传感器的快速低功耗融合系统及方法技术方案

本发明专利技术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。本发明专利技术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。

Fast low-power fusion system and method for sensor

Fast low power integrated system and method of the invention discloses a sensor, which comprises the timing of sensor data sampling and data cache; take the gyroscopic motion in the highest and lowest point value, its trajectory will abstract the formation of a regular wave; when the detected buffer pointer reaches the set the threshold, the main chip micro controller will wake up from deep sleep; the data collected will be three order smooth calibration processing self-learning; using waveform abstract theory and fixed point of look-up table method for data calculation; posture adjustment, the pressure sensor to compensate the angle part; pose adjustment, a barometric pressure sensor to compensate the tilt angle of the part. The invention uses a simple look-up table and waveform abstraction to reduce the operation process, and achieves a simple fusion algorithm of eight bit chips, which can greatly reduce power consumption and operation time.

【技术实现步骤摘要】

本专利技术涉及计算机融合算法
，尤其涉及一种传感器的快速低功耗融合系统及方法。
技术介绍
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（SENSORFUSION）。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（singularpoint）,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。
技术实现思路
针对现有技术的不足，本专利技术提出了一种快速低功耗传感器的融合算法，本专利技术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，本专利技术技术方案如下：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。本专利技术的有益效果：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为本专利技术主要系统流程图；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为本专利技术的数据融合流程图；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，进一步阐述本专利技术。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。本专利技术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。本专利技术系统方块图为如图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，本专利技术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本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
1.一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。2.根据权利要求1所述的融合算法，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所述的融合算法，其特征在于，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...

【专利技术属性】
技术研发人员：黄剑敏，周子勋，
申请(专利权)人：时瑞科技深圳有限公司，
类型：发明
国别省市：广东;44