Làm thế nào để phản ứng tổng hợp cảm biến hoạt động? Tôi muốn hiểu toán học / vật lý / thuật toán

Các thuật toán nhiệt hạch cảm biến có thể đưa ra định hướng 3D chính xác hơn (và có thể là tư thế?) Của thiết bị bằng cách kết hợp các bài đọc từ gia tốc kế, con quay hồi chuyển và từ kế.

Bất cứ ai có thể giải thích, hoặc cung cấp các liên kết, giải thích các chi tiết đằng sau này? Tôi muốn hiểu toán học và vật lý, để nếu tôi có dữ liệu cảm biến 9-DOF thô, tôi có thể thực hiện phản ứng tổng hợp cảm biến. Giả sử tôi có đủ nền tảng của đại số tuyến tính, tính toán, v.v.

Chúc mừng!

Phản ứng tổng hợp cảm biến cho định hướng 3D là tất cả về việc tham gia nhiều nguồn dữ liệu (cảm biến) để trích xuất thông tin chính xác hơn.

Cụ thể hơn trong trường hợp của IMU , bạn có thể tham gia nhiều phép đo (về mặt kỹ thuật DoM chứ không phải DoF) để lấy dữ liệu định hướng và vị trí (đây là DoF về mặt kỹ thuật).

Giả sử bạn có một hệ thống với gia tốc kế, máy đo tốc độ, từ kế, phong vũ biểu và GPS (khả năng của điện thoại di động cao cấp thông thường và một số tính năng của bảng phần cứng). Đây là những gì bạn thực sự có:

• Bạn có số đo gia tốc, nhưng nếu bạn đang di chuyển, bạn không thể tách rời thành phần trọng lực của gia tốc và gia tốc chuyển động thực tế (trừ khi bạn không thực sự di chuyển và chỉ còn lại trọng lực). Bạn có thể giả sử chuyển động của mình thay đổi nhanh hơn thay đổi trọng lực và áp dụng bộ lọc để tách các thành phần tần số cao khỏi các thành phần tần số thấp, nhưng bạn vẫn sẽ không nhận được kết quả tốt khi giả định không áp dụng (chẳng hạn như dài xoay). Bạn cũng không thể đơn giản trừ đi trọng lực từ nơi bạn nghĩ , đơn giản vì đó là một phần của kết quả định hướng, không phải là đầu vào. Dù sao, ngay cả khi bạn biết trọng lực đang chỉ vào đâu, bạn sẽ chỉ biết nơi nào xuống là, nhưng bạn sẽ không biết bạn đang ở đâu (góc của bạn trong mặt phẳng vuông góc với) vectơ trọng lực.

• Bạn có một tỷ trọng kế đăng ký tỷ lệ lần lượt. Nó không phải là một con quay hồi chuyển. Một con quay hồi chuyển thực sự sẽ dẫn đến một thông tin về thái độ, trong khi bạn phải tích hợp đầu ra của máy đo tốc độ để có được thông tin đó. Vấn đề với loại cảm biến này là, trước tiên, bạn không có định hướng bắt đầu (trừ khi bạn giả sử một và các giả định có vấn đề như trên); và thứ hai và quan trọng hơn, bạn có sự thiên vị và tiếng ồn (từ cảm biến, số, v.v.), làm rối tung bất kỳ nhà tích hợp nào.

• Bạn có một từ kế. Từ trường của Trái đất rất yếu và do đó chịu nhiều tiếng ồn xung quanh. Hãy suy nghĩ về bất kỳ bộ phát RF nào như WiFi, điện thoại di động, đài FM, bộ đàm và thậm chí cả các bộ phát sóng khác như radio HAM, radio máy bay, radio cướp biển và TV / màn hình. Nếu bạn nghĩ rằng TV tiết kiệm năng lượng màn hình phẳng của bạn không gây rối với la bàn, hãy nghĩ lại. Vì vậy, nó ồn ào như địa ngục. La bàn tương tự nam châm và dầu khắc phục điều này bằng cách nhúng kim vào chất lỏng nhớt, hoạt động giống như bộ lọc thông thấp cơ học, và vì điều này không đủ nhanh và thậm chí vì vậy bạn vẫn sẽ đọc sai nếu bạn gần một đường dây điện.

• Bạn có một phong vũ biểu. Bạn có thể ước tính chiều cao từ thông tin này, nhưng nó thực sự chỉ là ước tính. Vì vậy, hãy cẩn thận với các hiệu ứng khí quyển (nếu có gió, có chênh lệch áp suất ở đâu đó) và bạn phải nhớ rằng dữ liệu của bạn có liên quan đến một số tài liệu tham khảo, nhưng không nhất thiết phải có căn cứ . Hãy nhớ rằng thông thường tham chiếu là mặt đất ở mực nước biển và hey, mực nước biển thay đổi mọi lúc với thủy triều. Vì vậy, nó cung cấp một số cái nhìn sâu sắc về một trục vị trí duy nhất và thường chỉ tốt cho việc phát hiện các biến thể.

• Bạn có GPS. Tuy nhiên, tín hiệu GPS thu được từ các vệ tinh trong không gian. Bạn có thực sự mong đợi để có được thông tin vị trí milimet từ đó? Bạn thậm chí có thể nhận được điều đó nếu giữ yên trong nhiều phút hoặc thậm chí nhiều giờ, bằng cách lọc, nhưng độ chính xác một mét là tiêu chuẩn khá cho hầu hết các máy thu GPS dân sự, và đủ cho hầu hết các ứng dụng thương mại. Dù sao, ngay cả khi bạn không có tiếng ồn vị trí, thiếu tín hiệu trong không gian kín hoặc thời tiết xấu, bạn vẫn sẽ chỉ nhận được thông tin vị trí, không có gì giống như thái độ.

Với tất cả những gì trong tâm trí, phản ứng tổng hợp cảm biến là sự kết hợp của tất cả các dữ liệu bạn nhận được để cố gắng có được độ chính xác cao hơn. So sánh chuyển động nào là phổ biến với các cảm biến khác nhau với các đặc điểm khác nhau là chìa khóa. Nhưng vì nó là, có nhiều cách để làm điều đó và mỗi cách thực hiện thường khác với cách thực hiện khác. Một vài ý tưởng:

• Công cụ lọc . Bộ lọc thông thấp và thông cao có thể cải thiện dữ liệu (bằng cách hủy một số nhiễu) và có thể tách một thông tin thành hai.

• Lọc Kalman (dưới nhiều hình thức) khá phổ biến để xóa một số nhiễu và tham gia nhiều nguồn, bởi vì nó được tính toán nhanh và cũng có thể được sử dụng làm công cụ dự đoán / sửa lỗi và để bù chênh lệch độ trễ dữ liệu giữa các cảm biến.

• Sử dụng kiến ​​thức của vấn đề để tăng cường các phương trình so sánh. Sử dụng định hướng hiện tại cộng với ước tính trong tương lai để dự đoán trọng lực; tích hợp gia tốc để đạt vận tốc; tích hợp lại để có được vị trí, sử dụng GPS để sửa nó, lọc và lấy lại để lấy ước tính; GPS cũng có một số thông tin vận tốc từ các hiệu ứng doppler, vì vậy hãy sử dụng nó; sử dụng GPS pha loãng vị trí để ước tính độ chính xác của dữ liệu GPS của bạn; tích hợp máy đo trọng lượng để hiệu chỉnh vectơ trọng lực tiếp theo; thông thấp từ kế và sử dụng như một tài liệu tham khảo phía bắc yếu, với sự suy giảm từ tính được điều chỉnh từ vị trí GPS; sử dụng thông tin phong vũ biểu từ đầu để có được mức mặt đất gần đúng và lấy dữ liệu áp suất để tăng cường thông tin vị trí Z. Tạo phương pháp của riêng bạn.

• Lọc tất cả, nhưng đừng lọc quá nhiều hoặc bạn sẽ không nhận được thông tin hữu ích.

• Ngay cả khi "Cảm biến kết hợp" được bán như một phương thức đã thực hiện, thì đó gần như là một vấn đề kết thúc mở. Ngay cả khi sử dụng một phương thức đã được thiết lập vẫn sẽ cần khá nhiều điều chỉnh để có kết quả tốt nhất, để khai thác các đặc điểm cảm biến khác nhau để có được dữ liệu tốt hơn.

Các cảm biến cung cấp những hiểu biết tương tự hoặc kỹ thuật số vào một thực tế rất khó nắm bắt. Giống như các giác quan của bạn làm.

Các cảm biến được thiết kế để thu giữ một phần đặc biệt của một hiện tượng có thể đo lường được: điện, hóa học, vật lý ... Giống như các giác quan của bạn làm. Năm cái thông thường là thị giác, thính giác, xúc giác, khứu giác và vị giác, nhưng có nhiều kỹ năng của con người hơn.

Hiểu một hiện tượng vật lý thông qua xử lý tín hiệu cũng giống như cố gắng nói các thành phần chính từ công thức của bữa ăn bạn đã đặt hàng trong một nhà hàng tối qua. Bạn không biết những gì đã xảy ra trong nhà bếp, nhưng bạn đã chọn những gì để đặt hàng, và đã nhìn thấy, nếm, ngửi, thậm chí chạm vào đĩa.

Mỗi giác quan và sự hiểu biết của bạn cung cấp cho bạn những gợi ý hoặc kiến ​​thức, nhưng bạn không bao giờ có thể chắc chắn, vì một số đầu bếp làm chủ sự lừa dối. Những gì bạn nhìn thấy như một mứt xanh nhân tạo làm từ dâu tây có thể có vị như thạch táo.

Dựa trên chuyên môn nấu ăn của bạn, sự kết hợp của tất cả các giác quan của bạn có thể đưa bạn đến gần hơn với công thức thực tế, với điều kiện:

1. bạn có thể sử dụng các giác quan của mình đủ thường xuyên: nếu bạn chỉ cắn một miếng sau mỗi 10 ngày, bạn không thể nhận được thực đơn. Đây là lấy mẫu dữ liệu;
2. mỗi giác quan đủ nhạy cảm. Đây là độ nhạy cảm biến;
3. danh sách ý nghĩa của bạn gần hoàn thành, và phạm vi bảo hiểm là đủ cho mục đích của bạn. Nếu bạn không thể nếm đường nữa, bạn sẽ không thể nấu một số bữa ăn cho những người vẫn có thể nếm thử. Đây là nhịp đo;
4. bạn có thể suy luận hoặc mô hình hóa một số quy trình mà bạn không biết. Đây là mô hình.

Phản ứng tổng hợp cảm biến là nghệ thuật và khoa học kết hợp dữ liệu cảm giác, kiến ​​thức và mô hình từ các nguồn khác nhau để thông tin kết quả có giá trị hơn hoặc ít không chắc chắn hơn so với các nguồn riêng lẻ.

Ví dụ: Hành động tính trung bình $N$dữ liệu cảm biến cho cùng một tín hiệu xác định, với các hiện thực ngẫu nhiên khác nhau của một thuật ngữ nhiễu, là hoạt động tổng hợp cảm biến cơ bản nhất. Với mô hình nhiễu Gaussian độc lập$\sigma$, về mặt lý thuyết trung bình mang lại một $\frac{\sigma}{\sqrt{N}}$sai lệch (ít không chắc chắn). Sự kết hợp của ba kênh (Đỏ, Xanh lam, Xanh lục) cung cấp hình ảnh màu (hợp lệ hơn so với thang màu xám đơn sắc).

Ví dụ đầu tiên kết hợp thông tin từ một mô hình cảm biến duy nhất. Cái thứ hai từ các cảm biến hoạt động trong cùng một miền (sóng điện từ), nhưng ở các phần khác nhau của phổ. Nói chung, phản ứng tổng hợp hoạt động trên các cảm biến khác nhau với tỷ lệ, phạm vi, miền và chủ yếu là các đơn vị khác nhau.

Vấn đề phụ thuộc rất nhiều vào hiện tượng bạn đang xem, các cảm biến có sẵn và thông tin bạn đang tìm kiếm.

Vật lý cho bạn biết thông tin tiềm năng bạn có thể nhận được từ các cảm biến của mình. Toán học có thể mô hình hóa làm thế nào chúng có liên quan hoặc bổ sung, hoặc thông tin không liên quan (tiếng ồn) là gì. Các thuật toán sẽ kết hợp các kiến ​​thức trước đó một cách tối ưu nhất có thể, về độ chính xác, độ chính xác hoặc tốc độ.

Chủ đề liên quan đến các lĩnh vực hợp nhất cảm biến , hợp nhất dữ liệu hoặc tích hợp thông tin , với một tổng quan ngắn về Nguyên tắc và kỹ thuật cho cảm biến hợp nhất dữ liệu . Nhiều sách khác có sẵn, như trong cuốn sách hay nhất để tìm hiểu phản ứng tổng hợp cảm biến, đặc biệt liên quan đến tích hợp IMU và GPS .

Về vấn đề thực tế của bạn, bước đầu tiên sẽ bao gồm tìm hiểu sự khác biệt giữa con quay hồi chuyển, gia tốc kế và từ kế là gì? mà có thể giúp bạn đẩy kỹ thuật hơn một chút. Và đạt được mục tiêu hợp nhất: sử dụng sự khác biệt của cảm biến, tổng hợp dữ liệu của họ, theo cách thông minh nhất .

Roger R Labbe Jr giải thích điều này trong cuốn sách tuyệt vời " Bộ lọc Kalman và Bayesian trong Python " như

Bạn không thể loại bỏ bất kỳ thông tin nào ngay cả khi nó ồn ào như thế nào.

Hai Gaussian luôn tốt hơn một trong khung Bayes. Nếu bạn nhân hai Gaussian, bạn sẽ có ma trận hiệp phương sai nhỏ hơn.