imu sensors
در نشریات گروه مکانیک-
تخمین موقعیت یک چالش کلیدی در بسیاری از کاربردها است که معمولا از حسگرهای واحد اندازه گیری اینرسی (IMU) برای این منظور استفاده می شود. انتگرال گیری از شتاب تجربی اندازه گیری شده توسط IMUها، ممکن است منجر به سیگنالی شود که با گذشت زمان از مرتبه دو رشد می کند. این اثر در فرآیند تخمین موقعیت، رانش یا انحراف نام دارد. خطای رانش، در اندازه گیری حرکت های متناوب بدنی مانند راه رفتن یا لرزش دست نیز ایجاد می شود. در این مقاله، یک رویکرد نوآورانه را در جهت رفع این خطا در حرکت های متناوب برمبنای سفارشی کردن ماتریس انتقال حالت فیلتر سنتی و خطی کالمن پیشنهاد می دهیم. این ایده، بر پایه دخالت دادن ضمنی فرض تناوب حرکت در معادلات سینماتیک و به کارگیری بسط فوریه است که منجر به مقاوم تر شدن تخمین موقعیت در برابر رانش می شود. با شبیه سازی عملکرد روش پیشنهادی بر روی سیگنال های تناوبی و نیز سیگنال تجربی که از لرزش دست اخذ شده است، درستی روش پیشنهادی را ارزیابی می نماییم. نتایج نشان می دهند که این روش بدون هزینه محاسباتی اضافی، در مقابل رانش مقاوم بوده و از نظر سازگاری در مقایسه با پارامترهای سنتی فیلتر کالمن عملکرد بهتری از خود نشان می دهد.
کلید واژگان: فیلتر کالمن، تخمین موقعیت، حذف رانش، لرزش دست، واحد اندازه گیری اینرسی، بسط فوریهPosition estimation is a key challenge in many applications where inertial measurement unit (IMU) sensors are commonly used for this purpose. Double integrating the experimental acceleration measured by IMUs may result in a signal that grows quadratically with time. This effect in the position estimation process is called drift. The drift error is also arisen in the measurement of intermittent body movements such as walking or hand tremor. In this paper, we propose an innovative approach to solve this error based on the traditional linear Kalman filter. This idea is according to the implicit involvement of the assumption of periodicity of the motion in the state equations and the use of Fourier expansion, which leads to the position estimation being more robust to drift. We evaluate the accuracy of the proposed idea via evaluating its performance on some periodic signals as well as the experimental signal obtained from hand tremors. The results indicate that this method is robust to drift without additional computational cost, and it performs superior in terms of consistency compared to the traditional Kalman filter parameters.
Keywords: Kalman Filter, Position Estimation, Drift Rejection, Tremor Signal, IMU Sensors, Fourier Expansion
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.