發(fā)布時間：2017-09-14 18:09

  本文關(guān)鍵詞：可穿戴計算中能效提高策略研究

  更多相關(guān)文章： 可穿戴計算 慣性測量單元 能效提高 卡爾曼濾波 姿態(tài)追蹤

【摘要】：隨著微電子機械系統(tǒng)、微控制單元和無線通信技術(shù)的高速發(fā)展,基于慣性測量單元的人體運動捕獲系統(tǒng)應(yīng)用呈現(xiàn)出巨大的研究價值與廣闊的商業(yè)前景,慣性測量單元具有價格低廉、體積小、重量輕、便于攜帶等特點,已廣泛應(yīng)用在老人監(jiān)護、醫(yī)療康復(fù)等重要領(lǐng)域。然而無線可穿戴設(shè)備的低功耗與高頻實時通信等要求約束了其進一步發(fā)展,長時間攜帶傳感節(jié)點進行監(jiān)測和高速率實時數(shù)據(jù)流傳輸都會導(dǎo)致傳感節(jié)點能耗高、續(xù)航能力弱、能效性低。因此,本文以無線可穿戴設(shè)備中人體運動捕獲的能效性為主線,深入研究和探索在低功耗約束環(huán)境下用于可穿戴計算中的能效提高策略,主要研究工作有:(1)提出了帶有消除線性加速度的擴展卡爾曼濾波算法針對慣性傳感器在工作與測量時會引入過程誤差與測量誤差的問題,本文設(shè)計了擴展卡爾曼濾波算法用于精確估計物體的姿態(tài)方位信息,同時針對慣性測量單元由于物體運動而引入額外加速度的情況,本文構(gòu)造了自適應(yīng)誤差協(xié)方差矩陣,抵消了額外線性加速度對方位估計帶來的影響,實驗驗證本文提出的擴展卡爾曼濾波算法均方根誤差值為0.7度。(2)實現(xiàn)了適用于傳感器在線方位追蹤算法用于提高傳感器能效性針對無線通信模塊發(fā)送數(shù)據(jù)量大而帶來能效性低的問題,本文設(shè)計了適用于計算能力受限的無線傳感節(jié)點的擴展卡爾曼濾波算法,每次僅傳輸方位信息,減少了無線數(shù)據(jù)傳輸量,提高系統(tǒng)能效性。實現(xiàn)過程中,設(shè)計了應(yīng)用組件、感知組件、執(zhí)行組件以及通信組件以保證算法高精確要求;并提出分塊數(shù)據(jù)緩存機制以及優(yōu)化三角函數(shù)運算性能等在線計算優(yōu)化方法以保障數(shù)據(jù)的實時處理。實驗表明本文提出的在線方位追蹤算法可以將續(xù)航能力延長20.6%。(3)提出了自適應(yīng)數(shù)據(jù)融合算法用于進一步提高無線傳感設(shè)備的能效性針對無線通信模塊發(fā)送頻率高而帶來傳感設(shè)備功耗高的問題,本文提出自適應(yīng)數(shù)據(jù)融合算法。對動作序列中方位四元數(shù)進行實時最優(yōu)關(guān)鍵幀提取,每次僅傳輸動作關(guān)鍵幀;在PC端實時進行運動重建,以降低無線通信模塊發(fā)送頻率方式,達到進一步減少無線可穿戴設(shè)備能耗、延長無線傳感器設(shè)備壽命目的。實驗驗證表明提出的自適應(yīng)數(shù)據(jù)融合算法能夠在保證運動數(shù)據(jù)精度情況下,有效降低傳輸數(shù)據(jù)量,提高設(shè)備能效性,進一步將設(shè)備續(xù)航能力延長76.7%。
【關(guān)鍵詞】：可穿戴計算 慣性測量單元 能效提高 卡爾曼濾波 姿態(tài)追蹤
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP368.33
【目錄】：

• 摘要4-5
• Abstract5-9
• 專用術(shù)語注釋表9-11
• 第一章 緒論11-17
• 1.1 研究背景與意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 研究內(nèi)容與創(chuàng)新性13-15
• 1.4 章節(jié)安排15-17
• 第二章 相關(guān)知識17-25
• 2.1 三維坐標(biāo)系統(tǒng)17-18
• 2.2 坐標(biāo)系轉(zhuǎn)換18-24
• 2.2.1 歐拉角法19-21
• 2.2.2 方向余弦矩陣法21
• 2.2.3 四元數(shù)法21-24
• 2.3 本章小結(jié)24-25
• 第三章 用于可穿戴節(jié)點方位追蹤的擴展卡爾曼算法25-45
• 3.1 問題描述25-26
• 3.2 基于慣性傳感器的方位追蹤算法26-32
• 3.2.1 三軸陀螺儀用于三維方位追蹤26-27
• 3.2.2 三軸加速度計和三軸磁力計用于三維方位追蹤27-32
• 3.3 基于擴展卡爾曼濾波的三維方位追蹤算法32-37
• 3.3.1 擴展卡爾曼濾波器算法32-34
• 3.3.2 擴展卡爾曼濾波器設(shè)計34-37
• 3.4 實驗驗證37-44
• 3.4.1 單軸旋轉(zhuǎn)37-41
• 3.4.2 算法比較41-44
• 3.5 本章小結(jié)44-45
• 第四章 方位追蹤算法在線實現(xiàn)與優(yōu)化45-59
• 4.1 TinyOS操作系統(tǒng)簡介45-46
• 4.2 在線方位追蹤算法實現(xiàn)46-51
• 4.2.1 定義通信數(shù)據(jù)類型46-48
• 4.2.2 程序設(shè)計的模塊組件48-51
• 4.3 在線計算優(yōu)化方法51-55
• 4.3.1 分塊數(shù)據(jù)緩存機制52-53
• 4.3.2 三角函數(shù)運算性能優(yōu)化53-55
• 4.4 實驗驗證55-58
• 4.4.1 精確度驗證55-57
• 4.4.2 能效性驗證57-58
• 4.5 本章小結(jié)58-59
• 第五章 在線自適應(yīng)數(shù)據(jù)融合算法的研究59-81
• 5.1 引言59-60
• 5.2 自適應(yīng)數(shù)據(jù)融合算法60-64
• 5.2.1 方位四元數(shù)預(yù)測算法60-62
• 5.2.2 自適應(yīng)數(shù)據(jù)融合算法描述62-63
• 5.2.3 評價函數(shù)定義63-64
• 5.3 最優(yōu)閾值的選取64-70
• 5.4 實驗驗證70-80
• 5.4.1 實驗環(huán)境與系統(tǒng)模型70-71
• 5.4.2 精確度驗證71-75
• 5.4.3 能效性驗證75-80
• 5.5 本章小結(jié)80-81
• 第六章 總結(jié)與展望81-83
• 6.1 本文總結(jié)81-82
• 6.2 未來展望82-83
• 參考文獻83-86
• 附錄1 攻讀碩士學(xué)位期間撰寫的論文86-87
• 附錄2 攻讀碩士學(xué)位期間申請的專利87-88
• 附錄3 攻讀碩士學(xué)位期間參加的科研項目88-89
• 致謝89

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘭義華;任浩征;張勇;趙雪峰;;一種基于“當(dāng)前”模型的改進卡爾曼濾波算法[J];山東大學(xué)學(xué)報(工學(xué)版);2012年05期

2 史百舟;鄔齊斌;;擬自適應(yīng)推廣卡爾曼濾波算法[J];青島化工學(xué)院學(xué)報;1992年04期

3 萬建偉,皇甫堪,梁甸農(nóng);基于推廣卡爾曼濾波算法的聲測定位技術(shù)[J];國防科技參考;1997年04期

4 程進偉;李建勛;;卡爾曼濾波算法評估平臺的設(shè)計與實現(xiàn)[J];系統(tǒng)仿真學(xué)報;2013年11期

5 夏建濤,任震,陳立,景占榮;極坐標(biāo)下卡爾曼濾波算法的研究[J];西北工業(yè)大學(xué)學(xué)報;2000年03期

6 李振營,沈毅,胡恒章;帶未知時變噪聲系統(tǒng)的卡爾曼濾波算法研究[J];系統(tǒng)工程與電子技術(shù);2000年01期

7 楊春玲,余英林,劉國歲;轉(zhuǎn)換坐標(biāo)卡爾曼濾波算法分析[J];計算機工程與設(shè)計;2001年05期

8 吳文華;丁子明;談?wù)怪?;卡爾曼濾波算法工程化設(shè)計[J];電子測量技術(shù);2003年04期

9 高磊,崔鑫水;一種自適應(yīng)協(xié)方差矩陣旋轉(zhuǎn)變換卡爾曼濾波算法及其應(yīng)用[J];航天控制;2004年03期

10 高磊;一種反饋修正推廣卡爾曼濾波算法及其應(yīng)用[J];航天控制;2004年05期

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 劉棟;王惠林;;卡爾曼濾波算法在目標(biāo)定位系統(tǒng)中的應(yīng)用[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（上冊）[C];2010年

2 周紅波;耿伯英;;基于目標(biāo)跟蹤的無偏轉(zhuǎn)換測量卡爾曼濾波算法研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

3 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國智能交通年會論文集[C];2012年

4 趙汝祺;趙祚喜;趙汝準(zhǔn);;基于多項式卡爾曼濾波算法的車輛定位試驗研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

5 曾翠娟;杜傳利;;動態(tài)GPS自適應(yīng)卡爾曼濾波算法的FPGA實現(xiàn)[A];第13屆全國計算機、網(wǎng)絡(luò)在現(xiàn)代科學(xué)技術(shù)領(lǐng)域的應(yīng)用學(xué)術(shù)會議論文集[C];2007年

6 李鵬;宋申民;陳興林;;自適應(yīng)平方根無跡卡爾曼濾波算法[A];2009年中國智能自動化會議論文集（第八分冊）[控制理論與應(yīng)用（�？[C];2009年

7 程慧俐;王紀(jì)文;張洪鉞;;在未知噪聲統(tǒng)計情況下的一種新的自適應(yīng)卡爾曼濾波算法[A];1994中國控制與決策學(xué)術(shù)年會論文集[C];1994年

8 劉健;劉忠;玄兆林;;純方位目標(biāo)運動分析的自適應(yīng)擴展卡爾曼濾波算法[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

9 朱寧;錢偉康;郭強;;基于嵌入式XP的光譜分析系統(tǒng)[A];全國第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 孫景榮;X射線脈沖星導(dǎo)航及其增強方法研究[D];西安電子科技大學(xué);2014年

2 葛磊;容積卡爾曼濾波算法研究及其在導(dǎo)航中的應(yīng)用[D];哈爾濱工程大學(xué);2013年

3 馮波;線性濾波估計算法研究及在慣性導(dǎo)航系統(tǒng)中的應(yīng)用[D];北京理工大學(xué);2014年

4 孟軍英;基于粒子濾波框架目標(biāo)跟蹤優(yōu)化算法的研究[D];燕山大學(xué);2014年

5 周聰;基于非線性估計理論的線控轉(zhuǎn)向汽車狀態(tài)估計研究[D];西南交通大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 龐瀛洲;關(guān)于電池BMS系統(tǒng)SOC估測算法的研究[D];長安大學(xué);2015年

2 張冬梅;基于改進卡爾曼濾波算法的SOC估計方法研究[D];西南交通大學(xué);2015年

3 林燕平;長基線導(dǎo)航系統(tǒng)濾波算法的研究與實現(xiàn)[D];沈陽理工大學(xué);2015年

4 唐鵬;基于ADS-B數(shù)據(jù)監(jiān)視性能評估技術(shù)研究[D];中國民航大學(xué);2015年

5 陳辰;基于卡爾曼濾波算法的短期風(fēng)電功率預(yù)測[D];新疆大學(xué);2015年

6 馬康健;基于分布式共識的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

7 周暄承;可穿戴計算中能效提高策略研究[D];南京郵電大學(xué);2016年

8 徐紅珍;基于粒子群的卡爾曼濾波算法改進和優(yōu)化[D];武漢理工大學(xué);2013年

9 鄒振宇;基于DSP的Kalman濾波器的算法研究[D];成都理工大學(xué);2012年

10 樊紅娟;無先導(dǎo)卡爾曼濾波算法分析[D];西南大學(xué);2007年

，

本文編號：851513