一种用于人体运动捕获的自适应混合滤波融合算法

针对基于惯性传感器的人体运动捕获系统存在陀螺漂移和噪声干扰等问题,提出一种多元传感器信息融合的自适应混合滤波融合算法。算法首先利用快速高斯牛顿法对加速度计和磁力计数据进行姿态信息迭代估算,用四元数将参考坐标系中的加速度和磁场强度分量转换到载体坐标中,将转换后的值与当前时刻测量值的差值代入高斯牛顿迭代算法中用于四元数的实时值估计,通过确定搜索步长的最优值来缩短迭代次数,提高算法收敛速度。设计自适应的互补滤波器将高斯牛顿法解算的姿态信息作为观测矢量对陀螺漂移进行补偿,分别使用高通滤波器和低通滤波器处理陀螺仪数据和高斯牛顿算法优化过后的加速度计、磁力计数据。在互补滤波器中引入重力矢量及地磁参考矢量自适应调节滤波器参数用于实时调整不同算法的权重大小,融合后输出最终的姿态信息,实现最优估计。进行实验对比分析本算法和其他算法融合效果,结果表明,本算法有效降低陀螺累积误差、线性加速度及磁场对解算精度的干扰,磁干扰状态下误差为0.94 °,自由运动状态下误差为1 °。对比扩展卡尔曼滤波融合算法,本文算法执行时间缩短25 %,有效提升了运动捕获系统的性能。     

基于L BFGS的自适应模糊互补滤波

针对惯性测量单元噪声大及常规姿态解算算法精度不高的问题,提出了一种基于拟牛顿法（L-BFGS）的自适应模糊互补滤波（AFCF）算法。该方法利用L-BFGS对加速度计、磁力计进行寻优估计,并通过监测系统的运动等级、加速度计、磁力计的误差,运用模糊逻辑理论调控加权因子及增益权重,动态地调整互补滤波参数,实现姿态误差的动态补偿,优化姿态解算结果。经实验验证,系统静态误差在0.4°内;动态误差在1.3°内,且该系统能减少噪声的干扰及陀螺仪的漂移。