前言

微机电系统技术的飞速发展使我们能够实现低功耗、低成本和高灵敏度的微型传感器和执行器。基于微机电系统的磁场测量设备(磁力计)和加速度计和陀螺仪等惯性测量设备已成为智能手机、汽车、飞行无人机和健身跟踪器等许多消费应用不可或缺的一部分。事实上，智能手机的全球市场渗透率正在快速增长，预计到2021年将超过38亿。在即将到来的智能家居技术、物联网和物联网时代，磁性和惯性测量单元(MIMU)预计将成为智能设备和系统的一个组成部分(IoE)。因此，综合MIMU，当与当今的高能效和高速计算和通信技术相结合时，能够在不中断人们日常生活的情况下，对人们的活动、移动性、健身和整体健康进行连续和实时的监测和评估。此外，这些微型低功耗微型医疗设备如果与智能纺织品相结合，有可能为老年人健康的不引人注目的远程监控铺平道路，使医护人员能够监控、评估和记录个人的整体健康状况，包括他们的健身、活动、行动能力和远程康复设施。加速度计和磁力计的测量结果很容易受到外部振动和磁干扰的影响。特别地，由周围铁磁材料产生的磁场可以支配相对较弱的地磁场，因此可以在估计的方位中引入较大的误差。此外，由于积分过程中引入的漂移，仅由陀螺仪进行方位估计是不可靠的。

研究内容

麦克马斯特大学的研究人员提出了一种基于互补滤波器的方位估计方法，并演示了该方法在不同动态条件下的应用。他们实现了一个三级滤波器，以实现高估计精度。方位通常通过估计漂移，然后从集成陀螺仪数据中减去它来获得，使得估计受外部加速度和磁干扰的影响较小。

实验方法

在典型的方位滤波器中，由加速度计、陀螺仪和磁力计获得的测量值被组合以获得设备方位的估计。然而，一个有效的传感器融合算法在易于实现和计算复杂度方面对实时系统至关重要。许多研究人员使用基于卡尔曼滤波器的方法进行方位估计。作者使用以前报道的四元数估计器(QUEST) 从加速度计和磁力计数据中计算四元数。计算出的四元数和陀螺仪测量值随后被馈送到卡尔曼滤波器的输入端。

提出了三级定向滤波器。

加速度计数据被不同的噪声污染。

惯性测量单元(a)商用传感器(Mbientlab元模型)(b)传感器的安装。

使用建议的方向过滤器拍摄楼梯照片和估计的爬楼梯轨迹。

结论

研究人员设计、实现并验证了一种三阶段传感器融合算法。利用梯度下降法估计漂移，并从累积积分陀螺仪数据中减去该漂移，以实时获得方位。滚转角和俯仰角是从第一级获得的，而第二级和第三级分别输出偏航角的粗略和精细估计。由于估计主要是从陀螺仪数据获得的，估计的方位受外部加速度和磁干扰的影响最小。在存在外部加速度和磁干扰的情况下，利用公开的数据集验证了所提出算法的性能。最后，使用所提出的滤波器从步态测量中导出一些关键的步态参数，这些参数显示出与地面真实值的高度一致性。

DOI：10.1109 / JSEN.2020.3009388。