基于MEMS传感器的数据采集识别系统设计

电子器件

ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｎＤｅｖｉｃｅｓ

Ｖｏｌ􀆰４２　Ｎｏ􀆰２Ａｐｒ.２０１９

ＤｅｓｉｇｎｏｆＤａｔａＡｃｑｕｉｓｉｔｉｏｎａｎｄＴｒａｊｅｃｔｏｒｙＲｅｃｏｇｎｉｔｉｏｎ

ＳｙｓｔｅｍＢａｓｅｄｏｎＭＥＭＳＳｅｎｓｏｒ

ＣＨＥＮＪｉａｎｗｅｉꎬＣＨＥＮＨｏｎｇ∗ꎬＷＡＮＧＪｉｎｑｉꎬＳＵＭｉｎｇｈｕｉ

(ＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａꎬＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｎＥｌｅｃｔｒｏｎｉｃＴｅｓｔａｎｄＭｅａｓｕｒｅｍｅｎｔＬａｂｏｒａｔｏｒｙꎬＫｅｙＬａｂｏｒａｔｏｒｙｏｆ

ＩｎｓｔｒｕｍｅｎｔａｔｉｏｎａｎｄＤｙｎａｍｉｃＭｅａｓｕｒｅｍｅｎｔꎬＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎꎬＴａｉｙｕａｎ０３００５１ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:ＡｓｙｓｔｅｍｂａｓｅｄｏｎＦＰＧＡａｎｄＡＲＭａｒｃｈｉｔｅｃｔｕｒｅｔｏｃｏｌｌｅｃｔｍｏｔｉｏｎａｔｔｉｔｕｄｅｄａｔａｉｎｒｅａｌｔｉｍｅｈａｓｂｅｅｎｉｎｔｒｏｄｕｃｅｄ.ＴｈｅｓｉｇｎａｌｃｏｌｌｅｃｔｅｄｂｙｔｈｅｓｅｎｓｏｒｉｓｓｔｏｒｅｄｂｙＦＰＧＡꎬｔｈｅｎｔｈｅｄａｔａｉｓｔｒａｎｓｉｔｔｅｄｔｏＡＲＭ.Ａｔｔｈｅｓａｍｅｔｉｍｅꎬａｎａｌｇｏｒｉｔｈｍｉｓｄｅｓｉｇｎｅｄｔｏｄｅｔｅｃｔｔｈｅｍｏｔｉｏｎｔｒａｊｅｃｔｏｒｙａｃｃｕｒａｔｅｌｙ.ＴｈｅｃｏｌｌｅｃｔｅｄｄａｔａｓｉｇｎａｌｉｓｄｅｓｉｇｎｅｄｔｏｅｌｉｍｉｎａｔｅｒａｎｄｏｍｎｏｉｓｅｂｙｄｅｓｉｇｎｉｎｇａＫａｌｍａｎｆｉｌｔｅｒａｎｄｔｈｅｚｅｒｏ￣ｓｔａｔｅｃｏｍｐｅｎｓａｔｉｏｎａｌｇｏｒｉｔｈｍｅｌｉｍｉｎａｔｅｓｃｕｍｕｌａｔｉｖｅｅｒｒｏｒｓ.ＴｈｉｓｓｙｓｔｅｍｗｉｔｈＦＰＧＡꎬｓｅｎｓｏｒａｎｄＡＲＭｃｏｕｌｄｄｅａｌｗｉｔｈｒｅａｌ￣ｔｉｍｅａｎｄｑｕｉｃｋａｃｑｕｉｓｉｔｉｏｎｏｆａｔｔｉｔｕｄｅｄａｔａａｎｄｒｅｌａｔｉｖｅｌｙｆｌｅｘｉｂｌｅａｎｄｃａｎｂｅｔｒａｎｓｐｌａｎｔｅｄｔｏｏｔｈｅｒｒｅｌａｔｅｄｍｏｔｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｓｅｆｆｅｃｔｉｖｅｌｙ.Ｋｅｙｗｏｒｄｓ:ＦＰＧＡꎻＡＲＭꎻＫａｌｍａｎｆｉｌｔｅｒꎻｚｅｒｏ￣ｓｔａｔｅｃｏｍｐｅｎｓａｔｉｏｎ

ＥＥＡＣＣ:７２１０Ｇ　　　　ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１００５－９４９０.２０１９.０２.０３８

ｉｎｆｏｒｍａｔｉｏｎꎬａｎｄａｔｔｈｅｓａｍｅｔｉｍｅꎬｔｈｅｍｏｔｉｏｎｔｒａｊｅｃｔｏｒｙｃａｎｂｅｅｆｆｉｃｉｅｎｔｌｙｒｅｓｔｏｒｅｄ.Ｔｈｅｐｒｏｇｒａｍｉｓｈｉｇｈｌｙｐｒａｃｔｉｃａｌ

基于ＭＥＭＳ传感器的数据采集识别系统设计

陈健伟ꎬ陈　鸿∗ꎬ王晋祺ꎬ苏明辉

(中北大学电子测试技术国家重点实验室ꎬ仪器科学与动态测试教育部重点实验室ꎬ太原０３００５１)

摘　要:设计一种通过ＦＰＧＡ与ＡＲＭ相结合的实时采集运动姿态数据的系统ꎬ由传感器采集到运动信号ꎬ通过ＦＰＧＡ控制数

据存储后传递给ＡＲＭꎬ将其存储处理ꎮ同时设计一种算法来精确实现运动轨迹的检测ꎬ采集的数据信号通过设计Ｋａｌｍａｎ滤波器来消除随机噪声ꎬ零状态补偿算法实现累计误差的消除ꎮ通过该系统ꎬ实现了ＦＰＧＡ与传感器以及与ＡＲＭ的通信ꎬ实时快速地采集到姿态数据信息ꎬ同时可以高效地复原运动轨迹ꎮ该方案实用性强ꎬ比较灵活ꎬ能够有效地移植到其他相关运动检测系统中ꎮ

关键词:ＦＰＧＡꎻＡＲＭꎻ姿态数据采集ꎻＫａｌｍａｎ滤波ꎻ零状态补偿

中图分类号:ＴＰ２７４　　　　文献标识码:Ａ　　　　文章编号:１００５－９４９０(２０１９)０２－０４６３－０６　　传统多采用ＡＲＭ进行运动姿态数据采集ꎬ单片机的编程简单ꎬ控制处理数据比较灵活ꎬ但是它的控制周期较长ꎬ对于数据需要快速转换存储处理的场合ꎬ单片机的这种特性将限制数据的传输ꎮＦＰＧＡ的时钟频率一般比较高ꎬ响应速度快ꎬ通过硬件电路来实现控制逻辑ꎬ效率较高ꎬ通过并行控制采集数据ꎬ在大规模数据高速采集过程中相对于单片机来说有较大的优势ꎬＡＲＭ相对于ＦＰＧＡ来说对数据的处理能力较强[１－２]ꎮ通过结合ＡＲＭ与ＦＰＧＡ的各自优势ꎬ本文设计了基于ＡＲＭ与ＦＰＧＡ相结合的数据采集处理结构ꎬ采用ＡＤＸＬ３４加速度传感器ꎬ

收稿日期:２０１８－０４－０７　　修改日期:２０１８－０５－１６

Ｌ３ＧＤ２０三轴陀螺仪ꎬＱＭＣ５８８３Ｌ三轴磁传感器ꎬ提同时在积分求解运动状态基础上实现系统噪声的滤出ꎮ

供了一种灵活的多通道的运动数据采集处理方案ꎬ

１　系统整体设计方案

图１为系统的整体结构图ꎬ硬件部分主要由传感器、ＦＰＧＡ与ＡＲＭ组成ꎮ其中加速度传感器ꎬ陀螺仪以及磁传感器共输出９路模拟信号ꎬ通过Ａ/Ｄ转换将模拟信号转换成１６位数字信号ꎬＦＰＧＡ通过相关Ｉ２Ｃ总线协议与传感器进行通信ꎬ传感器对

４６４

电　子　器　件第４２卷

ＦＰＧＡ数据ꎬ存于发出指令应答之后ＦＩＦＯ存储器中ꎬＦＰＧＡꎬ然后通过读取传感器的内部ＡＲＭ处理器中断采集接收ꎬＡＲＭ处理器将接受到的信号进行存储ꎬ通过无线传输协议传输到上位机或存储器中ꎮ将采集到的运动状态数据读取之后ꎬ首先通过坐标系转换ꎬ将载体坐标系转换到地理坐标系ꎬ对得到的加速度信号再通过Ｋａｌｍａｎ随机噪声滤波与零状态自适应消除累计误差ꎬ得到更加精确的运动状态数据ꎮ

图１　系统总体机构框图

２　系统硬件设计与实现

２.１　加速度传感器ＡＤＸＬ３４５ＡＤＸＬ３４５加速度传感器是一款功耗低的三轴

加速度传感器

Ａ进行读取操作/Ｄ转换器ꎬ有ꎬ测量范围可达到１６ｇｎꎬ内部自带ꎮＩ２Ｃ图２与为ＳＰＩＡＤＸＬ３４５两种方式对所测的数据引脚配置图ꎮ其０ｘ１Ｅ中１３ꎬ０ｘ１Ｆ引脚为传感器数据输出指令输入的端口ꎬ

存器地址ꎬ图中ꎬ０ｘ２０１３为三轴加速度计内部的、１４引脚为Ｉ２Ｃ通信接口ｘꎬｙꎬꎬ１ｚ轴寄引脚与电源相连通ꎬ１０引脚接地ꎮ本系统根据Ｉ２Ｃ协议由ＦＰＧＡ发送指令到传感器上述３个寄存器地址处进行读取数据ꎮ

图２　引脚配置顶视图

２.２　Ｌ３ＧＤ２０Ｌ３ＧＤ２０同样是功耗较低的传感器三轴陀螺仪

半导体开发专用微加工工艺制造ꎬ它包括一个感应ꎬ采用意法

元件和能够提供测量外界角速度的ＩＣ芯片ꎬ它的顶视图如图３所示ꎮ

图３　Ｌ３ＧＤ２０引脚顶视图

陀螺仪通过ＳＤＡ/ＳＤＩ/ＳＤＯ口与ＦＰＧＡ进行通０ｘ２８信ꎮ~ＦＰＧＡ０ｘ２ｄ通过来控制三轴数据的读取与端口进行信息

Ｉ２Ｃ/ＳＰＩ协议访问内部寄存器地址交流２.３　ꎮ

ＱＭＣ５８８３ＬＱＭＣ５８８３Ｌ基于霍尼韦尔磁传感器

先进的高分辨率磁阻技术ꎮ它具有较低噪声ＡＭＲ技术授权的最

ꎬ精度较高ꎬ功耗低ꎬ偏移取消等优点ꎮＱＭＣ５８８３Ｌ支持１°至２°罗盘航向精度ꎮ具有标准和快速模式的Ｉ２Ｃ接口ＱＭＣ５８８３Ｌꎬ用于与主控芯片电路连接示意图快速数据通信的高速接口ꎮꎮ图４为图４　主从芯片连接

２.４　ＦＰＧＡＦＰＧＡ主要是用来协调多个传感器之间的工作

与ＡＲＭ处理器

和数据的快速处理ꎬ同时要求能够高速进行数据的缓存处理ＲＡＭꎬ对于并行数据的处理就需要更多的双口

片:ＸＣ４ＶＦＸ１００作为缓存ꎮ

空间ꎬ因此选用Ｖｉｒｔｅｘ￣４系列芯片ꎬ它具有ＡＲＭ处理器采用３２位的处理器内核Ｃｏｒｔｅｘ￣Ｍ３ꎬ采用哈佛结构系列的Ｓｔｍ３２ꎬ它的芯

指令与数据总线各自独立ꎬ１４２个引脚ꎬ１１２个ＧＰＩＯ口ꎬ８个定时器ꎬ６８个可屏蔽中断ꎬ适合通信ꎬ协议处理等方面的应用ꎮ

第２期２.５　无线传感器

陈健伟ꎬ陈　鸿等:基于ＭＥＭＳ传感器的数据采集识别系统设计

　４　６５

本设计方案采用Ｗｉ￣Ｆｉ传输ꎬ需要一个无线路由器作为无线节点与上位机之间的的网络连接器ꎬ

无线传输采用无线发射接收芯片ＷＭ－Ｇ－ＭＲ－９－Ｒｅｆꎬ它的内部结构如图５所示ꎮ

它具有发送接收功能ꎬ通过应用闭塞滤波器屏

３　硬件系统实施方案

３.１　ＦＰＧＡ通过Ｉ２Ｃ协议进行数据采集

加速度传感器ꎬ陀螺仪以及磁传感器均是三轴类ꎬ且自身拥有Ａ/Ｄ转换功能ꎮ３种传感器将采集到的模拟信号转换为数字信号ꎬ传感器均通过Ｉ２Ｃ与ＦＰＧＡ进行通信ꎮ

ＦＰＧＡ通过Ｉ２Ｃ首先发送起始信号ꎬ然后发送Ｉ２Ｃ

蔽了ＧＳＭ、ＰＣＳ等干扰信号ꎬ同时支持ＳＤＩＯ和ＳＰＩ两种通信方式ꎮ

要进行访问传感器的地址ꎬ此时相应传感器对ＦＰＧＡ进行应答ꎬ之后ＦＰＧＡ访问传感器采集数据的寄存器ꎬ通过发送寄存器的地址再次等待传感器进行应答从而实现通信[３]ꎮＦＰＧＡ读取的３个传感器的数据存储到ＦＩＦＯ中ꎬ由于ＦＰＧＡ的高速度运行会与ＡＲＭ芯片产生一定的时差ꎬ因此采用ＦＩＦＯ缓存器进行缓冲ꎬ以便

图５　ＷＭ－Ｇ－ＭＲ－９－Ｒｅｆ模块

ＡＲＭ流畅地读取数据ꎬ具体的通信结构如图６所示ꎮ图６　ＦＰＧＡ与传感器通信

３.２　ＡＲＭ处理器接受ＦＰＧＡ数据

括存储与显示ꎬ在对ＦＰＧＡ中的数据进行读取时ＡＲＭ读取的是ＦＰＧＡ缓冲器ＦＩＦＯ中的数据ꎮＦＩＦＯ中的数据分别有ＡＬＦＵＬ与ＥＭＰＴＹ两种状态信号ꎬ其中ＡＬＦＵＬ指示ＦＩＦＯ接近满容量[４]ꎬＡＬＦＵＬ从低电平信号变成高电平信号时ＡＲＭ发送读取信号ꎬ读取ＦＩＦＯ中的数据ꎬ当ＥＭＰＴＹ从低电平信号变为高电平信号时ꎬ说明ＦＩＦＯ中所有数据已经被读取完毕ꎬ此后ꎬＡＲＭ等待ＡＬＦＵＬ变换之后再次重复操作ꎬ读取数据ꎮＡＲＭ与ＦＰＧＡ的硬件连接结构如图７所示ꎮ

ＡＲＭ系统对ＦＰＧＡ中存储的数据进行采集ꎬ包

输到上位机上进行显示ꎬ也可以通过ＩＤＥ通信协议传输到硬盘中ꎮ通常ＡＲＭ芯片ＳＴＭ３２与上位机通信主要是通过异步通信装置ＵＡＲＴ０使用ＳＴＭ３２的通用ＧＰＩＯ口模拟产生硬盘的读写时序ꎬ从而对ＡＲＭ中的存储器进行读写ꎬ这种方案是将数据采集之后再显示处理ꎬ无法实现实时进行数据的监控测试ꎮ本设计方案通过无线传感器实现与上位机的实时通信ꎮ下位机软件设计流程如图８所示ꎮ

下位机上电初始化之后ꎬ通过上位机服务器端口１发送应答命令ꎬ当应答成功后ꎬ下位机打开串口中断ꎮ通过ＲＳ２３２总线通信协议进行数据的接收与命令的发送ꎬ总共有３个部分的通信数据ꎬ采用轮回发送原则ꎬ下位机对收到的数据首先进行校验进行ꎬ然后筛选有效的数据ꎬ同时对数据进行解码计算ꎮ采用乒乓操作方式存储到３块ＳＲＡＭ中ꎬ在另一路线程中ꎬ下位机一直等待上位机发送指令ꎬ当接收到相关指令后ꎬ则从ＳＲＡＭ中读取数据ꎬ将数据按照通信协议发送给上位机ꎮ由于网络通信速率相

图７　ＡＲＭ与ＦＰＧＡ数据传输

３.３　传感器数据的存储

由ＡＲＭ读取到的传感器数据可以通过串口传

较串口通信速率高很多ꎬ如果采用即时通信将导致双方的通信速率出现时延[５]ꎬ因此上位机与下位机采用定时通信ꎬ当下位机对数据进行过滤分类等完

４６６

电　子　器　件

第４２卷

图８　无线通信

成时一次性通过网络通信将数据传递给上位机ꎬ这极大提高了上位机与下位机的效率ꎮ

通信过程中为了避免网卡发生故障时导致整个服务器网络阻塞ꎬ因此本次设计的上位机在服务器上安装两块网卡ꎬ与交换机构成两条线路ꎬ这样一块网卡故障时服务器将数据流量转移到另一块网卡上ꎬ提高系统的容错能力ꎮ

４　轨迹识别

４.１　坐标系转换

通过ＭＥＭＳ传感器获得的运动状态数据是相对于载体坐标系下的运动状态信号ꎬ要获得地理坐标系下运动状态ꎬ首先进行坐标系的转换[６]

ꎮ载体

坐标系与地理坐标系之间的相互转换过程如图９

所示ꎮ

图９　坐标系转换示意图

地理坐标系Ｏ－ＸＹＺ经过３次坐标轴转动得到

载体坐标系Ｏ－ＸｂＹｂＺｂ的转动角度ꎬ３次转换的角度为俯仰角θꎬ偏航角φꎬ翻滚角γꎮ采用四元数龙格库塔算法对陀螺仪数据求解姿态角ꎬ然后采用卡尔曼滤波结合磁传感器数据与加速度计实现角度补偿ꎮ

载体坐标系转换过程首先绕ｚ轴旋转β角得到

偏航角ꎬ此时得到转换矩阵éＣ(β)＝ê

ê０êë

－ｃｏｓｓｉｎβＣ(β)ꎮ

０ù

ú然后绕ｙ轴旋转α角得到俯仰角及转换矩阵０β

ｃｏｓｓｉｎββ

０１úú(１)

û

éＣ(α)＝êêｃｏｓＣ(α)ꎮ

êëｓｉｎ０α０α１－ｓｉｎ０ｃｏｓ０αùú

αúú(２)

û

最后绕ｘ轴旋转γ得到翻滚角与矩阵０

Ｃ(γ)ꎮ

＝éＣ(γ)ê

ê１êë

０

０－ｃｏｓｓｉｎγｓｉｎ０ùúγｃｏｓγγúú(３)

û

系Ｃꎮ

３个坐标系相乘即可得到最终的转换坐标

Ｃ＝Ｃφ∗Ｃ(θ)∗Ｃ(γ)

(４)

将得到的姿态矩阵与加速度传感器获得的加速度信号ａｂ相结合即可得到地理坐标系下的加速度信号ａｔꎮ

４.２　随机噪声的滤出

ａｔ＝Ｃ∗ａｂ

(５)

在４.１节获得的加速度信号由于存在着环境中的随机噪声信号ꎬ不可以直接对其进行积分求解ꎮ对于噪声信号ꎬ本文设计Ｋａｌｍａｎ滤波器对加速度信号进行噪声滤波处理ꎮＫａｌｍａｎ滤波算法结合了测量数据前的预估计与测量之后的校正补偿能够实现误差的最小化[７]ꎮ进行随机噪声滤波的Ｋａｌｍａｎ算法结构如图１０所示ꎮ

图１０　算法流程

图１０中ꎬａｔ｜ｔ－１为Ｋａｌｍａｎ滤波器对ｔ时刻加速

度信号的预测值ꎬａｔ｜ｔ为Ｋａｌｍａｎ滤波器根据ｔ时刻采集到的加速度信号ａｔ以及ｔ时刻的预测值ａｔ｜ｔ－１做出的加速度校验值ꎬＦ相邻时刻的状态转移函数ꎬ由于传感器的采样频率较高ꎬ相邻时刻状态变化不大所以此处设置为１ꎬＱ为随机噪声的协方差矩阵ꎬ根据采样环境设置为[０.０００１　０.０００１　０.０００１]ꎬＰｔ｜ｔ－１与Ｐｔ｜ｔ分别为误差协方差矩阵的估计值与校验值ꎮＫｔ为ｔ时刻的Ｋａｌｍａｎ增益ꎬσ为随机噪声的

第２期陈健伟ꎬ陈　鸿等:基于ＭＥＭＳ传感器的数据采集识别系统设计

　４　６７

方差ꎮ

经过Ｋａｌｍａｎ滤波之后的地理加速度数据与原始地理加速度数据的对比结果如表１所示ꎮ

表１　原始数据与Ｋａｌｍａｎ滤波数据对比ａｘ

ａｙ

ａｚ

ａｘ－＿ｋ

ａｙ＿ｋ

ａｚ＿ｋ

－９.６１５６９１.５１１７８－０.４６８４５９００－－９.５８２２０１.８３２６１０.００５０.３５８７６３０.８３９７３０７９６６６００－９.６１５００－９.５８２６９２０１.５１１１.８３２７８６１－０.４６８０.００５４５９００

－９.７７５３９１.９９９６５７６３７９－９.６４４－９.７７５９.６４４３７２０１.９９９２.１０６６４５０

０.３５８０.８３９６９４６１０００００

－９.４３２２０－９.３７２５０２.１０６９.４５２２５１.６４６５０

７５１.４１６７０１.７４４６０９９－０.００９－０.５６２３８９０.１１１９２４５００２３００－００－９.４３２６０１.６４６７７０.００９４７５２０－９.３７２９.４５２２６７４１.４１６１.７４４６３９５－－０.５６２０.１１１８６７０６８００００

　数据相同　通过表ꎬ但是随着时间的累积１可知ꎬ在初始阶段滤波前与滤波后的ꎬ数据逐渐出现细微区别ꎬ表明Ｋａｌｍａｎ滤波器能在一定程度上发挥精细４.３　调节作用累积误差消除

ꎮ

由Ｋａｌｍａｎ滤波之后的数据在随后的积分过程中由于每一小步的积分过程中存在的微小误差ꎬ在不断的积分中会逐渐累加增大ꎬ严重影响运动轨迹的确定[８－９]ꎮ

本文设计了零状态自适应算法来消除累积过程中的误差Ｈｚ的数据进行滑窗处理ꎬ设计长度为ꎮ本次设计过程中数据的采样频率为２５个数据的滑动窗口对每次采集１００ꎬ算法流程如图１１所示ꎮ分析滑动窗口内的数据方差ꎬ与设定的零状态判断阈值进行比较ꎬ进而确定运动过程中的零状态时刻ꎬ在此刻将数据归零从而消除累积误差ꎮ如表１所示第２行与第５行数据存在转折点ꎬ也就是出现零状态时刻ꎬ在此时进行归零就可以消除各个阶段累积的误差ꎬ从而提高数据的计算精度ꎮ图１１　累积误差消除流程

４.４　轨迹求解

对最终处理得到的加速度通过二次积分可以到的运功过程中的位置ꎬ对于三维空间里ｍ个加速度

数据就需要３ｍ次二次积分求解ꎮ采用无限梯形逼近计算将仅消耗３ｍ次加法计算ꎮ

图１２　梯形积分

采用图示梯形逼近算法公式如式(６)所示ꎮ在整个积分区域将整体面积划分为多个小梯形ｔ区间ꎬｔ１至ｔ２ｔｍ至ｔｎ区间ꎬ整个积分区域的面积即为多个

１至ｔ２区间的小梯形累加构成ꎮ

[ｖｘｍꎬｖｙｍꎬｖｚｍ]＝[ｖｘｍ－１ꎬｖｙｍ－１ꎬｖ[ａｚｍ－１]＋ｘｍ－１Δｔꎬａｙｍ－１Δｔꎬａｚｍ－１Δｔ][ＳｘｍꎬＳｙｍꎬＳｚｍ]＝[Ｓｘéｍ－１ꎬＳｙｍ－１ꎬＳｚｍ－１]＋êê１

(ｖｘｍ－１＋ｖｘｍ)Δｔꎬ１ë２２(ｖｙｍ－１＋ｖｙｍ)Δｔꎬ１２(ｖｚù

ｍ－１＋ｖｚｍ)Δｔúúû＝[Ｓｘｍ－１１＋ｖｘｍ－１Δｔ＋

１

２

ａｘｍ－１Δｔ２Ｓｙｍ－１＋ｖｙｍ－１Δｔ＋２ａｙｍ－１Δｔ２Ｓｚｍ－１＋ｖｚｍ－１Δｔ＋１

２

ａｚｍ－１Δｔ２(６)

上式中ａꎬｖꎬｓ分别表示３个方向上的额加速度、速度、位置ꎬ整个系统经数据采集噪声滤除积分后ꎬ得到运动轨迹ꎮ本次实验是对人体在走下楼梯时运动轨迹的检测ꎬ检测结果如图１３所示ꎮ通过比较ꎬ结果表明测得的运动轨迹与实际运动状态符合ꎮ

图１３　运动轨迹

５　总结

ＡＲＭ本文设计一套姿态采集识别系统ꎬ由ＦＰＧＡ与

取ꎬ同时设计了相结合实现了大容量多通道传感器数据的读Ｋａｌｍａｎ滤波器与零状态自适应算法来提取运动状态ꎬ通过实验观察证明该系统具有高效性、可靠性ꎬ能够实现日常生活工作过程中的轨迹识别ꎮ

４６８参考文献:

电　子　器　件

[５][６][７][８][９]

第４２卷

王海勇.无线传感器网络数据可靠传输关键技术研究[Ｄ].南京:南京邮电大学ꎬ２０１６.

李由.基于ＭＥＭＳ惯性传感器、ＷｉＦｉ、磁场特征的移动智能终端室内行人导航算法[Ｄ].武汉:武汉大学ꎬ２０１５.

杨丹.卡尔曼滤波器设计及其应用研究[Ｄ].长沙:湘潭大学ꎬ２０１４.

韩治国ꎬ王红梅ꎬ许辉.基于窗函数和特征滤波器的半带滤波器设计[Ｊ].计算机仿真ꎬ２０１３ꎬ３０(８):１８１－１８４ꎬ３８３.

朱庄生ꎬ万德钧ꎬ王庆.航位推算累积误差实时修正算法研究[Ｊ].中国惯性技术学报ꎬ２００３(３):８－１２.

[１]　闫兴钰.基于ＡＲＭ的数据采集传输仪设计[Ｊ].科技创新与生

产力ꎬ２０１３(９):７３－７５.[２][３][４]

董星.基于ＦＰＧＡ的存储控制器及相关系统计技术研究[Ｄ].杭州:浙江大学ꎬ２０１７.

李耀川.Ｉ~２Ｃ控制器及加速度传感器的驱动设计和实现[Ｄ].西安:西安电子科技大学ꎬ２０１２.３０(７):１４６－１４８ꎬ１５２.

韩佳伟.高集成系统异步ＦＩＦＯ门限设计[Ｊ].电子科技ꎬ２０１７ꎬ

陈健伟(１９９１－)ꎬ男ꎬ硕士研究生ꎬ主要研究方向为电路与系统ꎬ自动化测试与控制技术的研究ꎬｃｔｆａｎｇｃｈｅｎｇ＠

１６３.ｃｏｍꎻ

陈　鸿(１９６３－)ꎬ博士ꎬ教授ꎬ主要从事测试计量技术及仪器ꎬ自动化测试与控制技术、光电检测技术方向的研究ꎬ

９１７５６６０６０＠ｑｑ.ｃｏｍꎮ