可穿戴计算中能效提高策略研究

发布时间：2017-09-14 18:09

  本文关键词：可穿戴计算中能效提高策略研究

  更多相关文章： 可穿戴计算 惯性测量单元 能效提高 卡尔曼滤波 姿态追踪

【摘要】：随着微电子机械系统、微控制单元和无线通信技术的高速发展,基于惯性测量单元的人体运动捕获系统应用呈现出巨大的研究价值与广阔的商业前景,惯性测量单元具有价格低廉、体积小、重量轻、便于携带等特点,已广泛应用在老人监护、医疗康复等重要领域。然而无线可穿戴设备的低功耗与高频实时通信等要求约束了其进一步发展,长时间携带传感节点进行监测和高速率实时数据流传输都会导致传感节点能耗高、续航能力弱、能效性低。因此,本文以无线可穿戴设备中人体运动捕获的能效性为主线,深入研究和探索在低功耗约束环境下用于可穿戴计算中的能效提高策略,主要研究工作有:(1)提出了带有消除线性加速度的扩展卡尔曼滤波算法针对惯性传感器在工作与测量时会引入过程误差与测量误差的问题,本文设计了扩展卡尔曼滤波算法用于精确估计物体的姿态方位信息,同时针对惯性测量单元由于物体运动而引入额外加速度的情况,本文构造了自适应误差协方差矩阵,抵消了额外线性加速度对方位估计带来的影响,实验验证本文提出的扩展卡尔曼滤波算法均方根误差值为0.7度。(2)实现了适用于传感器在线方位追踪算法用于提高传感器能效性针对无线通信模块发送数据量大而带来能效性低的问题,本文设计了适用于计算能力受限的无线传感节点的扩展卡尔曼滤波算法,每次仅传输方位信息,减少了无线数据传输量,提高系统能效性。实现过程中,设计了应用组件、感知组件、执行组件以及通信组件以保证算法高精确要求;并提出分块数据缓存机制以及优化三角函数运算性能等在线计算优化方法以保障数据的实时处理。实验表明本文提出的在线方位追踪算法可以将续航能力延长20.6%。(3)提出了自适应数据融合算法用于进一步提高无线传感设备的能效性针对无线通信模块发送频率高而带来传感设备功耗高的问题,本文提出自适应数据融合算法。对动作序列中方位四元数进行实时最优关键帧提取,每次仅传输动作关键帧;在PC端实时进行运动重建,以降低无线通信模块发送频率方式,达到进一步减少无线可穿戴设备能耗、延长无线传感器设备寿命目的。实验验证表明提出的自适应数据融合算法能够在保证运动数据精度情况下,有效降低传输数据量,提高设备能效性,进一步将设备续航能力延长76.7%。
【关键词】：可穿戴计算 惯性测量单元 能效提高 卡尔曼滤波 姿态追踪
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP368.33
【目录】：

• 摘要4-5
• Abstract5-9
• 专用术语注释表9-11
• 第一章 绪论11-17
• 1.1 研究背景与意义11-12
• 1.2 国内外研究现状12-13
• 1.3 研究内容与创新性13-15
• 1.4 章节安排15-17
• 第二章 相关知识17-25
• 2.1 三维坐标系统17-18
• 2.2 坐标系转换18-24
• 2.2.1 欧拉角法19-21
• 2.2.2 方向余弦矩阵法21
• 2.2.3 四元数法21-24
• 2.3 本章小结24-25
• 第三章 用于可穿戴节点方位追踪的扩展卡尔曼算法25-45
• 3.1 问题描述25-26
• 3.2 基于惯性传感器的方位追踪算法26-32
• 3.2.1 三轴陀螺仪用于三维方位追踪26-27
• 3.2.2 三轴加速度计和三轴磁力计用于三维方位追踪27-32
• 3.3 基于扩展卡尔曼滤波的三维方位追踪算法32-37
• 3.3.1 扩展卡尔曼滤波器算法32-34
• 3.3.2 扩展卡尔曼滤波器设计34-37
• 3.4 实验验证37-44
• 3.4.1 单轴旋转37-41
• 3.4.2 算法比较41-44
• 3.5 本章小结44-45
• 第四章 方位追踪算法在线实现与优化45-59
• 4.1 TinyOS操作系统简介45-46
• 4.2 在线方位追踪算法实现46-51
• 4.2.1 定义通信数据类型46-48
• 4.2.2 程序设计的模块组件48-51
• 4.3 在线计算优化方法51-55
• 4.3.1 分块数据缓存机制52-53
• 4.3.2 三角函数运算性能优化53-55
• 4.4 实验验证55-58
• 4.4.1 精确度验证55-57
• 4.4.2 能效性验证57-58
• 4.5 本章小结58-59
• 第五章 在线自适应数据融合算法的研究59-81
• 5.1 引言59-60
• 5.2 自适应数据融合算法60-64
• 5.2.1 方位四元数预测算法60-62
• 5.2.2 自适应数据融合算法描述62-63
• 5.2.3 评价函数定义63-64
• 5.3 最优阈值的选取64-70
• 5.4 实验验证70-80
• 5.4.1 实验环境与系统模型70-71
• 5.4.2 精确度验证71-75
• 5.4.3 能效性验证75-80
• 5.5 本章小结80-81
• 第六章 总结与展望81-83
• 6.1 本文总结81-82
• 6.2 未来展望82-83
• 参考文献83-86
• 附录1 攻读硕士学位期间撰写的论文86-87
• 附录2 攻读硕士学位期间申请的专利87-88
• 附录3 攻读硕士学位期间参加的科研项目88-89
• 致谢89

【相似文献】

中国期刊全文数据库 前10条

1 兰义华;任浩征;张勇;赵雪峰;;一种基于“当前”模型的改进卡尔曼滤波算法[J];山东大学学报(工学版);2012年05期

2 史百舟;邬齐斌;;拟自适应推广卡尔曼滤波算法[J];青岛化工学院学报;1992年04期

3 万建伟,皇甫堪,梁甸农;基于推广卡尔曼滤波算法的声测定位技术[J];国防科技参考;1997年04期

4 程进伟;李建勋;;卡尔曼滤波算法评估平台的设计与实现[J];系统仿真学报;2013年11期

5 夏建涛,任震,陈立,景占荣;极坐标下卡尔曼滤波算法的研究[J];西北工业大学学报;2000年03期

6 李振营,沈毅,胡恒章;带未知时变噪声系统的卡尔曼滤波算法研究[J];系统工程与电子技术;2000年01期

7 杨春玲,余英林,刘国岁;转换坐标卡尔曼滤波算法分析[J];计算机工程与设计;2001年05期

8 吴文华;丁子明;谈展中;;卡尔曼滤波算法工程化设计[J];电子测量技术;2003年04期

9 高磊,崔鑫水;一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用[J];航天控制;2004年03期

10 高磊;一种反馈修正推广卡尔曼滤波算法及其应用[J];航天控制;2004年05期

中国重要会议论文全文数据库 前9条

1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年

3 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年

4 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

5 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年

6 李鹏;宋申民;陈兴林;;自适应平方根无迹卡尔曼滤波算法[A];2009年中国智能自动化会议论文集（第八分册）[控制理论与应用（专刊）][C];2009年

7 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年

8 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年

9 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年

中国博士学位论文全文数据库 前5条

1 孙景荣;X射线脉冲星导航及其增强方法研究[D];西安电子科技大学;2014年

2 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年

3 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年

4 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年

5 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年

中国硕士学位论文全文数据库 前10条

1 庞瀛洲;关于电池BMS系统SOC估测算法的研究[D];长安大学;2015年

2 张冬梅;基于改进卡尔曼滤波算法的SOC估计方法研究[D];西南交通大学;2015年

3 林燕平;长基线导航系统滤波算法的研究与实现[D];沈阳理工大学;2015年

4 唐鹏;基于ADS-B数据监视性能评估技术研究[D];中国民航大学;2015年

5 陈辰;基于卡尔曼滤波算法的短期风电功率预测[D];新疆大学;2015年

6 马康健;基于分布式共识的无线传感器网络目标跟踪技术研究[D];哈尔滨工业大学;2016年

7 周暄承;可穿戴计算中能效提高策略研究[D];南京邮电大学;2016年

8 徐红珍;基于粒子群的卡尔曼滤波算法改进和优化[D];武汉理工大学;2013年

9 邹振宇;基于DSP的Kalman滤波器的算法研究[D];成都理工大学;2012年

10 樊红娟;无先导卡尔曼滤波算法分析[D];西南大学;2007年

，

本文编号：851513