基于六轴惯性传感器的力线测定算法研究

发布时间：2021-12-29 17:27

　　随着科学技术的快速发展,下肢力线测定系统逐渐成为医疗行业发展的热点。室内定位技术作为下肢力线测定系统的一项关键技术,被认为是新世纪最有发展前景的信息技术之一。惯性传感器因其体积小、便于携带、成本低以及自主性强的优势,得以广泛应用。但基于惯性传感器的室内定位技术容易造成累积误差且计算复杂度较大,因此,减少累积误差及降低计算复杂度是本文的主要研究内容。本文首先对下肢力线测定系统的研究背景及意义进行介绍,阐述了国内外对室内定位技术的研究现状,并对惯性传感器,数据融合,姿态解算以及卷积神经网络原理进行描述。然后针对下肢力线测定系统中的定位问题,以惯性传感器为基础,围绕如何提高室内定位的精度,降低室内定位的复杂度,提高效率这一内容,开展了一系列的研究工作。本文的主要贡献包括以下几个方面:1)根据惯性传感器的原理,提出一个基于惯性传感器的力线测定系统框架。该框架主要由三个部分组成:数据融合,姿态解算以及位置求解。数据融合部分通过惯性传感器采集加速度计和陀螺仪数据,并对其进行融合,得到四元数数据。姿态解算部分主要是利用四元数法对载体坐标系中的加速度数据进行坐标转换,得到地理坐标系的加速度数据。位置求... 

【文章来源】：浙江师范大学浙江省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

DMP及I2C初始化程序代码图

4基于卷积神经网络的室内定位陀螺仪测量值以及与之对应的室内物体的真实位置信息；然后通过数据融合的方式对上述数据进行处理从而得到四元数数据；随后再通过四元数数据把载体坐标系中室内物体的传感器测量值转换成地理坐标系中的传感器测量值；紧接着对地理坐标系中的传感器测量值进行归一化处理从而得到归一化后的传感器测量值；再通过归一化后的传感器测量值以及物体的真实位置信息对卷积神经网络进行训练；最后利用训练好的模型对物体位置信息进行预测继而实现室内定位。下面将详细阐述基于卷积神经网络的室内定位算法的各个部分。4.2卷积神经网络定位算法4.2.1数据融合本章的数据融合模块主要负责将传感器采集到的加速度与陀螺仪数据进行融合处理从而降低传感器数据之间的误差，实现更为精确的室内定位。本章通过使用集成在MPU6050硬件上的DMP技术来进行数据融合。图3.3所示为DMP技术解算四元数的流程图。DMP技术通过硬件电路的处理可以快速有效的计算出四元数数据，其处理结果通过DMP寄存器读取得到，如图4.2所示。由图可知，经DMP数据融合后的四元数是采用q30的格式进行输出的，本章为方便后面计算将其转换成浮点数的形式。通过使用DMP技术可大幅降低运算复杂度，简化程序代码设计。图4.2DMP寄存器读取四元数代码图考虑到四元数在多次运算后会累积误差，所以本章通过DMP技术得到四元数后会32

【参考文献】：
期刊论文
[1]基于ARM与MPU6050的测姿系统设计[J]. 黄金鹏,尚俊娜,岳克强.  传感器与微系统. 2018(04)
[2]基于角度补偿的手机多传感器数据融合测距算法[J]. 陈帅,王国英,莫路锋.  传感技术学报. 2017(02)
[3]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)

博士论文
[1]室内定位关键技术研究[D]. 张宴龙.中国科学技术大学 2014

硕士论文
[1]基于惯导技术的室内巡检及定位系统设计[D]. 赵双.西安电子科技大学 2019
[2]基于航位推算的室内定位系统研究与实现[D]. 宋红丽.电子科技大学 2018
[3]基于MEMS-IMU的室内定位与导航算法研究[D]. 寇彩云.北京工业大学 2018
[4]基于多传感器数据融合的AGV导航控制系统研究[D]. 徐本领.南京航空航天大学 2018
[5]人体下肢力线导航系统关键技术研究[D]. 刘传耙.天津大学 2018
[6]基于MEMS低成本微型捷联惯性导航系统研究[D]. 王守宽.北京理工大学 2016
[7]基于多个惯性传感器的姿态融合算法研究[D]. 武健.哈尔滨工业大学 2015
[8]改进的卷积神经网络模型及其应用研究[D]. 何鹏程.大连理工大学 2015
[9]基于移动终端传感器的室内定位技术研究[D]. 谷春斌.电子科技大学 2015
[10]基于MEMS传感器的高精度行人导航算法研究[D]. 杨辉.厦门大学 2014



本文编号：3556558