基于多源异构信号的运动轨迹还原与动力学特征研究.pdfVIP

摘要

随着科学技术的不断发展，越来越多的不同信息源逐渐进入到我们的日常

生活中，对于多种信号源采集的多源异构信号的分析与融合问题已成为近年来

的研究热点。本文以惯性传感器中加速度计采集的加速度信号和陀螺仪采集的

角速度信号这两种多源异构信号为研究背景，分别对信号的全局误差与局部误

差进行了分析并提出了能够降低随机噪声的自适应阈值函数的小波去噪算法以

及可以抑制延迟复位误差的基于卡尔曼滤波的延迟复位校正算法。同时，建立

了一种对信号进行运动分割的模型，在惯性传感器的位姿估计中提出了基于修

正粒子滤波的姿态融合算法以及基于延迟复位校正的分段轨迹还原算法。

消费级惯性传感器成本低廉，在生产制造过程中会产生系统误差，在使用

过程中易受环境噪声的影响，这将导致其所测量的多源异构信号精度低、误差

大，最终影响惯性传感器位姿估计的准确度。小波阈值去噪算法是一种信号处

理领域中常用的降噪算法，然而本文经过分析发现该算法使用的阈值函数存在

一些固有的缺陷。针对于该缺点，本文对阈值函数进行了改进，提出了一种自

适应阈值函数的小波去噪算法，并在多种类型的实验上验证了该算法的有效性。

同时，本文通过大量实验观察发现惯性传感器普遍存在一种局部误差，并称其

为延迟复位误差，对该误差进行分析后，提出了基于卡尔曼滤波的延迟复位校

正算法，并在多种不同类型的轨迹实验中说明了该算法对轨迹还原的提升效果。

加速度计和陀螺仪分别易受高频和低频噪声的影响，如果仅使用单一信号

源对惯性传感器进行姿态解算，姿态角误差会随着时间的增加而积累，降低姿

态的精度。基于粒子滤波的姿态融合是一种融合多源异构信号提高姿态精度的

方法，但是在姿态融合的过程中，对于不同运动类型的惯性信号，很难确定一

个最优的观测协方差矩阵。因此，本文对处于不同运动状态的信号进行了分析，

提出了一种能够自适应修正观测协方差矩阵的基于粒子滤波的姿态融合方法，

并在短时和长时信号中分别验证了该算法的有效性以及稳定性。

在轨迹还原中，惯性信号的速度累积误差现象会造成轨迹失真。因此，本

文设计并建立了能够在一定程度上抑制累积误差的惯性信号分割模型，提出了

一种基于延迟复位校正的分段轨迹还原算法。以行人的步行为实验背景，设计

并进行了多种形式的步行实验，验证了该算法对于步行轨迹的重建效果。

关键词:多源异构信号；误差分析；姿态融合；轨迹还原

Abstract

Withthecontinuousdevelopmentofscienceandtechnology,moreandmore

differentinformationsourceshavegraduallyenteredourdailylives.Theanalysis

andfusionofmultisourceheterogeneoussignalscollectedfrommultiplesignal

sourceshasbecomearesearchhotspotinrecentyears.Thisthesistakesthetwo

multisourceheterogeneoussignals,theaccelerationsignalcollectedbythe

accelerometerandtheangularvelocitysignalcollectedbythegyroscopeinthe

inertialsensorastheresearchbackground,andanalyzestheglobalerrorandlocal

errorofthesignalrespectively.Thisthesisproposeswaveletdenoisingalgorithm

withadaptivethresholdfunctiontha