CN101356442B - 加速度测量装置 - Google Patents

Abstract

根据将由包含多轴成分的多个加速度数据构成的加速度数据群的各轴成分设为坐标值时的三维正交坐标空间上的分布、和附带在该加速度数据群中的重要度群，估计在二维或三维正交坐标空间上决定的基准点和各轴的基准长，根据其估计出的基准点和各轴的基准长来校正各加速度数据。

Description

加速度测量装置

技术领域

本发明涉及一种进行多轴加速度传感器的输出校正的加速度测量装置，更详细地说，涉及一种不用有意识地使加速度测量装置的姿势朝向特定方向而重复获取两轴或三轴加速度传感器的输出数据，由此能够迅速获取两轴或三轴加速度传感器的输出校正所需的偏移、或偏移和灵敏度这两者的加速度测量装置。 

背景技术

近年来，作为可装入便携设备中的轻量小型的三轴加速度传感器而开发了使用MEMS(Micro Electro Mechanical Systems：微电子机械系统)技术的半导体设备的压电电阻型三轴加速度传感器(例如，参照专利文献1)。 

在检测加速度、转换为电压并输出的三轴加速度传感器中，当设各轴向的灵敏度为r_x、r_y、r_z，设各轴的偏移为x_o、y_o、z_o时，加速度传感器对加速度a_x、a_y、a_z的输出x、y、z用下式表示。 

(式1) 

$\left\{\begin{array}{c}x=r_x{a}_x+x_o\\ y=r_y{a}_y+y_o\\ z=r_z{a}_z+z_o\end{array}\right.$

通常，在灵敏度及偏移中存在偏差、特别是很多情况下不能忽视偏移的偏差。并且，在压电电阻型加速度传感器的情况下，灵敏度及偏移具有明显的温度特性。另外，很多偏移的温 度特性偏差较大。 

为了解决这种问题，在现有的加速度测量装置中采取如下解决方案(例如，参照专利文献2)。 

也就是说，在出厂前的检查过程中，例如，在0℃/25℃/60℃的多个不同温度环境下测量灵敏度/偏移，在加速度测量装置中装载EEPROM等存储单元来存储这些测定数据。 

另外，在使用加速度测量装置时，在加速度测量装置中装载输出校正电路，根据当前的温度数据和以前存储的测定数据来运算加速度传感器输出电压中包含的灵敏度及偏移的偏差和温度特性并进行校正。 

然而，现有的这种加速度测量装置具有如下缺点。 

1)多个不同温度环境下的测定及灵敏度的测定会大幅增加工序数量、测定时间、设备成本。 

2)输出校正电路中的灵敏度和偏移的温度特性的运算使电路结构变复杂，成本增加。 

3)为了提高灵敏度和偏移的温度特性的计算精度，需要增加测定温度，并且需要使输出校正电路中的温度特性运算部分更加复杂，难以实现。 

另外，在现有的加速度测量装置中还采用了如下的解决方案(例如，参照专利文献3)。 

例如如图7A～图7F所示，每次使用加速度测量装置时使三轴加速度传感器202的加速度检测轴向与重力加速度g的方向平行，将加速度测量装置203的姿势调整为6种后分别测定三轴加速度传感器202的输出电压，获取下一个输出电压数据。 

x₁：图7A的姿势下的x轴测定值 

x₂：图7B的姿势下的x轴测定值 

y₁：图7C的姿势下的y轴测定值 

y₂：图7D的姿势下的y轴测定值 

z₁：图7E的姿势下的z轴测定值 

z₂：图7F的姿势下的z轴测定值 

用下式算出三轴加速度传感器的输出校正所需的灵敏度和偏移的数据。 

(式2) 

$\left\{\begin{array}{c}{r}_x=\frac{x_1-x_2}{2g}\\ r_y=\frac{y_1-y_2}{2g}\\ r_z=\frac{z_1-z_2}{2g}\end{array}\right.$ $\left\{\begin{array}{c}{x}_o=\frac{x_1+x_2}{2}\\ y_o=\frac{y_1+y_2}{2}\\ z_o=\frac{z_1+z_2}{2}\end{array}\right.$

然而，现有的这种加速度测量装置具有如下缺点。 

1)每次使用都需要将加速度测量装置的姿势分别调整为多个特定的方向，对使用者来说非常麻烦，并且不方便。 

2)并且，使用者难以一边用手支撑加速度测量装置一边正确地调整方向，用上式算出的灵敏度及偏移的误差容易变大。 

存在一种解决了上述问题的加速度测量装置，该加速度测量装置不用有意识地使加速度测量装置的姿势朝向特定方向而反复获取两轴或三轴加速度传感器的输出数据，由此能够获取两轴或三轴加速度传感器的输出校正所需的偏移或灵敏度和偏移的两者(参照专利文献4)。 

在专利文献4中记载的加速度测量装置使用静止时的加速度数据来估计偏移或偏移和灵敏度的两者。 

加速度a可以分解为运动加速度k和重力加速度g。重力加速度g是固定的， 

(式3) 

|g|²＝g²＝const＝g_x ²+g_y ²+g_z ²

因此，如果在运度加速度为0的情况下(匀速运动或者静止)加速度传感器的各轴的灵敏度相同(r)，则加速度传感器的测定输出值(x、y、z)分布在球面上。 

(式4) 

(x-x_o)²+(y-y_o)²+(z-z_o)²＝r²g²

可以根据上式(式4)从四个不同的测定点估计偏移(x_o、y_o、z_o)及灵敏度(r)，但是实际上在加速度传感器的输出中叠加有噪声，优选为采用下面的统计性方法来进行估计。对于N个加速度传感器测定值(x_i、y_i、z_i、i＝1～N)，设： 

(式5) 

ε_i＝(x_i-x_o)²+(y_i-y_o)²+(z_i-z_o)²-r²g²

估计使ε_i的偏差最小的偏移及灵敏度。如果将偏差定义为ε_i的平方和，则可以用下式求出偏移及灵敏度。 

(式6) 

$\left[\begin{array}{ccc}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i(x_i-\stackrel{\‾}{x})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i(x_i-\stackrel{\‾}{x})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i(x_i-\stackrel{\‾}{x})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i(x_i-\stackrel{\‾}{x})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i(y_i-\stackrel{\‾}{y})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i(y_i-\stackrel{\‾}{y})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i(x_i-\stackrel{\‾}{x})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i(y_i-\stackrel{\‾}{y})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i(z_i-\stackrel{\‾}{z})\end{array}\right]\left[\begin{array}{c}{x}_0\\ y_0\\ x_0\end{array}\right]=\frac{1}{2}\left[\begin{array}{c}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({x_i}^2+{y_i}^2+{z_i}^2)(x_i-\stackrel{\‾}{x})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}({x_i}^2+{y_i}^2+{z_i}^2)(y_i-\stackrel{\‾}{y})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}({x_i}^2+{y_i}^2+{z_i}^2)(z_i-\stackrel{\‾}{z})\end{array}\right]$

(式7) 

$r^2=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\{{(x_i-x_0)}^2+{(y_i-y_0)}^2+{(z_i-z_0)}^2\}$

在此， 

(式8) 

$\stackrel{\‾}{x}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i,$ $\stackrel{\‾}{y}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i,$ $\stackrel{\‾}{z}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i,$

在运动加速度为0(匀速运动或者静止)、在加速度传感器的各轴上存在灵敏度差的情况下，测定输出值(x、y、z)分布在椭圆体上。 

(式9) 

$\frac{{(x-x_o)}^2}{{r_x}^2}+\frac{{(y-y_o)}^2}{{r_y}^2}+\frac{{(z-z_o)}^2}{{r_z}^2}=g^2$

根据上式(式9)可以从六个不同的测定点估计偏移及灵敏度，但是实际上在加速度传感器的输出中叠加有噪声，优选为采用下面的统计性方法进行估计。对于N个加速度传感器的测定值(x_i，y_i，z_i、i＝1～N)，设： 

(式10) 

ε_i＝X+BY_i+CZ_i+DU_i+EV_i+FW_i-G 

$\left(\begin{array}{c}{X}_i={x_i}^2,Y_i={y_i}^2,Z_i={z_i}^2,U_i=x_i,V_i=y_i,W_i=z_i,\\ B=\frac{{r_x}^2}{{r_y}^2},C=\frac{{r_x}^2}{{r_z}^2},D=-2x_0,E=-2\frac{{r_x}^2}{{r_y}^2}{y}_0,\\ F=-2\frac{{r_x}^2}{{r_z}^2}{z}_0,G={r_x}^2-{x_0}^2-\frac{{r_x}^2}{{r_y}^2}{y_0}^2-\frac{{r_x}^2}{{r_z}^2}{z_0}^2\end{array}\right)$

估计使ε_i的偏差最小的偏移及灵敏度。如果将偏差定义为ε_i的平方和，则可以用下式求出B、C、D、E、F、G。 

(式11) 

$\left[\begin{array}{ccccc}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i(Y_i-\hat{Y})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i(Z_i-\hat{Z})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i(U_i-\hat{U})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i(V_i-\hat{V})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i(W_i-\hat{W})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Z}_i(Y_i-\hat{Y})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Z}_i(Z_i-\hat{Z})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Z}_i(U_i-\hat{U})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Z}_i(V_i-\hat{V})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Z}_i(W_i-\hat{W})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{U}_i(Y_i-\hat{Y})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{U}_i(Z_i-\hat{Z})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{U}_i(U_i-\hat{U})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{U}_i(V_i-\hat{V})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{U}_i(W_i-\hat{W})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{V}_i(Y_i-\hat{Y})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{V}_i(Z_i-\hat{Z})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{V}_i(U_i-\hat{U})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{V}_i(V_i-\hat{V})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{V}_i(W_i-\hat{W})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i(Y_i-\hat{Y})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i(Z_i-\hat{Z})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i(U_i-\hat{U})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i(V_i-\hat{V})& \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i(W_i-\hat{W})\end{array}\right]\left[\begin{array}{c}B\\ C\\ D\\ E\\ F\end{array}\right]$

$=-\left[\begin{array}{c}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i(X_i-\hat{X})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Z}_i(X_i-\hat{X})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{U}_i(X_i-\hat{X})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{V}_i(X_i-\hat{X})\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i(X_i-\hat{X})\end{array}\right]$

(式12) 

G＝X+BY+CZ+DU+EV+FW 

在此， 

(式13) 

$\stackrel{\‾}{X}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_i,$ $\stackrel{\‾}{Y}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i,$ $\stackrel{\‾}{Z}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Z}_i,$ $\stackrel{\‾}{U}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{U}_i,$ $\stackrel{\‾}{V}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{V}_i,$ $\stackrel{\‾}{W}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i,$

求出B、C、D、E、F、G之后，用下式求出偏移及灵敏度。 

(式14) 

$x_0=-\frac{D}{2},$ $y_0=-\frac{E}{2B},$ $z_0=-\frac{F}{2C},$

r_x ²＝G+x₀ ²+By₀ ²+Cz₀ ²， ${r_y}^2=\frac{{r_x}^2}{B},$ ${r_z}^2=\frac{{r_x}^2}{C}$

专利文献1：日本特开2003-101033号公报 

专利文献2：日本特开平6-331647号公报 

专利文献3：日本特开2004-93552号公报 

专利文献4：日本特愿2005-056597号公报 

发明内容

然而，现有的这种加速度测量装置具有如下缺点。 

1)在使用者自然操作加速度测量装置的情况下，通常很难获取静止时的加速度数据。 

2)获取的静止时的加速度数据在很多情况下是以相同姿势获取的数据，导致在获取多个姿势下的静止时的加速度数据时花费较长时间。 

3)在温度发生变化而导致偏移明显发生变化的情况下，必须废弃到目前为止获取的数据，另外必须花较长时间重新获取数据。或者，必须在加速度测量装置中装载EEPROM等的存储单元，对每个适当的温度分区存储目前获取的全部测定数据或者估计的偏移及灵敏度。 

因此，本发明的目的在于提供一种加速度测量装置，该加速度测量装置不用有意识地使加速度测量装置的姿势朝向特定方向而重复获取两轴或三轴加速度传感器的输出数据，由此能够迅速地获取两轴或三轴加速度传感器的输出校正所需的偏移、或偏移和灵敏度的两者。 

本发明的加速度测量装置构成为具备：加速度检测单元， 其检测两轴或三轴向的加速度；加速度数据获取单元，其获取由上述加速度检测单元检测出的两轴或三轴加速度数据；重要度算出单元，其算出由上述加速度数据获取单元获取的加速度数据的重要度；基准点估计单元，其根据由上述加速度数据获取单元获取的两轴或三轴加速度数据群在将各加速度数据的各轴成分设为坐标值时的二维正交坐标平面或三维正交坐标空间上的分布、和包含与该两轴或三轴加速度数据群对应的由上述重要度算出单元算出的不同的值的重要度的重要度群，估计在上述二维或三维正交坐标空间上决定的基准点和各轴的基准长；以及偏移校正单元，其根据由上述估计单元估计的上述基准点和上述各轴的基准长来校正由上述加速度数据获取单元获取的各加速度数据。 

上述基准点估计单元可以根据由上述加速度数据获取单元获取的两轴或三轴加速度数据群在二维正交坐标平面或三维正交坐标空间上的分布、和在该加速度数据群中附带的由上述重要度算出单元算出的重要度群，在上述二维正交坐标平面或三维正交坐标空间上设定圆或球面，估计上述圆或球面的中心坐标和半径，将估计出的上述中心坐标设为上述基准点，将上述半径设为各轴基准长，上述偏移校正单元根据由上述基准点估计单元估计的上述基准点来校正上述两轴或三轴加速度数据的偏移。 

上述基准点估计单元可以根据由上述加速度数据获取单元获取的两轴或三轴加速度数据群在二维正交坐标平面或三维正交坐标空间上的分布、和在该加速度数据群中附带的由上述重要度算出单元算出的重要度群，在上述二维正交坐标平面或三维正交坐标空间上设定椭圆或椭圆体面，估计上述椭圆或椭圆体面的中心坐标和各主轴的半径，将估计出的上述中心坐标 设为上述基准点，将上述各主轴的半径设为各轴的基准长，上述偏移校正单元根据由上述基准点估计单元估计的上述基准点和各轴的基准长来校正上述两轴或三轴各加速度数据的偏移及灵敏度。 

上述基准点估计单元可以具备：代表值算出单元，其算出由上述加速度数据获取单元获取的规定数量M的加速度数据群的代表值；第一重要度算出单元，其算出由上述代表值算出单元算出的代表值的第一重要度；存储单元，其存储由上述代表值算出单元算出的代表值和与该代表值对应的上述第一重要度以及附加信息；以及第二重要度算出单元，其根据存储在上述存储单元中的与上述代表值对应的第一重要度和上述附加信息算出与上述代表值对应的第二重要度，上述基准点估计单元根据由上述存储单元存储的规定数量N的代表值在将各轴成分设为坐标值时的二维正交坐标平面或三维正交坐标空间上的分布、和与该代表值对应的由上述第二重要度算出单元算出的规定数量N的第二重要度，估计在上述二维正交坐标平面或三维正交坐标空间上决定的基准点和各轴的基准长。 

上述第二重要度算出单元可以根据从与上述代表值对应的存储在上述存储单元中的附加信息算出的重要度和与上述代表值对应的存储在上述存储单元中的第一重要度来算出上述第二重要度。 

上述基准点估计单元可以根据由上述存储单元存储的规定数量N的代表值群在二维正交坐标平面或三维正交坐标空间上的分布、和与该代表值对应的由上述第二重要度算出单元算出的规定数量N的第二重要度群，在上述二维正交坐标平面或三维正交坐标空间上决定圆或球面，估计上述圆或球面的中心坐标和半径，将估计出的上述中心坐标设为上述基准点，将上 述半径设为各轴的基准长，上述偏移校正单元根据上述基准点估计单元估计的上述基准点来校正上述两轴或三轴的各加速度数据的偏移。 

上述基准点估计单元可以从由上述存储单元存储的规定数量N的代表值群在二维正交坐标平面或三维正交坐标空间上的分布和与该代表值对应的由上述第二重要度算出单元算出的规定数量N的第二重要度群，在上述二维正交坐标平面或者三维正交坐标空间上决定椭圆或椭圆体面，估计上述椭圆或椭圆体面的中心坐标和各主轴的半径，将估计出的上述中心坐标设为上述基准点，将上述各主轴的半径设为各轴的基准长，上述偏移校正单元根据由上述基准点估计单元估计的上述基准点和各轴的基准长来校正上述两轴或三轴的各加速度数据的偏移及灵敏度。 

上述代表值算出单元可以算出上述规定数量M的加速度数据群的平均值作为代表值。 

上述第一重要度算出单元可以包括算出上述规定数量M的加速度数据群的偏差的单元、以及上述偏差越小就算出越高重要度A的单元。 

可以将上述偏差设为上述规定数量M的加速度数据群的各轴的分散之和、或是上述各轴的分散的最大值。 

可以将上述偏差设为上述规定数量M的加速度数据群的各轴的最大值与最小值之差的平方和、或上述各轴的最大值与最小值之差的最大值的平方。 

上述附加信息中的一个可以是上述加速度检测单元检测出上述代表值算出单元算出代表值时使用的上述加速度数据群时的温度，上述第二重要度算出单元具备以下单元：作为上述附加信息的一个的上述加速度检测单元检测出数据时刻的温 度、与通过该第二重要度算出单元算出重要度过程中的时刻的温度之差越大，该单元算出越低的重要度B。 

上述附加信息中的一个可以是上述加速度检测单元检测出上述代表值算出单元算出代表值时使用的上述数据群时的时间，上述第二重要度算出单元具备以下单元：作为上述附加信息中的一个的上述加速度检测单元检测出数据的时刻的时间、与通过该第二重要度算出单元算出重要度过程中的时刻的时间之差越大，算出越低的重要度C。 

可以还具备选择单元，其选择由上述代表值算出单元算出的代表值是否适合，上述选择单元在由上述第一重要度算出单元算出的第一重要度高于规定值的情况下，判断为由上述代表值算出单元算出的代表值适合并进行选择。 

上述存储单元可以预先决定与上述加速度检测单元的检测轴成为线性关系的线性轴，当比较最大值时，在从上述代表值减去与该代表值对应的上述第二重要度所得到的值之间进行比较，当比较最小值时，在将上述代表值和与该代表值对应的上述第二重要度相加所得到的值之间进行比较，在上述选择单元新选择的代表值和存储在上述存储单元中的代表值中，选择性地存储上述加速度检测单元的检测轴或线性轴的成分成为最大或最小的代表值。 

加工数据保持单元可以保持由上述加速度数据获取单元获取的加速度数据群用上述重要度加权后的个数、该加速度数据群用上述重要度加权后的各轴成分之和、将该加速度数据群的各轴成分的平方用上述重要度加权后的值之和、用于算出上述基准点和各轴的基准长的联立方程式的系数群、以及上述基准点和基准长，从由上述加速度获取单元获取的最新的数据、与该数据对应的由上述重要度算出单元算出的重要度、以及上 述加工数据保持单元保持的最近的各种加工数据来估计上述基准点和各轴的基准长。 

根据本发明，根据将由多个两轴或三轴加速度数据构成的加速度数据群的各轴成分设为坐标值时在二维正交坐标平面或三维正交坐标空间上的分布和在该加速度数据群附带的重要度群，估计在二维正交坐标平面或三维正交坐标空间上决定的基准点和各轴的基准长，根据该估计出的基准点和各轴的基准长来校正加速度数据，因此不用有意识地使加速度测量装置的姿势朝向特定方向而重复获取两轴或三轴加速度传感器的输出数据，可以迅速地估计两轴或三轴加速度传感器的输出校正所需的偏移、或偏移和灵敏度的两者。 

另外，根据本发明，算出获取的规定数量M的加速度数据群的代表值，算出代表值的第一重要度，选择代表值是否适合，存储该选择的代表值、和与该代表值对应的第一重要度以及附加信息(时间、温度等)，从与存储的代表值对应的第一重要度和附加信息算出与代表值对应的第二重要度，根据将存储的规定数量N的代表值的各轴成分设为坐标值时在二维正交坐标平面或三维正交坐标空间上的分布和与该代表值对应的规定数量N的第二重要度，估计在二维或三维正交坐标空间上决定的基准点和各轴的基准长，因此即使在温度发生变化而导致偏移明显发生变化的情况下，也可以迅速地估计偏移、或偏移和灵敏度的两者。 

附图说明

图1是表示作为本发明的第一实施方式的加速度测量装置基本结构例的框图。 

图2是表示作为本发明的第二实施方式的具有有限长基准 点估计部的加速度测量装置的结构例的框图。 

图3是表示作为适合于存储检测轴及线性轴的最大值、最小值的存储部的缓冲存储器的结构例的说明图。 

图4是表示用于将保存在存储部中的数据进行取舍选择的处理例的流程图。 

图5是表示作为本发明的第三实施方式的具有无限长基准点估计部的加速度测量装置的结构例的框图。 

图6是表示作为本发明的第四实施方式的具有有限长及无限长基准点估计部的加速度测量装置的结构例的框图。 

图7A是表示测定现有的加速度测定装置的规定的轴向成分的方法的说明图。 

图7B是表示测定现有的加速度测定装置的规定的轴向成分的方法的说明图。 

图7C是表示测定现有的加速度测定装置的规定的轴向成分的方法的说明图。 

图7D是表示测定现有的加速度测定装置的规定的轴向成分的方法的说明图。 

图7E是表示测定现有的加速度测定装置的规定的轴向成分的方法的说明图。 

图7F是表示测定现有的加速度测定装置的规定的轴向成分的方法的说明图。 

具体实施方式

下面，参照附图详细说明本发明的实施方式。 

[第一例] 

根据图1来说明本发明的第一实施方式。 

在详细说明本发明所涉及的加速度测量装置之前，在本例中，概要说明加速度测量装置的基本结构。

<概要结构> 

图1表示本发明所涉及的加速度测量装置的概要结构。 

加速度测量装置由加速度检测部1、加速度数据获取部2、重要度算出部5以及基准点估计部3、偏移校正部4构成。 

<概要动作> 

说明本加速度测量装置的基本动作。 

加速度检测部1检测两轴或三轴向的加速度。 

加速度数据获取部2获取由加速度检测部1检测出的加速度作为加速度数据。 

基准点估计部3根据将由加速度数据获取部2获取的加速度数据群的各加速度数据的各轴成分设为坐标值时的二维正交坐标平面或三维正交坐标空间上的分布、和附带在该加速度数据群中的重要度群，估计在二维正交坐标平面或三维正交坐标空间上决定的基准点和各轴的基准长。 

在此，重要度算出部5算出与由加速度数据获取部2获取的加速度数据对应的重要度。 

基准点估计部3根据将由加速度数据获取部2获取的加速度数据群的各轴成分设为坐标值时的二维正交坐标平面或三维正交坐标空间上的分布、和附带在该各加速度数据中的由重要度算出部5算出的重要度群，估计在二维正交坐标平面或三维正交坐标空间上决定的基准点和各轴的基准长。 

偏移校正部4根据由估计部3估计的基准点和各轴的基准长来校正由加速度数据获取部2获取的各加速度数据。 

能够进行这种基本动作，并且，在基准点估计部3中还可以进行如下动作。 

(球适用例) 

作为校正例，在基准点估计部3中，根据由加速度数据获取部2获取的加速度数据群的二维正交坐标平面或三维正交坐标空间上的分布、和附带在该加速度数据群中的由上述重要度算出单元算出的重要度群，在二维正交坐标平面或三维正交坐标空间上决定圆或者球面，估计圆或者球面的中心坐标和半径，将估计出的中心坐标设为基准点，将半径设为各轴的基准长。由此，在偏移校正部4中，能够根据由基准点估计部3估计的基准点来校正两轴或三轴的加速度数据的偏移。 

(椭圆适用例) 

作为其它校正例，在基准点估计部3中，根据由加速度数据获取部2获取的加速度数据群的二维正交坐标平面或三维正交坐标空间上的分布、和附带在该加速度数据群中的由重要度算出部5算出的重要度群，在二维正交坐标平面或三维正交坐标空间上决定椭圆或者椭圆体面，估计椭圆或者椭圆体面的中心坐标和各主轴的半径，将估计出的中心坐标设为基准点，将上述各主轴的半径设为各轴的基准长。由此，在偏移校正部4中，能够根据由基准点估计部3估计的基准点和各轴的基准长来校正两轴或三轴的加速度数据的偏移及灵敏度。 

通过如上所述的结构及动作，不用有意识地使加速度测量装置的姿势朝向特定的方向而重复获取两轴或三轴加速度传感器的输出数据，能够迅速地估计两轴或三轴的加速度传感器的输出校正所需的偏移、或偏移和灵敏度的两者。 

下面，详细地说明本发明所涉及的加速度测量装置。 

[第二例] 

根据图2～图4来说明本发明的第二实施方式。此外，对与上述的第一例相同的部分省略其说明并附加相同附图标记。 

(有限长DOE)

<结构> 

图2表示本发明所涉及的加速度测量装置的结构例。 

加速度测量装置由加速度检测部1、加速度数据获取部2、有限长基准点估计部10、以及偏移校正部4构成。在下面的说明中省略有限长基准点估计部10以外的构成部分的说明。 

说明有限长基准点估计部10。 

有限长基准点估计部10由代表值算出部11、第一重要度算出部12、数据选择部13、存储部14、第二重要度算出部15、以及第一基准点估计部16构成。 

代表值算出部11算出由加速度数据获取部2获取到的规定数量M的加速度数据群的代表值。 

第一重要度算出部12具有L个重要度算出部(A1～AL)12a和全重要度算出部(1)12b，该第一重要度算出部12算出由代表值算出部11算出的代表值的第一重要度。 

数据选择部13选择由代表值算出部11算出的代表值是否适合。 

存储部14存储由数据选择部13选择的代表值和与该代表值对应的上述第一重要度以及附加信息。 

第二重要度算出部15具有重要度算出部(B)15a、重要度算出部(C)15b、以及全重要度算出部(2)15c，该第二重要度算出部15根据与存储在存储部14中的代表值对应的第一重要度和附加信息，算出与代表值对应的第二重要度。 

第一基准点估计部16根据由存储部14存储的规定数量N的代表值在将各轴成分设为坐标值时的二维正交坐标平面或三维正交坐标空间上的分布、和与该代表值对应的由第二重要度算出部15算出的规定数量N的第二重要度，估计在二维正交坐标平面或三维正交坐标空间上决定的基准点和各轴的基准长。 

<动作> 

说明本装置的动作。 

在加速度检测部1中，由加速度传感器检测加速度，将其检测值转换为电压。 

转换为电压的加速度在加速度数据获取部2中被实施放大、滤波等，并且，在AD转换后作为加速度数据而获取。加速度数据主要在加速度传感器的各轴的灵敏度差及偏移的影响下，实际的加速度以不同比率沿各测定轴向伸缩，并且成为叠加了偏移的值。另外，在加速度数据中包含量化误差、噪声。 

在代表值算出部11中计算连续检测出的规定数量的加速度数据群的代表值。代表值是在第一基准点估计部16中估计偏移及灵敏度时使用的、应该分布在球面或者椭圆体面上的值，优选为重力加速度数据。 

但是，通常无法分离运动加速度和重力加速度，因此没有用于算出代表值的有效方针。 

因此，将代表值设为连续检测出的规定数量的加速度数据群的平均值、中间值、或者特定顺序的加速度数据等。在规定数量为1的情况下，输出数据直接成为代表值。在代表值中使用加速度数据群的平均的情况下，如果这些加速度数据群是在静止时得到的值，则能够减少噪声的影响，因此能够提高偏移及灵敏度的估计精度。 

在第一重要度算出部12中计算代表值的重要度。重要度通过L个重要度算出部(A1～AL)12a用多个不同的方法算出，在全重要度算出部(1)12b中组合，作为结果而算出全重要度1。 

重要度是表示第一基准点估计部16在估计基准点时使用的代表值的重要度的值，重要度越高的代表值越被优先使用于基准点估计中。通常，加速度是运动加速度和重力加速度之和， 但是在求加速度传感器的偏移及灵敏度时，如上所述利用重力加速度分布在球面或者椭圆体面上的情况。因此，运动加速度越小的数据越适合于估计偏移及灵敏度，即重要度越高。 

因此，例如，对计算了代表值的规定数量的数据(或者比包含该数据的规定数量还多的数据，或者规定数量的数据中的一部分数据)的各轴的分散进行计算，各轴的分散之和越大，在代表值中包含较大的运动加速度的可能性越大，降低重要度，相反，各轴的分散之和越小，代表值越有可能从在静止时获取的数据中计算出，因此提高重要度。在后面表示重要度是以分散的倒数为基础的概念。作为重要度也能够选择各轴的分散的最大值的倒数。 

另外，也可以设为计算出代表值的规定数量的数据(或者比包含该数据的规定数量还多的数据，或者规定数量的数据中的一部分数据)的各轴的最大值与最小值之差的平方和的倒数、或者各轴的最大值与最小值之差的最大值的平方的倒数。在将本发明装入仅具有受限的计算能力的系统中的情况下，根据最大值和最小值计算重要度比计算分散更有利。 

重要的不是正确地求出重要度，而是在属性较好的数据(仅表示重力加速度的数据)与其它数据之间的重要度中有意地附加差。 

具体地说，用下式求出上述重要度(1/σ_m ²)。 

(式15) 

在此，σ_x、σ_y、σ_z是上述各轴的分散，x_max、x_min、y_max、y_min、z_max、z_min分别是各轴测定值的最大值、最小值。 

通常，数据选择部13由多个小数据选择部构成，仅选择由所有的小数据选择部选择的代表值。在数据选择部13中判断计算出的代表值是否适合于基准点估计，并且选择判断为适合的代表值。通常，在基准点估计中使用的代表值的数量是有限的，因此在此舍弃属性不好的数据。作为取舍选择的方法，例如选择全重要度1大于等于预先决定的规定值的代表值。全重要度1过于小的代表值估计错误的偏移及灵敏度的可能性较大，因此舍弃。另外，将紧接着之前选择的代表值、或者存储在存储部中的所有的代表值与新输入到数据选择部13中的代表值的距离(可以是测定值空间上的范数，也可以是各轴的坐标轴之差的绝对值的最大值)进行比较，选择大于等于预先决定的规定值的数据。 

在存储部14中存储由数据选择部13选择的代表值、附带在该代表值中的全重要度1、以及在全重要度2的算出所需的附加信息。 

作为附加信息，可以使用加速度传感器测定用于代表值算出的加速度数据群时的时间、温度。 

向球体或椭圆体的适用计算中，如果在三维空间内加速度数据正确地位于球面上或者椭圆体面上，即使各测定点分布在球面上或椭圆体面上的狭窄的范围内也可以高精度地求出中心点。但是，由于加速度数据受到噪声、量化误差的影响，因此即使加速度传感器静止，其测定数据也极少正确地位于球面上。存在如下问题：当测定点的分布狭小时，受到这些误差的影响较大，无法进行高精度的估计计算。 

然而，如果测定数据在三维空间内分布在足够宽广的范围内，则能够减小这些误差的影响。在专利文献4中提出了一种方法，该方法对数据进行取舍选择并存储，使得测定数据在三维空间内分布在宽广的范围内。 

在专利文献4中，在三维正交坐标空间上，设定任意的线性轴，存储在该轴上接近最大或最小点的数据。 

在椭圆面适用计算中，当在接近椭圆体的长轴、短轴各自的两端的位置中存在一个以上的测定数据时，能够进行精度极高的估计计算。在检测相互正交的三维方向的加速度那样的三轴加速度传感器的输出中，加速度数据分布在将测定轴的任一个设为长轴或短轴的椭圆体上，因此能够通过使用具有成为加速度传感器的测定轴上(即三轴上)的最大值或最小值的成分的数据，来提高椭圆体适用计算的精度。 

当设加速度传感器的三轴测定轴为X、Y、Z时，作为线性轴而增加了 

X+Y+Z、-X+Y+Z、-X-Y+Z、X-Y+Z 

的七轴、进一步增加了 

X+Y、-X+Y、X+Z、-X+Z、Y+Z、-Y+Z 

的十三轴等是有效的。 

如后所述，重要度是以代表值的分散为基础的值，与代表 值能够存在的范围有关。因此，在对存储在存储部1 4中的数据进行选择时，最大值与能够获取代表值的最小的值之间进行比较，最小值与能够获取代表值的最大的值之间进行比较。也就是说，用能够存在代表值的范围的最劣值进行比较。通过这样地进行比较，例如即使某个代表值因包含运动加速度而成为较大的值，只要重要度较低、该代表值能够获取的最小值小于适当的值，也要从存储部排除这种代表值。 

作为一例而说明选择性地存储三轴的加速度传感器的测定轴X、Y、Z的最大值、最小值的情况。 

图3表示作为适合于存储检测轴及线性轴的最大值、最小值的存储部1 4的缓冲存储器的结构例。 

存储部1 4具有选择性地保存如图3所示的代表值的、排列数量大于等于6的缓冲存储器。即，在排列编号0中保存有： 

X轴测定值-1/全重要度2 

为最大的数据(代表值XMAX)，在排列编号1中保存有： 

X轴测定值+1/全重要度2 

为最小的数据(代表值XMIN)，在排列编号2中保存有： 

Y轴测定值-1/全重要度2 

为最大的数据(代表值YMAX)，(下面相同)。在缓冲存储器的排列数量超过6的情况下，除上述以外可以自由地保存代表值。 

在缓冲存储器中也保存与各个代表值对应的全重要度1、获取用于计算代表值的加速度数据的温度、时间。 

图4表示用于取舍选择保存在存储部14中的数据的处理例。 

在由数据选择部13重新选择代表值的情况下(步骤S1)，首先计算新代表值的全重要度2(步骤S2)。然后，再次计算各排列 的代表值的全重要度2(步骤S3～S5)。比较新代表值和各排列的代表值的大小。依次按排列编号的小至大的顺序进行比较，如上所述，与排列编号i＝0进行比较时，用 

X轴测定值-1/全重要度2 

进行比较，与排列编号i＝1进行比较时，用 

X轴测定值+1/全重要度2 

进行比较(下面相同)(步骤S6～步骤S8)。 

在比较的结果是判断为新代表值比保存在排列中的代表值更适合的情况下，将保存在排列中的代表值和新代表值进行交换，继续与下一个排列编号的代表值进行比较。直到排列编号i＝5为止而比较结束的时刻，结束选择(步骤S9～步骤S10)。 

在第二重要度算出部15中，组合由重要度算出部15a、15b根据存储在存储部14中的全重要度1和温度以及时间而算出的重要度，算出全重要度2。 

通常，加速度传感器的偏移及灵敏度具有温度特性。在用球体适用、椭圆体适用来估计偏移及灵敏度的系统中，在温度变化时，需要从头开始重新收集数据。为了不浪费曾经获取过的数据，存在在存储部14中对每个温度准备缓冲存储器的方法，但是额外需要存储该数据量的存储区域。如果能够与温度变化一起再次获取变化后的数据，足够迅速地再次计算偏移及基准点，则不需要使用这种方法。通常，在加速度传感器的规格中规定了由温度变化而引起的加速度传感器的偏移变化，可知每1℃的偏移变化的最劣值(C_Te)。例如如下那样在重要度算出部2中根据温度算出重要度(1/σ_Te ²)。 

(式16) 

$\frac{1}{{{\mathrm{\&sigma;}}_{\mathrm{Te}}}^2}=\frac{1}{{\left|{\mathrm{\&sigma;}}_{\mathrm{Te}}(T_i-T_0)\right|}^2}$

在此，T_i、T₀分别是保存在存储部中的代表值、当前的温度(即，重要度算出中的当前时刻的温度)。 

最新的代表值的温度(即，通常情况下是当前的温度)与存储在存储部14中的代表值的温度相差越大，将存储部的代表值的重要度估计得越低。如上所述，重要度变低的存储在存储部中的代表值(在选择性地存储添加了加速度传感器的检测轴及线性轴的全重要度1的最大值、最小值的系统中)容易与新的代表值交换。 

当以前存储的代表值的重要度随着时间降低时，能够与包含加速度传感器的系统的特性的经时变化对应。另外，例如在加速度传感器一边转动一边自由落下的情况下，获取的加速度数据仅为离心力(重力加速度为0)，因此加速度数据不记载在重力加速度测定数据所应该描绘的球面或者椭圆体面上。在足够长的时间内一边转动一边自由落下时，由重要度算出部算出的分散接近0，因此重要度非常高，可能导致获取的数据长时间保留在存储部中。通过随着时间降低重要度，能够在有限的时间内排除这种数据。另外，即使由于无法预料的因素而系统的特性发生变化，也能够在有限的时间内替换存储在存储部中的代表值。 

例如如下那样在第二重要度算出部15中根据时间算出重要度(1/σ_ti ²)。 

(式17) 

$\frac{1}{{{\mathrm{\&sigma;}}_{\mathrm{ti}}}^2}=\frac{1}{\left|C_{\mathrm{ti}}(t_i-t_0)\right|}$

在此，t_i、t₀分别是保存在存储部中的代表值、当前的时间(即，重要度算出中的当前时刻的时间)，C_ti是比例系数。 

最终，组合全重要度1、根据温度算出的重要度(式16)以及根据时间算出的重要度(式17)，算出全重要度2。 

例如， 

(式18) 

在第一基准点估计单元中，使用存储在存储部中的代表值和由重要度算出单元2算出的全重要度2来算出加速度传感器的偏移及灵敏度。 

在加速度传感器的各轴的灵敏度相同(r)的情况下，使用N个加速度传感器的测定值(x_i、y_i、z_i)用下式算出加速度检测单元的偏移及灵敏度。 

(式19) 

$\left[\begin{array}{ccc}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{x}_i(x_i-\hat{x})& \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{y}_i(x_i-\hat{x})& \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{z}_i(x_i-\hat{x})\\ \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{y}_i(x_i-\hat{x})& \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{y}_i(y_i-\hat{y})& \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{z}_i(y_i-\hat{y})\\ \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{z}_i(x_i-\hat{x})& \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{z}_i(y_i-\hat{y})& \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{z}_i(z_i-\hat{z})\end{array}\right]\left[\begin{array}{c}{x}_0\\ y_0\\ x_0\end{array}\right]$

$=\frac{1}{2}\left[\begin{array}{c}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}({x_i}^2+{y_i}^2+{z_i}^2)(x_i-\hat{x})\\ \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}({x_i}^2+{y_i}^2+{z_i}^2)(y_i-\hat{y})\\ \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}({x_i}^2+{y_i}^2+{z_i}^2)(z_i-\hat{z})\end{array}\right]$

$:\&DoubleLeftRightArrow;A_N{X}_N=B_N$

(式20) 

$r^2=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}\{{(x_i-x_0)}^2+{(y_i-y_0)}^2+{(z_i-z_0)}^2\}/\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}$

在此，例如， 

(式21) 

$\hat{x}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{x_i}{{{\mathrm{\&sigma;}}_i}^2}/\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}$

σ_i ²表示下式的ε_i(即，重力加速度数据所应该描绘的球面与实际的加速度数据之间的距离的平方)相对于每个测定值(x_i、y_i、z_i)的分散。 

(式22) 

ε_i＝(x_i-x₀)²+(y_i-y₀)²+(z_i-z₀)²-r²

(式19)、(式20)表示分散越大的数据求出偏移及灵敏度时的影响度越小。 

将所有的加速度数据的分散设为1时，与(式6)、(式7)的方法一致。 

在加速度传感器的各测定轴上存在灵敏度差的情况下，使用N个加速度传感器的测定值(x_i、y_i、z_i)用下式算出加速度检测部1的偏移及灵敏度。 

首先，用下式求出参数B、C、D、E、F、G。 

(式23) 

$\left[\begin{array}{ccccc}{m}_{\mathrm{YY}}& m_{\mathrm{YZ}}& m_{\mathrm{YU}}& m_{\mathrm{YV}}& m_{\mathrm{YW}}\\ m_{\mathrm{ZY}}& m_{\mathrm{ZZ}}& m_{\mathrm{ZU}}& m_{\mathrm{ZV}}& m_{\mathrm{ZW}}\\ m_{\mathrm{UY}}& m_{\mathrm{UZ}}& m_{\mathrm{UU}}& m_{\mathrm{UV}}& m_{\mathrm{UW}}\\ m_{\mathrm{VZ}}& m_{\mathrm{VZ}}& m_{\mathrm{VU}}& m_{\mathrm{VV}}& m_{\mathrm{VW}}\\ m_{\mathrm{WY}}& m_{\mathrm{WZ}}& m_{\mathrm{WU}}& m_{\mathrm{WV}}& m_{\mathrm{WW}}\end{array}\right]\left[\begin{array}{c}B\\ C\\ D\\ E\\ F\end{array}\right]=-\left[\begin{array}{c}{m}_{\mathrm{YX}}\\ m_{\mathrm{ZX}}\\ m_{\mathrm{UX}}\\ m_{\mathrm{VX}}\\ m_{\mathrm{WX}}\end{array}\right]$

$:\&DoubleLeftRightArrow;M_N{P}_N=Q_N$

$G=\hat{X}+B\hat{Y}+C\hat{Z}+D\hat{U}+E\hat{V}+F\hat{W}$

$\left(\begin{array}{c}{X}_i={x_i}^2,Y_i={y_i}^2,Z_i={z_i}^2,U_i=x_i,V_i=y_i,W_i=z_i,\\ m_{\mathrm{\&mu;v}}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}{\mathrm{\&mu;}}_i(v_i-\hat{v}),\\ \hat{v}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{v_i}{{{\mathrm{\&sigma;}}_i}^2}/\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}\end{array}\right)$

接着，用下式计算偏移及灵敏度。 

(式24) 

$x_0=-\frac{D}{2},$ $y_0=-\frac{E}{2B},$ $z_0=-\frac{F}{2C},$

r_x ²＝G+x₀ ²+By₀ ²+Cz₀ ²， ${r_y}^2=\frac{{r_x}^2}{B},$ ${r_z}^2=\frac{{r_x}^2}{C}$

σ_i ²表示下式的ε_i相对于每个测定值(x_i、y_i、z_i)的分散。 

(式25) 

ε_i＝X_i+BY_i+CZ_i+DU_i+EV_i+FW_i-G 

(式23)表示分散越大的数据求出偏移及灵敏度时的影响度越小。 

将所有的加速度数据的分散设为1时，与(式11)、(式12)的方法一致。 

偏移校正部4使用由第一基准点估计部16估计出的偏移及灵敏度来对由加速度数据获取部2获取的数据进行校正，算出校正后的实际的加速度。 

通过对(式1)进行逆运算来获取校正。 

(式26) 

$\left\{\begin{array}{c}{a}_x=\frac{x-x_0}{r_x}\\ a_y=\frac{y-y_0}{r_y}\\ a_z=\frac{z-z_0}{r_z}\end{array}\right.$

如上所述，算出获取的规定数量M的加速度数据群的代表值，算出代表值的第一重要度，选择代表值是否适合，存储该选择的代表值和与该代表值对应的第一重要度以及附加信息(时间、温度等)，根据存储的与代表值对应的第一重要度和附加信息来算出与代表值对应的第二重要度，根据将存储的规定数量N的代表值的各轴成分设为坐标值时的二维正交坐标平面或三维正交坐标空间的分布、和与该代表值对应的规定数量N的第二重要度，估计在二维正交坐标平面或三维正交坐标空间上决定的基准点和各轴的基准长。 

由此，即使在温度发生变化而导致偏移明显发生变化的情况下，也不需要舍弃到目前为止获取的所有数据、或者不需要花长时间重新获取数据，因此在加速度测量装置的温度发生变化时，能够迅速地估计偏移、或者偏移及灵敏度的两者。 

[第三例] 

根据图5来说明本发明的第三实施方式。此外，与上述各例相同部分省略其说明并附加相同附图标记。 

(无限长DOE) 

<结构> 

图5表示本发明所涉及的加速度测量装置的结构例。 

加速度测量装置由加速度检测部1、加速度数据获取部2、无限长基准点估计部20、以及偏移校正部4构成。在下面说明中省略说明无限长基准点估计部20以外的结构部分。 

说明无限长基准点估计部20。 

无限长基准点估计部20由重要度算出部21、加工数据保持单元22、以及第二基准点估计部23构成。 

重要度算出部21具有L个重要度算出部(1～L)21a、以及全重要度算出部21b，为了根据由加速度数据获取部2获取的加速度数据来获取附加在该加速度数据群中的重要度，算出两轴或三轴的各加速度数据的重要度。 

加工数据保持单元22保持用由加速度数据获取部2获取的加速度数据群的重要度进行了加权的个数、用加速度数据群的重要度进行了加权的各轴成分之和、用重要度对加速度数据群的各轴成分的平方进行加权后的值之和、用于算出基准点和各轴的基准长的联立方程式的系数群、以及基准点和基准长。 

第二基准点估计部23根据由加速度数据获取部2得到的最新的数据、与该数据对应的由重要度算出部21算出的重要度、加工数据保持单元22所保持的最近的各种加工数据来估计基准点和各轴的基准长。 

<动作> 

说明本装置的动作。 

根据重力加速度数据分布在球面或者椭圆体面上的情况而求出加速度传感器的偏移及灵敏度。 

但是，已经说明了在通常测定的加速度数据中也包含运动加速度，并成为估计偏移及灵敏度时产生误差的因素。在将加速度传感器装入便携电话、PDA(以后统称为便携终端)、在用于行人导航的应用程序中，预想便携终端的运动加速度相对于终端朝向各种方向，加速度以重力加速度所分布的球面或者椭 圆体面为中心分布。也就是说，可以预想：只要使用于估计偏移以及灵敏度的加速度数据的数量足够大，则应用(式19)、(式20)或者(式22)～(式24)的方法而适用的球面或者椭圆体面与以重力加速度所分布的球面或者椭圆体面为中心而分布的情况相同。 

如果直接应用(式19)、(式20)或者(式22)～(式24)，则数据数量增加时，数据的处理时间变长，或者数据的存储区域变大。特别是在便携终端这样的小规模系统中无法处理足够的数据数。通过下面的方法，原理上能够在有限的数据处理时间和数据存储区域内处理无限的数据数量(实际上，取决于数据处理的比特长)。 

在适用于球面的情况下，例如用N+1个数据制作的(式19)的系数矩阵A_N+1的第二行第一列的成分a_N+1、矩阵B_N+1的第一行的成分b_N+1、以及(式20)的r_N+1 ²能够如下面那样变形。 

(式27) 

$a_{{21}_{N+1}}=a_{{21}_N}-\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}+\frac{1}{{{\mathrm{\&sigma;}}_{N+1}}^2}}(\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{y_i}{{{\mathrm{\&sigma;}}_i}^2}+\frac{y_{N+1}}{{{\mathrm{\&sigma;}}_{N+1}}^2})(\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{x_i}{{{\mathrm{\&sigma;}}_i}^2}+\frac{x_{N+1}}{{{\mathrm{\&sigma;}}_{N+1}}^2})$

$+\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{y_i}{{{\mathrm{\&sigma;}}_i}^2}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{x_i}{{{\mathrm{\&sigma;}}_i}^2}+\frac{1}{{{\mathrm{\&sigma;}}_{N+1}}^2}{y}_{N+1}{x}_{N+1}$

(式28) 

${2b}_{1_{N+1}}={2b}_{1_N}+\left(\underset{i=-1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}({x_i}^2+{y_i}^2+{z_i}^2)\right)(\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{x_i}{{{\mathrm{\&sigma;}}_i}^2}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}}-\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{x_i}{{{\mathrm{\&sigma;}}_i}^2}+\frac{x_{N+1}}{{{\mathrm{\&sigma;}}_{N+1}}^2}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}+\frac{1}{{{\mathrm{\&sigma;}}_{N+1}}^2}})$

$+\frac{1}{{{\mathrm{\&sigma;}}_{N+1}}^2}({x_{N+1}}^2+{y_{N+1}}^2+{z_{N+1}}^2)(x_{N+1}-\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{x_i}{{{\mathrm{\&sigma;}}_i}^2}+\frac{x_{N+1}}{{{\mathrm{\&sigma;}}_{N+1}}^2}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}+\frac{1}{{{\mathrm{\&sigma;}}_{N+1}}^2}})$

(式29) 

${r_{N+1}}^2\underset{i=1}{\overset{N+1}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}={r_N}^2\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}$

$+2(x_{o_N}-x_{o_{N+1}})\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{x_i}{{{\mathrm{\&sigma;}}_i}^2}+2(y_{o_N}-y_{o_{N+1}})\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{y_i}{{{\mathrm{\&sigma;}}_i}^2}+2(z_{o_N}-z_{o_{N+1}})\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{z_i}{{{\mathrm{\&sigma;}}_i}^2}$

$-({x_{o_N}}^2+{y_{o_N}}^2+{x_{o_N}}^2)\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}+({x_{o_{N+1}}}^2+{y_{o_{N+1}}}^2+{z_{o_{N+1}}}^2)\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}$

$+\frac{1}{{{\mathrm{\&sigma;}}_{N+1}}^2}\{{(x_{N+1}-x_{o_{N+1}})}^2+{(y_{N+1}-y_{o_{N+1}})}^2+{(z_{N+1}-x_{o_{N+1}})}^2\}$

也就是说，能够根据由N个数据制作的加工数据 

(式30) 

$\left\{\begin{array}{c}{A}_N,B_N,\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2},\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{x_i}{{{\mathrm{\&sigma;}}_i}^2},\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{y_i}{{{\mathrm{\&sigma;}}_i}^2},\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{z_i}{{{\mathrm{\&sigma;}}_i}^2},\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}({x_i}^2+{y_i}^2+{z_i}^2),\\ {r_N}^2,x_{o_N},y_{o_N},z_{o_N}\end{array}\right.$

和第N+1个数据 

(式31) 

σ_N+1，x_N+1，y_N+1，z_N+1

求出 

(式32) 

A_N+1，B_N+1，r_N+1 ²

在适用于椭圆体面的情况下，例如用N+1个数据制作的(式22)的系数矩阵M_N+1的第二行第一列的成分m_N+1能够下面那样变形。 

(式33) 

$m_{{21}_{N+1}}=m_{{21}_N}-\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}+\frac{1}{{{\mathrm{\&sigma;}}_{N+1}}^2}}(\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{Z_i}{{{\mathrm{\&sigma;}}_i}^2}+\frac{Z_{N+1}}{{{\mathrm{\&sigma;}}_{N+1}}^2})(\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{Y_i}{{{\mathrm{\&sigma;}}_i}^2}+\frac{Y_{N+1}}{{{\mathrm{\&sigma;}}_{N+1}}^2})$

$+\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{{{\mathrm{\&sigma;}}_i}^2}}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{Z_i}{{{\mathrm{\&sigma;}}_i}^2}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{Y_i}{{{\mathrm{\&sigma;}}_i}^2}+\frac{1}{{{\mathrm{\&sigma;}}_{N+1}}^2}{Z}_{N+1}{Y}_{N+1}$

也就是说，能够根据由N个数据制作的加工数据 

(式34) 

M_N，Q_N， 

和第N+1个数据 

(式35) 

σ_N+1，X_N+1，Y_N+1，Z_N+1，U_N+1，V_N+1，W_N+1

求出 

(式36) 

M_N+1，Q_N+1

如上所述，即使用于估计偏移及灵敏度的数据数量增加，也能够根据几个加工后的数据，继续归纳性地求出新的偏移及灵敏度。 

在上述的方法中不保持测定数据，因此例如在由于温度变化而导致偏移发生变化的情况下，不能够仅删除温度变化前的数据。 

但是，通过以相同比率变更所有的过去的测定数据的重要度，能够减少过去的测定数据的影响。在将过去的N个测定数据的重要度从1/σ²变更为1/(kσ)²的情况下，将对除了球体适用(式30)的r_N ²，x_ON，y_ON，z_ON以外的所有加工数据乘以1/k²的值作为新的加工数据(在矩阵的情况下对各成分乘以1/k²)。 

同样地，将对椭圆体适用(式34)的所有加工数据乘以1/k²的值作为新的加工数据(在矩阵的情况下对各成分乘以1/k²)。 

加工数据保持单元22保持用(式30)或者(式34)表示的数据。 

有时在加速度测定中偏移及灵敏度会由于温度变化等因素而发生变化。在要减少这种过去的数据的影响的情况下，在适当的时刻降低过去的数据的重要度。只要例如将每次获取新的数据的时刻作为降低重要度的时刻，就能够在某个时间常数中消除过去的数据的影响。也可以同样将每次经过预先设定的时间时作为降低重要度的时刻。 

在温度变化明显的情况下，也可以突然降低过去的数据的重要度。温度变化可以指存储了紧接着上次温度发生变化之后的温度后，相对于该温度发生了预先决定的规定值以上的温度变化的情况，或者在紧接着上次温度变化后存储了温度的最大值和最小值，最大值和最小值之差变化为预先决定的规定值以上的情况等。有时重要度的降低不是温度那种物理因素，而是来自实现数值计算的系统的请求。也就是说，在(式30)或者(式34)的加工数据中设为测定值之和的形式的值随着测定数据数量的增加而变大。进行数据处理的CPU和存储区域的比特长都是有限的，因此需要定期地减小加工数据的值。 

重要度算出部21计算获取到的加速度数据的重要度。可以将所有的测定数据的σ²设为1并估计偏移及灵敏度，但是在适当地设定σ²(＝1/全重要度)的情况下，偏移及灵敏度的收敛更快。 

重要度利用多个不同的方法算出，在全重要度算出部中进行组合，作为结果而算出全重要度。 

为了尽快、即用尽可能少的加速度数据数来求出偏移及灵敏度，最好降低包含较多的运动加速度的数据的重要度。例如能够如下那样计算加速度数据的重要度。计算规定数量的连续获取的加速度数据群的各轴的分散，设为各轴的分散之和越大重要度越低，相反，设为各轴的分散之和越小重要度越高。作为重要度也能够从各轴的分散的最大值来算出。 

另外，也可以根据规定数量的数据的各轴的最大值与最小值之差的平方和、或者各轴的最大值与最小值之差的最大值的平方来算出重要度。在将本发明装入仅具有有限的计算能力的系统中的情况下，根据最大值和最小值来计算重要度比计算分散更有利。例如，设重要度(1/σ₁ ²)为： 

(式37) 

在此，σ_x、σ_y、σ_z是上述各轴的分散，x_max、x_min、y_max、y_min、z_max、z_min分别是各轴测定值的最大值、最小值，r_a是标准化用的常数。 

根据包含较多相同姿势的静止时的加速度数据的加速度 数据群来估计的偏移及灵敏度，在很多情况下包含较多的误差。在极端的情况下，通过仅由相同的姿势的静止时的加速度数据构成的加速度群(由姿势决定的重力加速度+噪声)估计的偏移成为与该加速度群大致相同的值。也就是说，会导致在应该求出的球面上或者椭圆体面上估计偏移。因此，应该将在静止或者接近静止的状态下获取的加速度数据的重要度设定为较低。 

例如能够如下那样计算加速度数据的重要度。计算规定数量的连续获取的加速度数据群的各轴的分散，设为各轴的分散之和越大重要度越高，相反设为各轴的分散之和越小重要度越低。作为重要度，也能够从各轴的分散的最大值算出。 

另外，也可以从规定数量的数据的各轴的最大值和最小值之差的平方和、或者各轴的最大值和最小值之差的最大值的平方来算出重要度。在将本发明装入仅具有有限的计算能力的系统中的情况下，根据最大值和最小值计算重要度比计算分散更有利。如果将规定数量设为2，则各轴的分散的平方和表示两个加速度数据之间的测定空间上的距离的平方。例如，设重要度(1/σ₂ ²)为： 

(式38) 

在此，σ_x、σ_y、σ_z是上述各轴的分散，x_max、x_min、y_max、y_min、z_max、z_min分别是各轴测定值的最大值、最小值，r_a是标准化用的常数。 

实际上需要降低包含有较大运动加速度的加速度数据、和静止时的加速度数据这两种数据的重要度，将用上述的两种方法分别计算的重要度之和作为全重要度，使用于估计偏移及灵敏度。 

(式39) 

第二基准点估计部23使用存储在加工数据保持单元22中的加工数据、和重新获取的加速度数据、以及其全重要度，来估计加速度传感器的偏移及灵敏度。 

[第四例] 

根据图6说明本发明的第四实施方式。此外，对与上述的各例相同部分省略其说明并附加相同附图标记。 

(有限长+无限长DOE) 

<结构> 

图6表示本发明所涉及的加速度测量装置的结构例。 

加速度测量装置由加速度检测部1、加速度数据获取部2、估计部3、以及偏移校正部4构成。 

在本例中，估计部3由第二例(参照图2)的有限长基准点估计部10、第三例(参照图5)的无限长基准点估计部20、以及第三基准点估计部30构成。 

第三基准点估计部根据由有限长基准点估计部的第一基准点估计部、以及无限长基准点估计部的第二基准点估计部分别计算出的(式19)的矩阵A_N、B_N、或者(式22)的M_N、N_N来估计基准点和各轴的基准长。 

<动作> 

说明本装置的动作。 

由无限长基准点估计部20估计的偏移及灵敏度是根据加速度以重力加速度所分布的球面或者椭圆体面为中心分布的假设而估计的值，这种估计不保证总是正确。因此，由无限长基准点估计部20估计的偏移及灵敏度的估计时间非常短，但是有些情况下未必保证精度。 

与此相对，如果有限长基准点估计部10严格规定数据选择部13的选择条件，并仅选择接近静止时的加速度数据，则估计的偏移及灵敏度的精度会变得非常高。另一方面，收集静止数据花费时间，从而偏移及灵敏度的估计时间变长。 

当分别采用这两个基准点估计单元(有限长基准点估计部10、无限长基准点估计部20)的长处，在校正处理开始之后在无限长基准点估计部20中使用静止数据集中后由有限长基准点估计部10分别估计的偏移及灵敏度时，能够快速地最终得到精度良好的偏移及灵敏度。 

可以在某个时刻切换这两个基准点估计单元，但是通过逐渐改变，可以随着时间平滑地转变为精度良好的偏移及灵敏度。 

在适用于球体的情况，哪种基准点估计单元在结果上都能够求出(式19)的系数矩阵A_N、B_N。设由无限长基准点估计部20求出的系数矩阵为A_Ninf、B_Ninf，设由有限长基准点估计部10求出的系数矩阵为A_N1im、B_N1im，设k为比率(0≤k≤1)。此时，在第三基准点估计部30中使用下一个系数矩阵A_Nfus、B_Nfus算出偏移及灵敏度即可。 

(式40) 

$\left\{\begin{array}{c}{A}_{N_{\mathrm{fus}}}=(1-k)\frac{A_{N_{\inf }}}{\left|A_{N_{\inf }}\right|}+k\frac{A_{N_{\lim }}}{\left|A_{N_{\lim }}\right|}\\ B_{N_{\mathrm{fus}}}=(1-k)\frac{B_{N_{\inf }}}{\left|A_{N_{\inf }}\right|}+k\frac{B_{N_{\lim }}}{\left|A_{N_{\lim }}\right|}\end{array}\right.$

|A|表示A的行列式，用于对各矩阵进行标准化。但是，计算行列式花费时间，通常动态范围较大(在小规模系统中经常出现)，因此在仅支持整数运算的系统中不适用。即使矩阵的标准化的方法有些不同，仅使偏移及灵敏度的以后的方法不同、出发点和终点相同，严格地求出行列式也几乎没有益处。作为代替方法，例如代替行列式而使用A的对角成分的最大值即可。 

开始将k设为0，随着静止数据的集中而接近1。例如如下那样计算k。尽管加速度传感器的各测定轴的灵敏度差具有个体差，但是如果能够确定型号就可以成为相同的值。如上所述，在有限长基准点估计部10选择性地存储加速度传感器的三轴的测定轴X、Y、Z的最大值、最小值的情况下，意味着六个测定数据所制作的体积越大，测定点就分布在越广阔的区域中。 

因此，根据这种加速度数据群估计的偏移及灵敏度的精度变高，各轴测定值的最大值-最小值的最大成为加速度传感器灵敏度的两倍。 

由此，k成为： 

(式41) 

$k=\left\{\begin{array}{ccc}\frac{(x_{\max }-\frac{1}{{\mathrm{\&sigma;}}_{x\max }})-(x_{\min }-\frac{1}{{\mathrm{\&sigma;}}_{x\min }})}{2r}& & \\ \&times;\frac{(y_{\max }-\frac{1}{{\mathrm{\&sigma;}}_{y\max }})-(y_{\min }-\frac{1}{{\mathrm{\&sigma;}}_{y\min }})}{2r}\&times;\frac{(z_{\max }-\frac{1}{{\mathrm{\&sigma;}}_{z\max }})-(z_{\min }-\frac{1}{{\mathrm{\&sigma;}}_{z\min }})}{2r},& \mathrm{if}& 0\&le;k\&le;1\\ 0,& \mathrm{if}& k<0\\ 1,& \mathrm{if}& 1<k\end{array}\right.$

Claims (16)

1.一种加速度测量装置，其特征在于，具备：

加速度检测单元，其检测两轴或三轴向的加速度；

加速度数据获取单元，其获取上述加速度检测单元所检测出的两轴或三轴加速度数据；

重要度算出单元，其算出由上述加速度数据获取单元获取的加速度数据的重要度，该重要度表示加速度数据被使用于基准点估计的优先程度，重要度越高越被优先使用于基准点估计；

基准点估计单元，其根据由上述加速度数据获取单元获取的两轴或三轴加速度数据群在将各加速度数据的各轴成分设为坐标值时的二维正交坐标平面或三维正交坐标空间上的分布、和包含与该两轴或三轴加速度数据群对应的由上述重要度算出单元算出的不同的值的重要度的重要度群，估计在上述二维或三维正交坐标空间上决定的基准点和各轴的基准长；以及

偏移校正单元，其根据由上述估计单元估计的上述基准点和上述各轴的基准长来校正由上述加速度数据获取单元获取的各加速度数据。

2.根据权利要求1所述的加速度测量装置，其特征在于，

上述基准点估计单元根据由上述加速度数据获取单元获取的两轴或三轴加速度数据群在二维正交坐标平面或三维正交坐标空间上的分布、和在该加速度数据群中附带的由上述重要度算出单元算出的重要度群，在上述二维正交坐标平面或三维正交坐标空间上决定圆或球面，估计上述圆或球面的中心坐标和半径，将所估计的上述中心坐标设为上述基准点，将上述半径设为各轴的基准长，

上述偏移校正单元根据由上述基准点估计单元估计的上述基准点来校正上述两轴或三轴的加速度数据的偏移。

3.根据权利要求1所述的加速度测量装置，其特征在于，

上述基准点估计单元根据由上述加速度数据获取单元获取的两轴或三轴加速度数据群在二维正交坐标平面或三维正交坐标空间上的分布、和在该加速度数据群中附带的通过上述重要度算出单元算出的重要度群，在上述二维正交坐标平面或三维正交坐标空间上决定椭圆或椭圆体面，估计上述椭圆或椭圆体面的中心坐标和各主轴的半径，将估计的上述中心坐标设为上述基准点，将上述各主轴的半径设为各轴的基准长，

上述偏移校正单元根据由上述基准点估计单元估计的上述基准点和各轴的基准长来校正上述两轴或三轴的各加速度数据的偏移及灵敏度。

4.根据权利要求1所述的加速度测量装置，其特征在于，

上述基准点估计单元具备：

代表值算出单元，其算出由上述加速度数据获取单元获取的规定数量M的加速度数据群的代表值；

第一重要度算出单元，其算出由上述代表值算出单元算出的代表值的第一重要度；

存储单元，其存储由上述代表值算出单元算出的代表值和与该代表值对应的上述第一重要度以及附加信息；以及

第二重要度算出单元，其根据存储在上述存储单元中的与上述代表值对应的第一重要度和上述附加信息来算出与上述代表值对应的第二重要度，

上述基准点估计单元根据由上述存储单元存储的规定数量N的代表值在将各轴成分设为坐标值时的二维正交坐标平面或三维正交坐标空间上的分布、和与该代表值对应的由上述第二重要度算出单元算出的规定数量N的第二重要度，估计在上述二维正交坐标平面或三维正交坐标空间上决定的基准点和各轴的基准长。

5.根据权利要求4所述的加速度测量装置，其特征在于，

上述第二重要度算出单元根据从与上述代表值对应的存储在上述存储单元中的附加信息算出的重要度和与上述代表值对应的存储在上述存储单元中的第一重要度来算出上述第二重要度。

6.根据权利要求4或5所述的加速度测量装置，其特征在于，

上述基准点估计单元根据由上述存储单元存储的规定数量N的代表值群在二维正交坐标平面或三维正交坐标空间上的分布、和与该代表值对应的由上述第二重要度算出单元算出的规定数量N的第二重要度群，在上述二维正交坐标平面或三维正交坐标空间上决定圆或球面，估计上述圆或球面的中心坐标和半径，将估计出的上述中心坐标设为上述基准点，将上述半径设为各轴的基准长，

上述偏移校正单元根据由上述基准点估计单元估计的上述基准点来校正上述两轴或三轴的各加速度数据的偏移。

7.根据权利要求4或5所述的加速度测量装置，其特征在于，

上述基准点估计单元从由上述存储单元存储的规定数量N的代表值群在二维正交坐标平面或三维正交坐标空间上的分布、和与该代表值对应的由上述第二重要度算出单元算出的规定数量N的第二重要度群，在上述二维正交坐标平面或者三维正交坐标空间上决定椭圆或椭圆体面，估计上述椭圆或椭圆体面的中心坐标和各主轴的半径，将估计出的上述中心坐标设为上述基准点，将上述各主轴的半径设为各轴的基准长，

上述偏移校正单元根据由上述基准点估计单元估计的上述基准点和各轴的基准长来校正上述两轴或三轴的各加速度数据的偏移及灵敏度。

8.根据权利要求4所述的加速度测量装置，其特征在于，

上述代表值算出单元算出上述规定数量M的加速度数据群的平均值作为代表值。

9.根据权利要求4所述的加速度测量装置，其特征在于，

上述第一重要度算出单元包括：

算出上述规定数量M的加速度数据群的偏差的单元；以及

上述偏差越小就算出越高的重要度A的单元。

10.根据权利要求9所述的加速度测量装置，其特征在于，

上述偏差是上述规定数量M的加速度数据群的各轴的分散之和、或者是上述各轴的分散的最大值。

11.根据权利要求9所述的加速度测量装置，其特征在于，

上述偏差是上述规定数量M的加速度数据群的各轴的最大值与最小值之差的平方和、或者是上述各轴的最大值与最小值之差的最大值的平方。

12.根据权利要求4所述的加速度测量装置，其特征在于，

上述附加信息中的一个是上述加速度检测单元检测出上述代表值算出单元算出代表值时使用的上述加速度数据群时的温度，

上述第二重要度算出单元具备以下单元：作为上述附加信息中的一个的上述加速度检测单元检测出数据的时刻的温度、与通过该第二重要度算出单元算出重要度过程中的时刻的温度之差越大，该单元算出越低的重要度B。

13.根据权利要求4所述的加速度测量装置，其特征在于，

上述附加信息中的一个是上述加速度检测单元检测出上述代表值算出单元算出代表值时使用的上述数据群时的时间，

上述第二重要度算出单元具备以下单元：作为上述附加信息中的一个的上述加速度检测单元检测出数据的时刻的时间、与通过该第二重要度算出单元算出重要度过程中的时刻的时间之差越大，该单元算出越低的重要度C。

14.根据权利要求4所述的加速度测量装置，其特征在于，

还具备选择单元，该选择单元选择由上述代表值算出单元算出的代表值是否适合，

上述选择单元在由上述第一重要度算出单元算出的第一重要度高于规定值的情况下，判断为由上述代表值算出单元算出的代表值适合并进行选择。

15.根据权利要求4所述的加速度测量装置，其特征在于，

上述存储单元预先决定与上述加速度检测单元的检测轴成线性关系的线性轴，

当比较最大值时，在从上述代表值减去与该代表值对应的上述第二重要度所得到的值之间进行比较，当比较最小值时，在将上述代表值和与该代表值对应的上述第二重要度相加所得到的值之间进行比较，

在上述选择单元新选择的代表值和存储在上述存储单元中的代表值中，选择性地存储上述加速度检测单元的检测轴或线性轴的成分成为最大或最小的代表值。

16.根据权利要求1所述的加速度测量装置，其特征在于，

具备加工数据保持单元，该加工数据保持单元保持由上述加速度数据获取单元获取的加速度数据群用上述重要度加权后的个数、该加速度数据群用上述重要度加权后的各轴成分之和、将该加速度数据群的各轴成分的平方用上述重要度加权后的值之和、用于算出上述基准点和各轴的基准长的联立方程式的系数群、以及上述基准点和基准长，

从由上述加速度数据获取单元获取的最新数据、与该数据对应的由上述重要度算出单元算出的重要度、以及上述加工数据保持单元所保持的最近的各种加工数据来估计上述基准点和各轴的基准长。

Images