首页 >> 产品中心 >> Plessey

传感器创造新未来—互补滤波器在运动姿态检测中的应用

运动传感器可以用来检测加速度、角速度、方向等信息,将这些传感信息结合起来可以描述物体在空间中的运动状态。单个传感器具有的噪声、漂移等因素导致在描述运动状态时存在误差,为了解决单个传感器在描述物体运动状态的不足,可以运用一些方法将多个传感器采集到的数据进行融合,从而提取出准确的运动信息。多传感器数据融合是一门新兴的交叉学科技术,无论在军事还是民事领域的应用都极为广泛。

常见的数据融合方法有卡尔曼滤波、加权平均、模糊逻辑、神经网络等,这些方法大多是近代才被提出,具有很强的技术性。而本文描述了一种较为简单的数据融合算法,可以将加速度计和陀螺仪的传感信息融合,这种滤波算法被称为互补滤波,其基本思想是分别取传感器中的准确部分进行叠加得到准确的结果。

我们知道加速度计瞬时检测值会受到运动的影响,但从长期来看是准确的;而陀螺仪检测的瞬时值比较准确,但长时间工作会由于漂移导致误差积累。二者结合正好形成互补。

上图展示了一种数据融合办法,较好的避开了加速度计和陀螺仪的不足,这种方法便是互补滤波。其工作过程还可以如下图所示的描述。

假设加速度计输出对应角度为a,陀螺仪输出对应角速度为y,那么可以得到:

hhhhh

这便是互补滤波器的表达式,其中A’是指上一次滤波器的输出,A则是本次滤波器的输出,上述运算需要以dt为周期执行。假设滤波器时间常数为τ,则:

可以看到时间常数与传感器的采样率和系数K有关。在设计滤波器参数时,一般的先确定采样率,再确定时间常数,最后计算出K值。系数K的意义在于确定滤波器的输出更倾向于哪一个传感器,而采样率的增加会加剧角度a的累加速度。事实上可以得到,时间常数τ> 0.5s时,滤波器输出更倾向于加速度计的输出,相反则陀螺仪的输出占更大比重。

下面是实际测试结果:

滤波器采样率为250Hz,时间常数为0.6s,得到K = 0.006622。测试结果如下图所示。图中包含了X、Y轴的加速度输出以及和陀螺仪数据融合后的输出,可以看到,加速度计原始数据在大体趋势符合运动过程,但数据波动较大,经过数据融合滤波后,输出数据变得平滑并且由于陀螺仪数据的融入,整个运动过程更加贴近实际情况。

X