用梯度下降算法估测IMU和MAG方向摘要:本文提出了一种新的定位算法，用于支持高效计算、可穿戴的人体惯性运动跟踪系统，用于康复应用。它适用于由三轴陀螺仪和加速度计组成的惯性测量单元(IMUS)，以及还包括三轴磁强计的磁角速度和重力（MARG）传感器阵列。MARG的实现包括磁失真补偿。该算法使用四元数表示，允许加速度计和磁强计数据用于解析推导和优化的梯度下降算法以四元数导数计算陀螺仪测量误差的方向。并对基于卡尔曼滤波的定位传感器算法进行了性能测试。结果表明，该算法达到了基于卡尔曼滤波算法的精度匹配水平；<0.8℃的静态均方根误差，<1.7℃的动态均方根误差，计算量低和以小采样率工作的能力影响大大降低了可穿戴惯性运动跟踪所需的硬件和电源，从而能够创造出能够长期工作的轻量级、廉价系统。1.介绍精确测量方向在一系列领域中起着关键作用，包括：航空航天、机器人、导航和人体运动分析和机器交互。在康复治疗中，运动跟踪是一项重要的使用技术，特别是用于监测临床外环境；理想情况下，病人的活动可以连续监测，并随后得到纠正。虽然已经为康复而进行了大量的运动跟踪工作，但还没有实现一种能够长时间记录数据的不突出的、可穿戴的系统。现有的系统往往需要一台笔记本电脑或掌上电脑由受试者携带，由于处理，数据存储和感官设备的功率要求，这在实验室环境之外是不实际的，因此只能在短时间内获得有限的物体运动的详细数据。在一段较长的时间内（例如一整天或甚至一周）代表一个受试者自然行为的更精确的数据将在这个领域有着重要的应用价值。在最近的一次调查中指出实时操作、无线特性、数据正确性和可移植性是实现临床可行系统必须解决的主要缺陷。2.惯性导航跟踪系统虽然多种技术能够测量方位，但基于惯性的感知系统的优点是完全独立，因此测量实体既不受运动限制，也不受任何特定环境或位置的限制。惯性测量单元(IMU)由陀螺仪和加速度计组成，能够跟踪旋转和平移运动。为了进行三维测量，需要由三个相互正交的敏感轴组成的三轴传感器。MARG(磁性，角速度和重力)传感器是一种混合IMU，它包含三轴磁强计。单凭IMU就只能测量相对于重力方向的姿态，这对于许多应用来说都是足够的。MARG系统也被称为AHRS(姿态和航向参考系统)，能够提供相对于重力方向和地球磁场的方向的完整测量。方位估计算法是任何IMU或MAG系统的基本组成部分。需要将单独的传感器数据融合到一个单一的、最优的方位估计中。卡尔曼滤波已成为大多数定向算法和商用惯性方向传感器的公认基础；Xsens、微应变、，矢量导航、InterSense、PNI和十字弓，所有的生产系统都建立在它的基础上。基于卡尔曼的解决方案的广泛使用证明了其准确性和有效性，但是它们有一些缺点，它们的实现是复杂的，这可以从学科文献中看到的众多解决方案中反映出来。线性回归迭代是卡尔曼滤波过程的基础，它要求采样率远远超过目标带宽(例如，512Hz之间的采样率)，30千赫对于系统可移植性至关重要的人体运动捕获应用程序来说也许是必要的，描述三维旋转运动学的状态关系通常需要较大的状态向量，扩展的卡尔曼滤波实现将问题线性化。这些挑战需要大量的计算负荷来实现基于卡尔曼滤波的解决方案，并提供了一个明确的结果。解决这些问题的先前方法已经实现了模糊处理和频域滤波器，有利于在低角速度下定向的加速度计和在高角速度下的集成陀螺仪测量。这是一种简单的方法，但是在有限的操作条件下有效，Bachman和Mahony提出了两种采用互补滤波处理的单独算法，已经示出该算法结构以相对较少的计算成本提供有效的性能。本文介绍了方向估计算法，适用于IMU和MARG系统。该算法采用四元数表示方向来描述三个方向的耦合性质，不受与欧拉角表示相关的问题奇点的影响，给出了新算法的完整推导和实证评价，它的性能基准对现有商用过滤系统和光学跟踪系统有验证作用。2.组织研究第1节描绘的方向估计算法的数学推导，包括磁场失真的描述参数和补偿。第4节描述了用于测试和验证算法性能的实验设备。第5节量化了该算法的实验测试和准确性，并将其与现有系统进行了比较。第7节简要介绍了目前在我们实验室进行的人体运动跟踪系统的实现细节，...
