一问题,提出了一种基于平均跳距估计和位置修正的改进DV-Hop定位算法.改进算法在计算未知节点到各个锚节点距离时,考虑到离该未知节点最近的锚节点到其它锚节点的距离及跳数的不同,计算出不同的平均跳距,使其更接近于实际平均跳距,另外,改进算法还对初步定位结果进行了循环位置修正.仿真结果表明,与传统DV-Hop算法相比,改进算法在不需要增加节点的硬件开销的基础上能更有效地提高定位精度,并且算法简单,计算量小,是无线传感器网络中节点定位的一种实用方案.     

基于Accodometry法的两轮自平衡机器人位置估计研究

针对两轮自平衡机器人运行过程中遇到打滑、越障、碰撞等异常事件,测程法进行位置估计失效的情况,提出一种Accodometry方法,通过融合码盘与加速度计数据对位置进行估计,解决了非系统测程法误差对机器人位置估计的影响,降低了加速度计固有漂移的不利影响,提高了两轮自平衡机器人的定位精度.实验验证了Accodometry方法的有效性,结果显示位置误差降为原来的1/4.     

基于位置纠正和Kalman滤波算法的目标跟踪方法

本文基于判别尺度空间跟踪算法,将位置纠正方法和卡尔曼滤波算法应用于行人跟踪中.为解决行人因形变和环境变化导致的跟踪不准确的问题,本文充分利用fhog特征在行人跟踪上的优势,以判别尺度空间算法中的位置滤波器所计算的位置为中心,再次提取行人的fhog特征并将其与位置滤波器模板做相关运算,以此纠正行人位置.其次,利用卡尔曼滤波算法对纠正后的行人位置进行预测和再次纠正,最终在双重纠正的位置上训练新的位置滤波器模板.本文选取OTB-100中的行人数据集对该方法进行性能测试,实验结果表明,在原算法位置上,再次提取fhog特征进行相关运算能够纠正行人的位置,同时卡尔曼滤波对纠正位置进行预测和再次纠正,可使行人的定位精度再次提升.     

基于卡尔曼滤波的车载GPS定位研究

利用卡尔曼滤波处理GPS定位数据是提高GPS定位精度的一种有效手段。针对车载GPS定位的特点,实现了一种车载GPS卡尔曼滤波算法。通过对实测数据进行比较分析,证明该算法具有实用意义。     

单天线GPS/陀螺仪组合测姿方法研究

针对低成本惯性测量系统的精度容易受引擎震动、陀螺仪漂移的影响,提出了一种适用于活塞引擎的小型UAV姿态测量方法;此方法整合陀螺仪与单天线GPS进行姿态测量,采用以四元数为基础的扩展卡尔曼滤波(EKF)来进行传感器信息融合;利用陀螺仪测得的角速度更新四元数,使用GPS信息所计算的伪姿态来更新滤波器的测量值;仿真结果表明所提出的方法即使在陀螺仪漂移和伪姿态包含噪声的情况下,也拥有较好的长期和短期精度,提升了姿态测量的精度与可靠度。     

基于最优位置计算的快速亚像素运动估计

亚像素运动估计是提高视频压缩性能的有效方法,但当前普遍采用的亚像素全搜索算法不仅运算复杂度极高而且随亚像素精度的增加插值存储开销成指数级增长．该文提出了一种快速算法,该算法首先利用整像素运动估计的中间结果直接计算出最优亚像素位置,并在此基础上将最终搜索点数减少到2个以下,避免了传统方法的逐点搜索比较,不仅大幅度提高了搜索速度,且插值存储开销趋近于零．实验结果表明该算法以极小的搜索代价取得了与全搜索相当的效果．     

基于补偿卡尔曼滤波的姿态估计算法实现

九轴的姿态测量单元包括加速度计、磁力计和陀螺仪,它采用微机电加工工艺,价格低廉但精度较差.为了获得更好的滤波稳定性和估计精度,基于补偿卡尔曼滤波原理,讨论了姿态估计算法的实现.具体过程如下:基于补偿卡尔曼滤波原理,讨论九轴测量信息的融合方法;利用加速度计和磁力计估算姿态初始值;使用手动转台实现静态标定,纠正零偏;使用高精度陀螺仪STIM210实现动态标定,设置滤波系数.结果表明,估计算法具有良好性能.     

基于修正的卡尔曼滤波的姿态估计算法研究

研究惯导系统的稳定性问题,其中微惯性测量单元(MIMU)可以为捷联惯导系统提供实时的姿态和航向信息。研究姿态估计提高导航精度,由于陀螺漂移引起姿态误差,单独使用MIMU使姿态精度差。为了克服陀螺误差随时间积累不断增大,无法长时间提供稳定的姿态的缺点,提出采用磁强计修正的卡尔曼滤波四元数姿态估计算法。算法以姿态四元数为状态向量,通过四元数更新方程建立离散滤波状态方程,将加速度计和磁强计输出的六维数据转化为四元数的量测值建立量测方程,有效减少了计算量,补偿陀螺的漂移误差带来的影响。仿真结果表明改进算法提高了捷联惯导系统的精度和稳定性。     

互补滤波算法在四旋翼飞行器姿态解算中的应用

针对四旋翼飞行器飞行过程中的姿态最优估计问题,本着准确、快速的原则,选择了基于陀螺仪、加速度计和电子罗盘的捷联式惯性测量系统.由于这些传感器存在温度漂移和噪声干扰等问题,采用互补滤波算法,通过融合IMU多传感器的数据信号,对测得的姿态数据进行补偿修正,解算出高精度的姿态角.为了验证互补滤波算法的有效性和实用性,通过实际的四旋翼飞行器角度测量系统对互补滤波算法展开研究.结果表明姿态角解算中采用互补滤波算法能够快速、稳定的输出高精度姿态数据,姿态角最大跟踪误差控制在±2°以内,满足四旋翼飞行器飞行控制的要求,成功完成了姿态的最优估计.     

用于胎压监测系统的一种改进贝叶斯估计数据融合算法的研究

针对小型汽车胎压监测系统(TPMS)利用单一传感器测量数据不确定性的问题,提出一种将贝叶斯估计和卡尔曼滤波相结合的多传感器数据融合的方法.设计满足系统功能要求的方案,运用贝叶斯估计对SP370轮胎模块中传感器采集的数据进行融合,排除失效的数据以及故障的传感器,提高系统的精度.结合卡尔曼滤波器优化融合的结果,消除噪声信号.研究结果表明,采用上述的数据融合方法能够有效的解决单一传感器测量数据的局限性,抑制传感器引入的噪声,并通过仿真验证了本系统的可行性、可靠性.     

基于GPS和加速度计的车速测量系统的开发与研制

根据汽车道路试验的需要,设计研制了一种基于GPS和加速度计的车速采集装置.采用GPS与加速度计二者信号相结合的方式,并在上位机进行相应的数据融合,实现车速实时采集.整个系统具有性能稳定、成本低等优点,在试验和实际运行中均获得了理想的效果,极具应用价值.