9轴传感器数据融合算法说明.doc

TestKalman2.m对Kalman滤波进行仿真。 仿真设定了这样一个系统，他只有一个自由度的旋转，角速度恒定为35.9度/s，旋转持续了一段时间。在这段时间内使用6轴传感器（加速度计和磁传感器）来测量绝对角度，同时用陀螺来测量瞬时角速度。 如果用6轴传感器（加速度计和磁传感器）来测量系统的绝对角度，根据以前的经验，这样的误差在1度上下。这个测量误差是一种噪声，我们简单利用白噪声来表达，程序中“angleNoise = randn(1, N)/3”构造了一个标准差为0.33333的白噪声（保证最大数值波动在1度）。绝对位置测量值可通过差分转换成瞬时角速度估计值。 跟据陀螺的数据手册，在角速度不很快的情况下，单纯的陀螺测量误差为0.1dps（度每秒），所以在这里用另外一个噪声“axis9Noise = 0.1*randn(1, N)/3”来模拟陀螺的测量误差。将这两种测量数值输入kalman滤波器，发现角速度数据收敛非常快。下图中蓝色线表示的是6轴传感器测量出的瞬时角速度，波动范围达到30dps，紫色的线是kalman滤波器输出，放大后可看出，其波动范围0.1dps，收敛到了陀螺的测量数值上。 结论：对于角速度的测量，陀螺比6轴传感器精确300倍！！！ 从这里可以看出，对于两个测量源的系统，通过kalman滤波，结果会向更精确的测量源收敛（上个例子中kalman滤波向陀螺的测量值收敛）。对于角速度的测量，陀螺比6轴传感器精确300倍，那么，对于9轴传感器，最终的结果可以说完全取决于陀螺的测量数据。可不可以这样说：9轴传感器的姿态值用陀螺的数据积分就完全可以了，剩下的6轴数据可以扔掉了？？？ 答案是：不可能。6轴传感器虽然局部误差很大，但是姿态值的大方向把握的非常准，没有累积误差（用人来类比，是不拘小节，大方向把的准），陀螺虽然局部误差很大，但是姿态值是通过积分求得的，有持续的累积误差。这样我们就有了一种新的思路，这种思路可以不用什么Kalman滤波，只需要将陀螺数据积分用作精确的局部姿态数据，用6轴传感器的姿态值与陀螺数据获得的姿态值的差值进行滑动平均，这样就可以把握好陀螺积分数据的大方向。 TestKalman3.m就通过200点的滑动平均来把握陀螺积分数据的大方向。这种方法的仿真结果如下图所示，黑线是6轴传感器在测量过程中的误差，大概在正负1度；青色的线是陀螺积分数据，虽然波动幅度小很多，但是长期的漂移很大（可以看到青色的线在逐渐下行，时间足够长的话他会超出黑色的线，这就是累积误差的效果）；紫色的线是上述新方法获得的结果，可以看到不光波动幅度很小（大概在正负0.1度，精度提高了1个数量级），而且没有累积误差。 Wxx 2013-2-10