本文選題：傳感器陣列　切入點(diǎn)：數(shù)據(jù)融合　出處：《昆明理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：本論文主要圍繞MEMS慣性傳感器陣列及數(shù)據(jù)融合技術(shù)介紹了一系列相關(guān)基礎(chǔ)知識、解決了一系列問題。在MEMS技術(shù)應(yīng)用越來越廣泛的今天,MEMS慣性傳感器成本低、耐用、體積小、易集成、誤差基本滿足要求的特點(diǎn)使得其占據(jù)了非常大的市場。MEMS慣性傳感器主要包括兩種傳感器,即MEMS的加速度計(jì)和陀螺儀,有時(shí)還包括磁力計(jì)。由于技術(shù)逐漸成熟,現(xiàn)如今幾乎所有的手機(jī)都配有加速度計(jì),有的還配有陀螺儀,或者直接配有集成了多個(gè)傳感器的慣性傳感器,而這些慣性傳感器多數(shù)是MEMS慣性傳感器。如蘋果公司的iPhone6手機(jī)內(nèi)部集成了 InvenSense的六軸慣性傳感器MPU-6700(集成了 MEMS陀螺儀和MEMS加速度計(jì))、Bosch公司的三軸加速度計(jì)BMA280和AKM公司的AK8963C磁力計(jì),即使用了兩個(gè)加速度計(jì)、一個(gè)陀螺儀和一個(gè)磁力計(jì)。除了手機(jī)還有很多其他電子設(shè)備配有MEMS慣性傳感器,如VR、游戲手柄、汽車、飛行器、航天器等等。在需求越來越多的情況下,MEMS慣性傳感器的誤差問題變得越來越重要。本論文正是針對這一問題提出了使用傳感器陣列的數(shù)據(jù)融合技術(shù),該技術(shù)可以有效的降低低成本MEMS慣性傳感器的誤差,為系統(tǒng)提供更為可靠的數(shù)據(jù)。圍繞這一技術(shù),作者搭建了多傳感器陣列平臺,并使用MATLAB軟件作為分析、建模工具(第二章);使用Allan方差分析法對傳感器的噪聲進(jìn)行識別,并作為判定數(shù)據(jù)融合模型優(yōu)略的一個(gè)指標(biāo)(第四章);通過構(gòu)建狀態(tài)方程和更新方差,作者建立了三個(gè)用于數(shù)據(jù)融合的Kalman濾波器(第六章),并通過實(shí)驗(yàn)對三個(gè)模型進(jìn)行了驗(yàn)證比較(第七章)。其中,Allan方差分析法可用于辨識導(dǎo)致數(shù)據(jù)噪聲的底層隨機(jī)過程的特征,即通過對數(shù)據(jù)的整個(gè)長度執(zhí)行某些操作來辨識慣性傳感器數(shù)據(jù)中的噪聲種類及其強(qiáng)度。除了上述工作,作者還分析、總結(jié)了 MEMS慣性傳感器的常見誤差來源(第三章),介紹了 ARMA模型的理論基礎(chǔ)并給出了 MATLAB軟件內(nèi)ARMA模型的應(yīng)用舉例(第五章)。在文章最后的第八章,作者對所做工作做出了總結(jié)和展望。
[Abstract]:This paper mainly introduces a series of basic knowledge about MEMS inertial sensor array and data fusion technology, and solves a series of problems. Easy to integrate, error basically meet the requirements of the characteristics that make it occupy a very large market. MEMS inertial sensors mainly include two kinds of sensors, that is, accelerometers, gyroscopes, and sometimes magnetometers. Today, almost all mobile phones are equipped with accelerometers, some with gyroscopes, or with inertial sensors directly integrated with multiple sensors. Most of these inertial sensors are MEMS inertial sensors. For example, Apple's iPhone6 phone has InvenSense's six-axis inertial sensor MPU-6700 (integrated MEMS gyroscopes and MEMS accelerometers, BMA280 and AKM). Company's AK8963C magnetometer, Even with two accelerometers, a gyroscope and a magnetometer, there are many other electronic devices besides mobile phones that have MEMS inertial sensors, such as MEMS, game handles, cars, aircraft. The error problem of MEMS inertial sensors becomes more and more important in the case of increasing demand. In this paper, the data fusion technology using sensor array is proposed to solve this problem. This technique can effectively reduce the error of the low cost MEMS inertial sensor and provide more reliable data for the system. Around this technology, the author built a multi-sensor array platform, and used MATLAB software as the analysis. Modeling tool (Chapter 2); using Allan variance analysis method to identify the sensor noise as an index to determine the data fusion model excellence (Chapter 4th); by constructing the equation of state and updating the variance, The author establishes three Kalman filters for data fusion (Chapter 6th), and verifies and compares the three models by experiments (Chapter 7th), in which the method of variance analysis can be used to identify the characteristics of the underlying stochastic processes that lead to data noise. That is, by performing some operations on the entire length of the data to identify the noise types and their intensity in the inertial sensor data. This paper summarizes the common error sources of MEMS inertial sensors (Chapter 3), introduces the theoretical basis of ARMA model and gives an example of the application of ARMA model in MATLAB software (Chapter 5th, Chapter 8th). The author makes a summary and prospect of the work done.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP212

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張玉蓮;儲海榮;張宏巍;張明月;陳陽;李銀海;;MEMS陀螺隨機(jī)誤差特性研究及補(bǔ)償[J];中國光學(xué);2016年04期

2 陳尚;張世軍;穆星科;陳永強(qiáng);;MEMS陀螺技術(shù)國內(nèi)外發(fā)展現(xiàn)狀簡述[J];傳感器世界;2016年04期

3 龔大偉;劉宇;鐘懿;向高林;呂玲;;MEMS陀螺混合誤差標(biāo)定方法研究[J];壓電與聲光;2016年02期

4 Mark Looney;;MEMS陀螺儀中主要噪聲源的預(yù)測和管理[J];今日電子;2016年Z1期

5 劉明雍;朱立;董海霞;;基于卡爾曼濾波的陀螺儀陣列技術(shù)研究[J];兵工學(xué)報(bào);2016年02期

6 尹杭;張偉;袁琳峰;;一種MEMS加速度計(jì)誤差分析與校準(zhǔn)方法[J];傳感技術(shù)學(xué)報(bào);2014年07期

7 周含冰;陳冬冬;彭燕;;抗野值Kalman濾波在靶場測量數(shù)據(jù)處理中的應(yīng)用[J];艦船電子對抗;2013年05期

8 陳旭光;楊平;陳意;;MEMS陀螺儀零位誤差分析與處理[J];傳感技術(shù)學(xué)報(bào);2012年05期

9 袁贛南;梁海波;何昆鵬;謝燕軍;;MEMS陀螺隨機(jī)漂移的狀態(tài)空間模型分析及應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2011年06期

10 崔偉;陳偉曹;;基于自適應(yīng)卡爾曼濾波器的MEMS陀螺零點(diǎn)漂移的研究[J];傳感器世界;2011年01期

相關(guān)碩士學(xué)位論文 前2條

1 劉晶晶;基于雙目立體視覺的三維定位技術(shù)研究[D];華中科技大學(xué);2007年

2 劉欣麗;激光跟蹤系統(tǒng)設(shè)計(jì)及改進(jìn)[D];天津大學(xué);2004年

，

本文編號：1605435