基于信息融合理论的多MEMS惯性传感器数据处理方法研究

摘要

近年来，伴随着不断发展的微机电（Micro-Electro-Mechanical System，简写为MEMS）传感器技术、信息融合理论、普适计算技术等，人机交互技术也发生了翻天覆地的变化，由以往的人去适应计算机逐渐转变为计算机适应人。以人为中心的交互理念要求一种更加自然、高效、透明的交互技术。基于多MEMS惯性传感器信息融合的3D交互以其灵活、高效、自然等特性，逐渐成为人机交互领域的研究热点。
　　由MEMS三轴加速度计、陀螺仪、磁罗盘组成的MARG(Magnetic，AngularRate，and Gravity)传感系统在3D交互领域有着极为广泛的应用前景。但是由于MARG传感系统不可避免地受到重力加速度干扰和积分累积误差等影响，利用采集到的未经处理的数据去做3D交互，效果往往是差强人意甚至面目全非。本文结合项目工作，对信息融合理论及数据融合算法进行了深入了解，在此基础上，融合三个传感器信息以提高数据精度和系统可靠性。首先对单个传感器采集到的数据进行误差分析和EMD（Empirical Mode Decomposition，即经验模态分解）分解处理，再利用磁罗盘信号对三轴陀螺仪信号进行校正，从而得到准确的姿态信息，利用三轴陀螺仪数据剔除重力加速度在三轴的分量，利用扩展零速度补偿算法消除积分累积误差，最终获得比较准确的三轴加速度信号，为后续的轨迹还原提供真实可靠的高精度数据支撑。最后本文通过搭建的硬件平台，开发了数据处理程序，并利用MATLAB仿真试验证明了该数据融合处理方法的有效性，切实提高了动作轨迹的还原精度，为今后3D交互研究提供了数据基础。

目录

声明

摘要

图目录

表目录

第一章 绪论

第一节 研究背景

第二节 国内外研究现状

1．2．1 基于MEMS惯性传感器的3D交互技术的发展

1．2．2 信息融合技术的发展

第三节 本文研究内容和主要工作

1．3．1 研究内容

1．3．2 主要工作

第四节 本文组织结构

第二章 信息融合的主要技术和方法

第一节 信息融合的优势

2．1．1 信息融合的定义

2．1．2 多传感器信息融合的优势

第二节 典型的信息融合模型

2．2．1 信息融合的功能模型

2．2．2 多传感器信息融合模型

2．2．3 信息融合的结构模型

2．2．4 信息融合的数学模型

第三节 多MEMS惯性传感器信息融合方法

2．3．1 数据关联技术

2．3．2 经典状态估计算法

2．3．3 常用分类和识别技术

第四节 基于信息融合的3D交互

2．4．1 3D交互的定义

2．4．2 信息融合技术在3D交互中的应用

第三章 多MEMS惯性传感器信息融合的关键技术

第一节 单个传感器的误差分析与数据处理

3．1．1 MEMS惯性传感器的误差来源

3．1．2 MEMS加速度计

3．1．3 MEMS陀螺仪

3．1．4 MEMS磁罗盘

第二节 基于陀螺仪数据的重力加速度三轴分量计算

3．2．1 坐标系的定义

3．2．2 坐标变换

3．2．3 重力加速度三轴分量计算

第三节 积分累积误差的消除

3．3．1 常用的累积误差消除方法

3．3．2 扩展的零速度补偿算法

第四节 基于MEMS的MARG传感系统数据融合算法

3．4．1 低通滤波方法

3．4．2 离散型KALMAN滤波算法

3．4．3 HHT算法

第四章 实验测试与结果分析

第一节 实验硬件系统搭建

4．1．1 实验系统架构设计

4．1．2 硬件配置与性能指标

4．1．3 数据采集系统集成

第二节 传感器数据采集软件设计与开发

4．2．1 确定传感器采样频率

4．2．2 多线程数据采集程序

第三节 多MEMS惯性传感器数据融合方法与实现

4．3．1 MEMS磁罗盘数据处理

4．3．2 MEMS陀螺仪数据处理

4．3．3 MEMS加速度计数据处理

4．3．4 多MEMS惯性传感器数据的融合

第四节 实验结果仿真与分析

4．4．1 单个MEMS传感器数据处理效果仿真与分析

4．4．2 三轴重力加速度分量剔除的数据仿真与分析

4．4．3 消除积分累积误差的效果仿真与分析

第五章 总结与展望

第一节 研究内容总结

第二节 今后工作展望

参考文献

致谢

个人简历、学术论文与研究成果