智能手機(jī)等移動設(shè)備中的MEMS傳感器
加入技術(shù)交流群
傳感器整合是一套數(shù)字濾波算法，用于修正每個(gè)獨(dú)立傳感器的缺陷，然后輸出精確、響應(yīng)快速、動態(tài)的（俯仰/滾轉(zhuǎn)/偏航）姿態(tài)測量結(jié)果。其目的是把每個(gè)傳感器的測量數(shù)據(jù)作為輸入數(shù)據(jù)，然后應(yīng)用數(shù)字過濾算法對輸入數(shù)據(jù)進(jìn)行相互修正，最后輸出精確、響應(yīng)快速、動態(tài)的姿態(tài)測量結(jié)果。因此，航向或方位不受環(huán)境磁干擾的影響，沒有陀螺儀的零點(diǎn)漂移問題。
能夠修正傾斜度的數(shù)字羅盤由一個(gè)3軸加速度計(jì)和一個(gè)3軸磁力計(jì)組成，可提供以地球北極為參考的航向信息，但是這個(gè)航向信息容易受到環(huán)境磁力的干擾。如果安裝一個(gè)3軸陀螺儀，開發(fā)一個(gè)9軸傳感器整合解決方案，則可以隨時(shí)隨地保持精確的航向信息。
在設(shè)計(jì)多個(gè)MEMS傳感器的系統(tǒng)時(shí)，了解下面每種MEMS傳感器的優(yōu)缺點(diǎn)很重要。
加速度計(jì):在靜態(tài)或慢速運(yùn)動狀態(tài)下，可用于傾斜度修正型數(shù)字羅盤；或用于計(jì)步器的檢測功能，檢測行人當(dāng)前是靜止還是運(yùn)動狀態(tài)。不過，當(dāng)系統(tǒng)在3D空間靜止時(shí)，加速度計(jì)無法區(qū)分真正的線性加速度與地球重力，而且容易受到震動和振蕩的影響。
陀螺儀:可以連續(xù)提供從系統(tǒng)載體坐標(biāo)到局部地球水平坐標(biāo)的旋轉(zhuǎn)矩陣，當(dāng)磁力計(jì)受到干擾時(shí)，陀螺儀可輔助數(shù)字羅盤計(jì)算航向數(shù)據(jù)。長時(shí)間的零點(diǎn)漂移會導(dǎo)致無限制的姿態(tài)和定位錯誤。
磁力計(jì):可計(jì)算以地球北極為參考方向的絕對航向，并且可用于校準(zhǔn)陀螺儀的靈敏度，但容易受到環(huán)境磁場的干擾。
壓力傳感器:在室內(nèi)導(dǎo)航時(shí)，壓力傳感器可告訴你身處哪一樓層，輔助GPS可計(jì)算高度；當(dāng)GPS信號變?nèi)鯐r(shí)，輔助GPS提高定位精度，但是容易受到氣流和天氣狀況的影響。
基于以上各方面考慮，卡爾曼濾波器是最常用的整合不同傳感器輸入信息的數(shù)學(xué)方法。這種方法權(quán)衡不同傳感器的作用，給性能最高的方面最高權(quán)數(shù)，因此，與基于單一媒介的導(dǎo)航系統(tǒng)相比，卡爾曼濾波器算法的估算結(jié)果更精確可靠[3]。目前的傳感器整合方案中，基于四元數(shù)的擴(kuò)展型卡爾曼濾波器(EKF)很受歡迎，因?yàn)樗脑獢?shù)只有4個(gè)元素，而旋轉(zhuǎn)矩陣有9個(gè)元素，此外，四元數(shù)法還避免了旋轉(zhuǎn)矩陣的特殊問題[3]。
結(jié)論
隨時(shí)隨地精確定位是增強(qiáng)實(shí)境等先進(jìn)移動應(yīng)用面臨的主要挑戰(zhàn)，因?yàn)樵鰪?qiáng)實(shí)境與行人航位推算（PDR）或定位服務(wù)（LBS）的關(guān)系密切。鑒于GPS接收器的接收限制，MEMS傳感器對室內(nèi)行人航位推算應(yīng)用很有吸引力，因?yàn)檫@些傳感器大多數(shù)已經(jīng)出現(xiàn)在智能手機(jī)內(nèi)。
要想取得5%的室內(nèi)行人航位推算定位誤差，需要開發(fā)MEMS傳感器整合算法，以修正每個(gè)傳感器的缺陷，使這些傳感器實(shí)現(xiàn)優(yōu)勢互補(bǔ)。隨著MEMS傳感器的性能不斷提高，在不遠(yuǎn)的將來，與用戶無關(guān)的SINS/GPS一體化導(dǎo)航系統(tǒng)將會成為智能手機(jī)的標(biāo)準(zhǔn)配置。（作者：Jay Esfandyari，Paolo Bendiscioli，Gang Xu）
參考文獻(xiàn)
1. A. Lawrence, Modern Inertial Technology: Navigation, Guidance, and Control, ISBN: 978-0387985077 (hardback), 0387985077 (electronic), 1998
2. STMicroelectronics, Inc. J. Esfandyari et al, MEMS Pressure Sensors in Pedestrian Navigation, Sensors Magazine,Dec. 2010
http://www.sensorsmag.com/electronics-computers/consumer/mems-pressure-sensors-pedestrian-navigation-7896
3. Greg Welch, Gary Bishop, An Introduction to the Kalman Filter, University of North Carolina at Chapel Hill
4. A. Sabatini, Quaternion-Based Extended Kalman Filter for Determining Orientation by Inertial and Magnetic Sensing, IEEE transaction on biomedical engineering, Vol. 53, No. 7, July 2006
http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=1643403
評論