CN106370186B - 传感器的快速低功耗融合系统及方法 - Google Patents

Abstract

本发明公开一种传感器的快速低功耗融合系统及方法，其特征在于包括：定时对传感器数据进行采样，并将数据进行缓存；取陀螺仪运动中的最高与最低两点值，将其运动轨迹抽象形成有规律的波形；当检测到缓存区指针达到设定的阈值时，将主芯片的微控制器从深度睡眠中唤醒；将采集到的数据进行自学习三阶平滑校准处理；采用波形抽象理论和定点查表方式进行数据计算；进行姿势调整，将气压传感器来补偿倾斜角的部分；进行姿势调整，将气压传感器来补偿倾斜角的部分。本发明利用简单的查表和波形抽象的方式来降低运算过程，达到简单的八位芯片也可以做到的融合算法，可以大量的降低功耗和运算时间。

Description

传感器的快速低功耗融合系统及方法

技术领域

本发明涉及计算机融合算法技术领域，尤其涉及一种传感器的快速低功耗融合系统及方法。

背景技术

MESM传感器目前广泛运用于穿戴式产品上，对于其代表物体在3度空间里的位置并非直观的可以取得。而是必须透过一系列的数学运算后才能得到空间位置。最常用到的做法是惯性导航的4元素坐标体系。这个演算的法则称为“传感器融合（SENSOR FUSION）。一般融合算法需要大量的矩阵和浮点运算。在穿戴式芯片上的移植是很复杂，容易出错而且耗电。但是如果需要室内导航，运动定位，和惯性导航等机器人或是运动状态的应用，又必须使用这个算法，市面上目前的做法是使用高阶的芯片或是定制的运算芯片（DSP）达到运算的功能。

“传感器融合算法“已经在上有很多产品，以专用芯片开发的算法居多（很多国外芯片厂商出了类似的芯片）。这类运用DSP或是高阶从处理器计算”传感器融合“的做法在硬件的设计上比较复杂，整体系统的功耗上也难以控制。对于目前的IoT和穿戴式产品上的复杂度太高。如果能和主芯片的系统结合，整体考虑功耗，软件和硬件系统这样才能达到量产化的需求。

现有利用从芯片的方式，有以下的缺点：成本过高、非必要的功耗过大、硬件面积太大、实时性的问题。

本方法可以完全解决以上的问题，因为本方法直接运用主芯片来运算，透过缓存的方式不需要连续运算，而是缓存到一个片段后一次性的运算出结果。这样的做法，第一减少了从芯片的成本和硬件面积。 因为是缓存计算的方式，也不需要主芯片一直工作，可以合理的规划运算时间和待机时间。同时，在一个芯片内完成工作，不同的软件任务间可以快速的取得计算结果，让机器人或是无人机的控制更具实时性，避免了因为延时照成控制上的奇点（singular point）,而浪费了电池的能量。

本方法利用简单的查表和波形抽象的方式来降低运算过程，达到简单的8位芯片也可以做到的融合算法，可以大量的降低功耗和运算时间。

发明内容

针对现有技术的不足，本发明提出了一种快速低功耗传感器的融合算法，本发明利用简单的查表和波形抽象的方式来降低运算过程，达到简单的8位芯片也可以做到的融合算法，可以大量的降低功耗和运算时间

为了实现上述目的，本发明技术方案如下：

一种传感器的快速低功耗融合方法，其特征在于，所述方法包括以下步骤：

定时对传感器数据进行采样，并将数据进行缓存；

取陀螺仪运动中的最高与最低两点值，将其运动轨迹抽象形成有规律的波形；

当检测到缓存区指针达到设定的阈值时，将主芯片的微控制器从深度睡眠中唤醒；

将采集到的数据进行自学习三阶平滑校准处理；

采用波形抽象理论和定点查表方式进行数据计算；

进行姿势调整，将气压传感器来补偿倾斜角的部分；

将融合好的不同坐标系数据整合为一个坐标系的数据输出。

进一步地，所述定时对传感器数据进行采样，并将数据进行缓存中的缓存数据实现方式包括：

微控制器MCU带直接记忆体存取DMA单元，采用软件的方式实现数据缓存。

微控制器MCU没有直接记忆体存取DMA单元，采用 8位微控制器实现数据缓存。

进一步地，所述将采集到的数据进行自学习三阶平滑校准处理中自学习三阶平滑校准处理方法为：

将缓存区中的数据三个为组，求出进行平均值，去除直流偏差误差。

进一步地，所述采用波形抽象理论和定点查表方式进行数据计算中的数据计算方式包括：

一阶算法用于需要快速处理，输入数据后，立即进行数据处理，输出。

二阶算法用于需要精确输出数据，输入数据，进行数据处理后，再进行校准，然后进行输出。

一种传感器的快速低功耗融合系统，其特征在于，所述系统包括以下模块：

采样缓存模块，用于定时对传感器数据进行采样，并将数据进行缓存；

波形抽样模块，用于取陀螺仪运动中的最高与最低两点值，将其运动轨迹抽象形成有规律的波形；

唤醒模块，用于当检测到缓存区指针达到设定的阈值时，将主芯片的微控制器从深度睡眠中唤醒；

校准模块，用于将采集到的数据进行自学习三阶平滑校准处理；

计算模块，用于采用波形抽象理论和定点查表方式进行数据计算；

调整模块，用于进行姿势调整，将气压传感器来补偿倾斜角的部分；

输出模块，用于将融合好的不同坐标系数据整合为一个坐标系的数据输出。

本发明的有益效果：

1.增加数据缓存，降低了融合运算的功耗；

2.使用浮点运算和定点运算的配合，加快卡曼滤波器的乘法运算。

3.将气压导入倾斜角的姿势补偿。

附图说明

图1为本发明主要系统流程图；

图2为将物理传感器转换为空间位置信号的示意图；

图3为空间中的转换坐标转换示意图；

图4为从A点到B点的4元素坐标表示示意图；

图5为传统数据融合流程图；

图6为本发明的数据融合流程图；

图7为本系统方块图；

图8为三阶校准方法示意图；

图9为实现二阶快速运算的代码。

具体实施方式

下面结合附图和实施例，进一步阐述本发明。

实施例一：

本方法提供单芯片快速而简单的方式将物理的传感器（加速度，陀螺仪，地磁和气压）转换成为物理的空间相关位置信号。如图1所示。

主芯片的程序根据取不同时间（异步）取得的传感器资料，融合后转换成为一个4元素的空间坐标，根据空间坐标可以做到机器人控制和其他导航的功能。

在空间中的转换坐标转换如下图2所示；

从A点到B点的4元素坐标可以表示如图3所示；

图3所示的是直观的数据表示方式，但是从电子传感器上取得到的数据为地磁，陀螺仪，加速度和气压值。这些数据分布于不同的坐标系。融合算法就是将不同坐标系的数据整合成为一个坐标系的过程。融合算法需要大量用到数学计算，在微控制器（MCU）中大量的数学浮点运算不但耗费时间而且需要高速运行，无法做到省电的目的。本方法利用了大量MCU技巧和精密定点运算的方式节省运算时间和耗电。

传统数据融合的作法为每隔一段时间微控制器（MCU）必须从深度睡眠唤醒。整个唤醒的流程如图4所示；

唤醒过程（B）是无效的耗电时间，因为在这段时间内微控制器（MCU）无法执行任何程序。如果每秒采集数据为20次，那就必须有20次过程（B） 的能量浪费，这个部分的能量浪费是很多产品没有注意的地方。本方法利用一个可配置数据缓存结构采集传感器数据，等到一定数量后才唤醒微控制器（MCU）进行运算。这个缓存的时间可以依照产品需要的灵敏度来调整，如用于人类运动的产品，姿势的变化不可能大于每秒5次，那缓存可以设置为每秒唤醒MCU5次，但是采集数据可以用每秒50次的频率，这样兼顾了数据采集和准确性。本方法的模型如图5所示；

数据缓存的实现方式有两种不同的实现方式：

微控制器（MCU）带直接记忆体存取（DMA）单元，可以用软件的方式实现数据缓存。

微控制器（MCU） 没有直接记忆体存取（DMA）单元，可以用简单的 8位省电微控制器降低高耗电的微控制器运作时间。

本发明另外一个特点用定点查表方式降低运算过程的浮点运算。在本法的卡曼滤波器内需要的快速傅里叶计算（FFT）时，利用了更高效率和简单的波形抽象理论。降低了傅里叶计算时需要的MCU运作时间和功耗。

本发明系统方块图为如图6所示；

1）将所有数据输入缓存，等到缓存指针到达阈值后唤醒主芯片的功能。

2）校准单元：利用校准补偿传感器的环境和个别误差，本发明的校准方式为自学习三阶平滑校准，方法如图7所示，可以有效的去除传感器的环境误差。

这样的滤波器可以快速排除系统的噪声。

3）卡曼滤波器 ：本方法的卡曼滤波器，采用2阶的快速运算。实现的代码方式如图8所示；

4）姿势补偿：一般的数据融合只用地磁传感器补偿倾斜角，地磁传感器受环境的影响很大，本方法利用气压传感器来补偿倾斜角的部分，气压传感器的变化导入，让倾斜角更准。

本发明在Silicon Labs 的开发板上验证可以实现全功能，并达到降低功耗的目标。平均功耗可以从原本20mA 降低为 1mA 到 4mA。

本发明目前用的是MCU内部的DMA做数据缓存，也可以使用其他低功耗MCU或是集成电路的缓存到达本方法的目标。

实施例二：

S101，定时对传感器数据进行采样，并将数据进行缓存；

本发明利用一个可配置数据缓存结构采集传感器数据，等到缓存达到一定数量后才唤醒微控制器MCU进行运算。这个缓存的时间可以依照产品需要的灵敏度来调整，如用于人类运动的产品，姿势的变化不可能大于每秒5次，那缓存可以设置为每秒唤醒MCU5次，但是采集数据可以用每秒50次的频率，这样兼顾了数据采集和准确性。

所述缓存数据的实现方式有两种不同的实现方式：

微控制器MCU带直接记忆体存取DMA单元，可以采用软件的方式实现数据缓存。

微控制器MCU没有直接记忆体存取DMA单元，可以采用 8位微控制器实现数据缓存。

S102，取陀螺仪运动中的最高与最低两点值，将其运动轨迹抽象形成有规律的波形。

由于陀螺仪运动轨迹的规律性，将其抽象数字化后，取其最高点和最低点的值就可以绘制出陀螺仪运动的整个波形，这样不仅可以减少缓存数据量而且可以降低噪音。

S103，当检测到缓存区指针达到设定的阈值时，将主芯片的微控制器从深度睡眠中唤醒。

唤醒过程B是无效的耗电时间，因为在这段时间内微控制器MCU无法执行任何程序。也就是说如果每秒采集数据为20次，那就必须有20次唤醒过程B的能量浪费，这个部分的能量浪费是很多产品没有注意的地方。本方法利用一个可配置数据缓存结构采集传感器数据，将数据采集后等到一定数量后才唤醒微控制器MCU进行运算。这样兼顾了数据采集和准确性。

S104，将采集到的数据进行自学习三阶平滑校准处理。

利用校准补偿传感器的环境和个别误差，本发明的校准方式为自学习三阶平滑校准，将缓存区中的数据三个为组的进行平均值计算，去除直流偏差误差，有效的去除传感器的环境误差。

S105，采用波形抽象理论和定点查表方式进行数据计算。

在本发明中的卡曼滤波器内需要快速傅里叶计算FFT时，利用了更高效率和简单的波形抽象理论。比如：陀螺仪的运动轨迹类似于正弦波形时，计算出sin1、sin2、sin3、sin4...的值将其制程表格形式进行存储。本发明另外一个特点为：用定点查表方式降低运算过程的浮点运算。当需要计算sin1.5的数值时，直接将表中sin1和sin2的数值求平均值，这样可以大量的减少运算量，并降低了傅里叶计算时需要的微控制器MCU运作时间和功耗。

本方法的卡曼滤波器，采用二阶的快速运算算法。

S106，进行姿势调整，将气压传感器来补偿倾斜角的部分。

一般的数据融合只用地磁传感器补偿倾斜角，但是地磁传感器很容易受环境的影响产生偏差。所以本发明利用气压传感器来补偿倾斜角的部分，将气压传感器的变化量数据导入运算，让倾斜角更为精准。

S107，将融合好的不同坐标系数据整合为一个坐标系的数据输出。

以上所述的仅是本发明的优选实施方式，本发明不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的基本构思的前提下直接导出或联想到的其它改进和变化均应认为包含在本发明的保护范围之内。

Claims (4)

1.一种传感器的快速低功耗融合方法，其特征在于，所述传感器包括加速度传感器、陀螺仪、地磁传感器和气压传感器；传感器数据分布于不同的坐标系，融合后转换成为一个四元数的空间坐标；所述方法包括以下步骤：

定时对传感器数据进行采样，并将数据进行缓存；

取陀螺仪运动中的最高与最低两点值，将其运动轨迹抽象形成有规律的波形；

当检测到缓存区指针达到设定的阈值时，将主芯片的微控制器从深度睡眠中唤醒；

将缓存区中的数据进行自学习三阶平滑校准处理；

对校准处理后的数据采用波形抽象理论和定点查表方式在卡尔曼滤波器内进行数据计算；

进行姿势调整，利用气压传感器来补偿倾斜角；

将融合好的不同坐标系数据整合为一个坐标系的数据输出。

2.根据权利要求1所述的传感器的快速低功耗融合方法，所述定时对传感器数据进行采样，并将数据进行缓存中的缓存数据实现方式包括：

微控制器MCU带直接记忆体存取DMA单元，采用软件的方式实现数据缓存；

微控制器MCU没有直接记忆体存取DMA单元，采用8位微控制器实现数据缓存。

3.根据权利要求1所述的传感器的快速低功耗融合方法，其特征在于，所述将缓存区中的数据进行自学习三阶平滑校准处理中自学习三阶平滑校准处理方法为：

将缓存区中的数据三个为组，进行平均值计算，去除直流偏差误差。

4.一种传感器的快速低功耗融合系统，其特征在于，所述传感器包括加速度传感器、陀螺仪、地磁传感器和气压传感器；传感器数据分布于不同的坐标系，融合后转换成为一个四元数的空间坐标；所述系统包括以下模块：

采样缓存模块，用于定时对传感器数据进行采样，并将数据进行缓存；

波形抽样模块，用于取陀螺仪运动中的最高与最低两点值，将其运动轨迹抽象形成有规律的波形；

唤醒模块，用于当检测到缓存区指针达到设定的阈值时，将主芯片的微控制器从深度睡眠中唤醒；

校准模块，用于将缓存区中的数据进行自学习三阶平滑校准处理；

计算模块，用于对校准处理后的数据采用波形抽象理论和定点查表方式在卡尔曼滤波器内进行数据计算；

调整模块，用于进行姿势调整，利用气压传感器来补偿倾斜角；

输出模块，用于将融合好的不同坐标系数据整合为一个坐标系的数据输出。