可穿戴传感网络中异质传感器

摘要

可穿戴传感网络是目前信息科学和计算机领域研究的一个新的热点问题，它是将多个传感器节点放置在人体等目标载体不同位置从而实时监测、追踪载体信息的一种新型无线网络，本文研究的异质传感器数据融合算法以可穿戴传感网络为应用背景。
　　异质传感器数据融合算法以计算载体姿态为核心，利用滤波算法降低噪声，提高计算的准确性。根据不同的应用环境，载体姿态可以选择欧拉角、四元数以及旋转矩阵等多种方法来表示，而且不同表示方法之间还可以互相转换。关于载体姿态的计算方法，分别针对加速度传感器、角速度传感器和磁力传感器进行研究，分析三种传感器在姿态计算方面的应用和方法。在滤波算法方面，研究了目前广泛应用的线性离散Kalman滤波算法和适用于非线性系统的扩展Kalman滤波算法以及无味Kalman滤波算法，同时进一步研究基于自适应滤波的数据融合算法，包括最小均方（LMS）算法和递推最小二乘（RLS）算法，并通过仿真实验分析对比各种算法的优劣。
　　本文在LMS算法基础上，结合加速度传感器、磁力传感器和角速度传感器的姿态估计方法，提出了基于LMS的自适应互补数据融合算法。为了验证算法的有效性，合理设计实验方案，对不同算法进行了实验仿真，实验结果证明该算法较现有算法具有姿态估计准确性强、实时反馈性好、计算量小且占用存储空间小等诸多优点。

目录

封面

声明

中文摘要

英文摘要

目录

专用术语注释表

第一章 绪论

1.1课题研究背景及意义

1.2课题的国内外研究现状

1.3论文研究的主要内容

1.4论文结构

第二章 可穿戴传感网络

2.1可穿戴传感网络概述

2.2可穿戴传感网络中的姿态测量技术

2.3数据融合基本理论

2.4本章小结

第三章 基于Kalman滤波的数据融合算法研究

3.1线性离散Kalman滤波算法

3.2非线性扩展Kalman滤波算法（EKF）

3.3非线性无味Kalman滤波算法（UKF）

3.4本章小结

第四章 基于自适应滤波的数据融合算法研究

4.1自适应滤波器结构

4.2自适应滤波算法

4.3本章小结

第五章 基于LMS的自适应互补滤波算法

5.1异质传感器数据融合算法设计

5.2实验仿真及分析

5.3本章小结

第六章 总结与展望

参考文献

附录 攻读硕士学位期间撰写的论文

致谢