Sensor Hub数据融合算法

图表 4-5 坐标系 OX0Y0Z0 到 OXYZ 的三次旋转
4.2.2.2 四元数
4.2.2.3 方向余弦矩阵
4.2.2.4 三种姿态表示方法之间的转换
4.2.3
姿态测量的基本原理
4.2.3.1 加速度传感器
4.2.3.2 磁力传感器
4.2.3.3 角速度传感器
4.3
数据融合基本理论
由于人体姿态是通过人体坐标系和地理坐标系的方位关系来表达的， 因此涉及到这 两个坐标系之间的转换。在数学方法中，一个直角坐标系到另一个直角坐标系的转换需 要进行旋转和平移两方面的运算，但因为平移没有改变坐标系的方向，因此这里只考虑 坐标旋转。两个空间坐标系之间的角度关系可以用一矩阵来表示，即方向余弦矩阵。 设有一三维直角坐标系 OX1Y1Z1, 其三个轴上的单位向量分别为 i1,j1,k1. 任一向量 L 均可以用它在三个轴上的分量来表示如图 2.4 所示：
4 可穿戴传感网络中异质传感器数据融合算法研究
本文研究的可穿戴传感器数据融合与 sensor hub 相关的数据融合相关性较强。 下边 摘录出相关可穿戴的基本内容。
4.1
4.1.1
可穿戴传感网络概述
可穿戴传感网络来自百度文库念
可穿戴传感网络是在可穿戴计算机基础上发展起来的新型网络， 可穿戴计算机是近 几年兴起的新的研究热点， 实际上早在 20 世纪 60 年代就形成了可穿戴计算思想的雏 形，与传统计算机相比，可穿戴计算机与人的交互更为紧密，它是在科技不断发展，各 种超微型、高集成元器件不断产生的背景下应运而生的。目前关于可穿戴计算机还没有 一个明确统一的定义，概括来讲，可穿戴计算机是一种个人移动计算系统，它属于使用 者的个人空间， 能随时为佩戴者提供信息获取、 交换和处理能力， 使人机关系更加紧密， 从而促成了一种新的“以人为本”的人机交互方式，达到人机的和谐统一。 可穿戴计算机大部分配有头戴式或眼镜式超微型显示器， 通常采用多模式交互和多 通道传感技术。大体而言，可穿戴计算机具备以下几个基本特征： （1） 可在运动状态或移动状态下使用。 采用头戴显示器， 使用者可在行走时使用， 在关注虚拟世界的同时关注真实世界。 （2）使用时可腾出双手做其它事情。这种模式需要利用双手以外的其它模式与计 算机进行交互，如语音操作、环境感知等等。
2 飞行控制系统多传感器信息融合技术研究
本文主要研究的是飞行控制系统中的多传感器信息融合算法。 现在国内外对融合算 法研究主要集中在综合平均法、贝叶斯估计法、D-S 法、模糊逻辑法、神经网络方法、 卡尔曼滤波法、专家系统方法。 本篇文章主要针对的传感器数据有大气数据计算机、无线电高度表、差分 GPS 三种 高度传感器，垂直陀螺、航姿参考系统两种姿态角传感器。本文关于姿态融合采用的是 BP 神经网络方法。关于高度数据融合使用的是传统的卡尔曼滤波方法。详细算法看文 档。
图表 4-4 向量在三维直角坐标系 OXYZ 中的表示
4.2.2
姿态表示方法
研究人体的实时运动姿态， 需要对人体坐标系和地理坐标系相应三轴之间夹角进行 求解，这是姿态算法的核心内容。姿态的表示方法主要有三种，分别为：欧拉角、四元 数和方向余弦矩阵（也称旋转矩阵）。这三种表示方法之间具有一定的联系也可以进行 相互转换。 4.2.2.1 欧拉角
3 基于多传感器信息融合关键技术的研究
系统的讨论了信息融合过程中的量测预处理技术、数据关联技术、数据决策技术以 及信息融合技术。这篇文章中主要针对航迹跟踪相关技术背景进行研究。主要研究的算 法为 DS。 通过阅读大量的国内外参考文献,介绍了多传感器信息融合的磁念和特点,分析了多 传感器信息融合的模型结构,着重介绍了信息融合技术的发展现状和趋势。 主要对量测数据预处理技术中的时空配准技术进行了研究,并研究了野值问题,并提 出了基于新息变化的野值检测方法。 全文最关键的部分,即数据关联技术的研究。本章主要对关联算法进行了仿真分析。 并提出了基于证据理论的概率数据关联算法对单目标进行跟踪,并在此基础上对算法进 行了拓展,提出了基于证据理论的联合概率数据关联算法对多目标进行跟踪,此外为了减 少算法计算量,引用最大模糊熵思想对关联算法进行简化。
为难的问题。而现在，利用可穿戴传感网络，智能衣服、智能戒指、智能项链等设备就 可以实现远距离实时监测，因此可穿戴传感网络在医疗保健领域发挥着巨大的作用。 美国密歇根州立大学的电气工程与运动学专业研究部门合作开发出一套新式可穿 戴式传感器网络， 将可穿戴传感器节点放在实验者的手腕、 手臂、 小腿上， 通过对频率、 时间、强度等数值的监测来确定当前用户的运动类型以及其他一些有价值的信息。文献 针对正在接受治疗的神经肌肉疾病如帕金森氏病、 癫痫和中风患者开发了一个可穿戴无 线传感网络平台，该网络平台被命名为“Mercury”，利用 8 个无线传感器节点采集患 者的运动和生理信息，与其他类似的网络系统相比，该平台能够为患者提供高达每天 12-18 小时的佩戴时间，每个独立节点可以对原始信号进行高层计算。文献[18]将织物 传感器整合到衣物中，设计出一种穿戴式的睡眠呼吸监测系统，能够实时实现胸部、腹 部的呼吸监测，这对家庭中的慢性疾病监测与诊断提供一个良好的平台。另外，特别针 对老年人的身心健康护理需求，构建可穿戴传感网络监测老年人活动状态，减少并预防 老年人经常发生的跌倒情况。日本是一个老龄化速度很快的国家，为了更好的照顾老年 人生活，日本电信公司 NTT(Nippon Telegraph & Telephone)研发出一种可穿戴传感器， 能够像手表一样戴在腕部，由小型摄像头、加速度传感器、方位传感器、照度传感器及 麦克风组成，可以识别人们的日常生活活动。
Sensor Hub
Author: Alg
Revision History Version 1.0 Date 07/08/2015 Author Alg Description 文档第一版
1 多传感器数据融合算法研究
本片文章阐述了数据融合的估计理论， 归纳总结了多传感器系统中各种数据融合结 构：集中式、分布式、混合式；并根据相关线性估计理论，提出了数据融合估计的最优 准则。后边根据多传感器数据融合估计知识，建立了基于卡尔曼滤波的数据融合估计模 型，接着给出了不同融合结构的数据融合滤波算法，分别是：集中式卡尔曼滤波算法、 顺序式卡尔曼滤波算法、平行式卡尔曼滤波算法、联合式卡尔曼滤波算法。然后针对卡 尔曼滤波进行研究；后边又给出一种关于估计融合的一般的系统的方法，建立了统一线 性数据模型，并给出了不同的情况下的最优的线性融和规则，重点研究了线性最小方差 估计和最小二乘估计， 最后研究了非线性并也包含线性数据的情况下的最优的线性融合 规则。最后实际应用（军事方面威胁）举例研究威胁估计算法。
异质传感器数据融合技术是多种传感器信息的获取、 表示以其内在联系进行综合处
理和优化的技术， 它从多信息的视角进行处理和综合， 得到各种信息的内在联系和规律， 从而剔除无用的和错误的信息，保留正确的和有用的成分，最终实现信息的优化。更具 体的说法是将经过处理的异质传感器信息进行合成， 形成一种对外部环境或被测对象某 一特征的表达方式。单一传感器只能获取环境或被测对象的部分信息，而异质传感器信 息融合后能够完善地、准确地反映环境的特征。目前异质传感器数据融合技术大规模应 用于信息电子学领域、计算机科学领域、自动化领域等等。
4.2
可穿戴传感网络中的姿态测量技术
可穿戴传感网络主要以人作为传感器节点的载体，除了监测人体的血压、呼吸、心
电图等生理信息， 还有最重要的一个监测项目就是人体姿态， 包括静止姿态和运动姿态。 本文研究的异质传感器数据融合算法是以人体姿态为主要研究目标的算法。目前，姿态 测量方法有很多种，如电磁跟踪法、机械跟踪法、声学跟踪法、光学跟踪法、传感器跟 踪法等等，其中光学跟踪法中的视频摄像测量法是应用最广泛的一种，主要由于该方法 实时性好，准确性高，但其致命的缺点是暴露了用户的隐私，且监测范围有限，受环境 影响很大。本文讨论的算法属于姿态测量中的传感器跟踪法，该方法是一种接触式测量 方法，具备体积小、重量轻、能耗低、成本低、受环境影响较小的优势，因此具有广阔 的应用前景。
图表 4-1 可穿戴传感网络结构图
可穿戴传感网络与可穿戴计算机相比具备更好的灵活性， 并能充分融合现有的个人 通信终端，由于现在的通信终端一般都具有存储容量和运算处理能力，因此可穿戴传感 网络能进行分散控制。
4.1.2 可穿戴传感网络应用背景
目前可穿戴传感网络具有广阔的应用背景。随着生活水平的提高，人们的健康保健 意识也在逐步增强。过去，远距离实时监测病患者或高危环境工作者的生理参数是让人
（3）穿戴者可以进行控制。可以通过多模式、多通道与计算机进行交互，从而达 到控制的目的。 （4）衣物一体。体现人机结合的新型关系，实现“以人为本，人机合一”的理念。 （5）具有可持续性。可持续性的涵义是人机一直保持联系，这是可穿戴计算机与 其他移动计算机最大的区别。 （6）多样性。可穿戴计算机由于功能不同，在构成、形态等很多方面也存在差异。 可穿戴传感网络是可穿戴计算机概念的外延和发展， 是利用各种专门穿戴在人体上 的传感器（光、电、温度、湿度、压力等）节点，基于短距离无线通信技术，具有智能 收集人体和周围环境信息功能的一种新型独立网络。由蓝牙和 Zigbee 等短距离无线通 信技术作为其底层传输手段，从而组建一个无线、高度灵活、自组织，甚至是隐蔽的新 型个域网。 可穿戴传感网络的结构主要包括传感器节点、 无线通信协议、 无线通信模块、 数据处理模块，如下图所示。在该网络中，传感器节点负责采集监测用户的各种生理信 息和运动状态，并将这些数据通过无线通信协议发送到无线通信模块，无线通信模块再 将数据传送到 PC 机上进行处理。
4.2.1 三维坐标系的定义及转换
人体的姿态是人体坐标系和地理坐标系之间的方位关系， 因此本文涉及两个坐标系： 人体坐标系和地理坐标系。
图表 4-2 三维人体坐标系
对于惯性 MEMS 传感器来说， 人体坐标系是最基本的坐标系， 因为惯性 MEMS 传 感器是固定在人体上并随着人体的运动而运动的， 因此传感器坐标系与人体坐标系一直 保持重合。三维人体坐标系如图 2.2 所示，其原点与人体质心重合，X 轴指向人体正 面向前，Y 轴指向人体侧面向右，Z 轴垂直向下与重力方向重合，三轴互相垂直，箭头 方向为正，构成右手坐标系。
4.3.1 数据融合系统的功能模型
数据融合系统的通用功能模型，如图 2.8 所示，主要包括四个级别的处理： 第一级处理的内容为信息处理级的数据融合，包括数据配准和数据关联。数据配准 是通过校准技术使全部传感器具有相同的空间和时间基准， 数据关联则是把各个传感器 产生的点迹与数据库中已有的标准点迹进行关联，同时预测目标状态，以达到连续跟踪 目标的目的。 第二级处理是属性信息融合。对来自多个传感器的属性数据进行合并，以便得到对 目标身份的联合估计。 第三级处理是态势提取与威胁评估， 态势提取是指将不完整的数据通过整合得到统 一的态势表示，而威胁评估则是对系统综合环境等进行威胁程度的评估。 第四级处理是对数据融合结果进行最后优化，例如资源优化利用、优化传感器管理 等以提高系统的融合效果。
图表 4-3 地理坐标系
地理坐标系即当地水平坐标系，亦称 NED 坐标系或惯性直角坐标系，同样通过满 足右手正交法则的三个互相垂直的向量轴来表示（图 2.3 所示）。其原点与人体坐标 系原点重合，N 轴沿当地子午线指向地球正北方，E 轴沿当地纬线指向地球正东方向， D 轴与重力方向重合，指向地球中心。
对多传感器数据决策技术的研究,重点研究了 DS 证据理论方法。提出了针对冲突的 改进 DS 证据理论算法和基于传感器信任度的 DS 证据理论改进算法。 多传感器信息融合技术的应用部分,对同类传感器信息融合和异类传感器信息融合 算法进行研究,并对基于 DS 证据理论的多传感器信息融合算法和基于雷达与红外的异类 传感器融合算法进行了仿真。 研究的算法可以参考， 研究的相关传感器实用方法与手机的相关多传感器融合相关 性很小。 简单介绍 DS：DS 证据理论也称为 Dempster-Shafer 理论或信任函数理论,这一理论 产生于 20 世纪 60 年代,是由 Dempster 利用概率上下限来处理不确定性问题而首先提出 的。并且由其学生 Shafer 对该理论进行了一系列系统的理论 i#正,使得该理论适用于处 理不精确问题并具有严格的理论推导,通常将该理论简称为 DS 证据理论。