论文部分内容阅读
随着科学技术的快速发展,下肢力线测定系统逐渐成为医疗行业发展的热点。室内定位技术作为下肢力线测定系统的一项关键技术,被认为是新世纪最有发展前景的信息技术之一。惯性传感器因其体积小、便于携带、成本低以及自主性强的优势,得以广泛应用。但基于惯性传感器的室内定位技术容易造成累积误差且计算复杂度较大,因此,减少累积误差及降低计算复杂度是本文的主要研究内容。本文首先对下肢力线测定系统的研究背景及意义进行介绍,阐述了国内外对室内定位技术的研究现状,并对惯性传感器,数据融合,姿态解算以及卷积神经网络原理进行描述。然后针对下肢力线测定系统中的定位问题,以惯性传感器为基础,围绕如何提高室内定位的精度,降低室内定位的复杂度,提高效率这一内容,开展了一系列的研究工作。本文的主要贡献包括以下几个方面:1)根据惯性传感器的原理,提出一个基于惯性传感器的力线测定系统框架。该框架主要由三个部分组成:数据融合,姿态解算以及位置求解。数据融合部分通过惯性传感器采集加速度计和陀螺仪数据,并对其进行融合,得到四元数数据。姿态解算部分主要是利用四元数法对载体坐标系中的加速度数据进行坐标转换,得到地理坐标系的加速度数据。位置求解部分采用对转换后的地理坐标系中的加速度数据进行求解的方式,求得室内位置信息。2)基于以上研究内容,提出基于双积分的室内定位算法。它的主要思想是对加速度进行二次积分求得位置信息,为防止由二次积分引起的位置误差增长,采用零速更新算法来减少累积误差,并在此基础上,对零速更新算法进行改进,使得累积误差进一步减小。3)基于以上研究内容,提出基于卷积神经网络的室内定位算法。它的主要思想是对采集到的数据进行归一化处理,将得到的加速度数据以及物体的真实位置信息作为训练样本,对卷积神经网络模型进行训练,并对位置信息进行预测。基于实际传感器数据的实验表明,设计使用优化后的零速更新算法同单纯使用零速更新算法相比,更能提高室内定位精度;引入卷积神经网络模型同使用BP(Back Propagation)神经网络模型相比,定位更为精确且更具稳定性。