采用双轴加速度计的旋转弹运动姿态角速率测量方法

研究了基于哥氏加速度原理的双轴加速度计测量旋转弹航向角角速率与俯仰角角速率的方法。首先根据哥氏加速度原理建立了旋转弹三维动力学模型,得出三个轴向加速度输出值同各轴角速率输入值之间的转换矩。针对旋转弹横滚角角速率远大于航向角角速率与俯仰角角速率的情况,建立了旋转弹的简化动力学模型;基于简化模型,提出了采用双轴正交加速度计测量横轴与竖轴上的加速度值,来实现对运动过程中航向角角速率与俯仰角角速率测量的方法。应用100 mm高射炮数据对该模型进行验证,验证结果同理论推导结果完全吻合。证明基于哥氏加速度的正交双轴加速度计测量旋转弹航向角角速率与俯仰角角速率理论的正确性和工程实现的可行性。     

基于稀土掺杂光纤的强度调制型弯曲传感器

研究了一种基于稀土掺杂材料的新型周期性微拉锥玻璃光纤及其弯曲传感应用技术. 该光纤的纤芯和包层分别由两种硅酸铅玻璃材料组成,具有可塑性好和易于形成微拉锥的特点. 该传感器的核心敏感体由聚焦的CO₂激光束对稀土掺杂光纤进行周期性和等间距加热方式制备. 论文以该敏感体为核心,结合精密位置移动平台和光学测量平台,构建了基于强度调制的弯曲传感测量系统. 理论研究和实验结果表明,这种弯曲传感测量系统的传输光强灵敏度达到-28.2 μW/m,测量误差低于±1%,具备实际的工程应用价值. 关键词： 稀土掺杂光纤 微拉锥 弯曲传感 强度调制     

基于LD双端面泵浦的Nd:YAG高效率倍频激光器

报道了一种利用激光二极管（LD）双端面泵浦的Nd：YAG激光晶体,Cr⁴⁺：YAG晶体被动调Q,LBO临界相位匹配腔内倍频的高转换效率的绿光激光器。分析了双端面泵浦YAG激光器的热效应,实验中LD双端面泵浦,采用U型平行平面腔结构对Nd：YAG进行传导冷却。当总泵浦光为33.8 W时,得到被动调Q频率10 KHz、功率8.21 W的线偏振基频光输出。6.72 W的绿光输出的倍频效率为86%,输出光束为基模,M²为1.4。实验表明双端面泵浦YAG倍频激光器具有很高的转换效率。     

基于多传感器时域特征的实时人体行为识别(英文)

提出了一种基于加速度计、陀螺仪、气压计输出时域特征的高精度、高实时性的人体行为模式识别算法。该算法选取多传感器输出的时域特征值作为唯一特征量,通过特征提取运算实现行为的实时识别。通过在实验室自主研发的软硬件平台上进行测试,在识别时间缩短到2 s一次的条件下,对于8种人体日常行为模式和4种摔倒模式的平均识别率可达到94%以上。该算法对于现有算法实时精度有明显提高,且拓展了模式识别的种类,在可穿戴智能终端领域具有很好的应用前景。     

基于MEMS惯性传感器的人体多运动模式识别

针对人体多运动模式识别中识别精度低的问题,提出一种基于MEMS惯性传感器的人体多运动模式识别算法。该算法选取MEMS加速度传感器的时域特征作为模式识别特征量,提取MEMS角速度传感器的时域特征作为二次识别的特征量,能够准确识别走、跑、站立、上楼、下楼、趴倒、躺倒、倒退多种运动模式。识别过程采用分层识别算法,同时使用支持向量机识别区分难度较大的两类行为动作。嵌入式消防单兵定位系统平台的实验验证表明,利用该算法能够识别消防单兵的多运动模式,平均识别精度达到94%以上。     

基于MEMS惯性传感器的高精度步长估计算法（英文）

针对传统计步算法精度低适用性不高的问题,提出了一种基于MEMS足部定位模块的高精度自适应步长估计算法。首先通过分析行人步态的周期特征,精确地判断每个步态周期中单脚离地和落地的时间差值,采用零速更新法结合时间阈值、加速度阈值和加速度方差阈值进行步态检测;然后对转换后地理坐标系下传感器信号进行双重积分,计算出行人每一步的空间轨迹,无需进行前期步长数据采集或者生物模型参数提取,即可实现对行人步长的精确估计。在AHRS_box惯性传感器模块上进行了实验,结果表明该算法估计得出的步长和行走距离误差均小于2.5%,证实了该算法的有效性。     

基于人体多方位运动的三维自主导航定位算法

基于MEMS传感器的行人导航通常利用行人航迹推算算法解算出人体位置的坐标对行人定位。传统行人航迹推算算法只能用于单一前进行走运动模式,不适用于人体实际的多方位运动模式。因此,提出了一种多方位运动三维自主导航定位算法,利用三轴加速度计数据对行人进行步态检测和步长估计,在分析了加速度计单轴数据的基础上,讨论了4类运动模式的识别方法,推导出适用于人体多方位运动模式的航迹推算公式。在智能手机平台上进行测试验证,实验结果表明,所提出的多方位运动模式自主导航定位算法在人体实际运动中,定位误差小于3.2%,很大程度上提高了导航精度。     

基于正弦函数拟合的高动态捷联惯导姿态更新算法

为提高捷联惯导在高动态条件下的姿态解算精度,基于等效旋转矢量泰勒级数展开法,提出一种基于正弦函数拟合的高动态捷联惯导姿态更新算法。以正弦函数拟合载体运动角速度,考虑Bortz方程高阶项的影响,对陀螺角增量表示的旋转矢量进行泰勒六阶展开,对比旋转矢量不同形式表达式求得误差补偿系数。在MATLAB平台上,以圆锥运动与大角速率转动并存环境作为仿真条件,对所提算法与传统算法进行对比仿真分析。仿真结果表明,在小半锥角低频圆锥运动伴随高速角速率转动情况下,所提算法性能较好,当半锥角为0.5°、角频率为2.26πrad/s、常值角速率为5.30 rad/s、姿态解算周期为0.02 s时,所提正弦函数拟合三子样旋转矢量算法与传统扩展形式频率级数/显示频率三子样圆锥算法相比误差降低了2个数量级。     

基于自适应步长约束的行人导航系统误差修正算法

基于惯性传感器的行人导航系统定位精度随时间累积下降，根据捷联惯导理论和人体运动学特征，提出基于自适应步长约束的行人导航误差修正算法。所提算法首先利用零速检测划分行人运动区间，其次根据加速度信息利用自适应步长估计模型计算各区间内步长，最后通过零速修正与步长约束模型修正导航误差。实验将WT901BC姿态仪固定于行人脚跟，并围绕闭环路径行走进行算法验证。实验结果表明，相比于零速修正，经过自适应步长约束算法修正后，行进240 m后起点、终点间距离误差平均值由2.50 m下降至0.18 m，导航闭环误差平均值由1.04%D下降至0.07%D，有效提高行人导航系统的定位精度。     

基于多头自注意力机制和Bi-GRU的人体动作识别算法

目前基于惯性传感器的人体动作识别技术具有自主、可靠等优点，但现有人体动作识别算法结构复杂、参数量大、识别精度低。针对以上问题，提出了一种基于多头自注意力机制和双向门控循环单元（Bi-GRU）的人体动作识别算法。该算法首先通过多头自注意力机制无视时间间隔地计算数据之间关联特征，再将关联特征与原始数据拼接，输入到深度Bi-GRU网络中提取顺序特征，最终通过Softmax层识别人体动作。采用YESENSE公司开发的YIS360-V姿态仪搭建了人体动作识别算法验证平台，在此基础上建立训练-测试数据集并进行了实验验证。实验结果表明，所提算法较传统Bi-GRU算法，参数量由40695个减少到18337个，识别准确率由93.36%提升至95.26%。