ahrs10filter

MARG和高度计读数的高度和方位

展开所有页面

描述

这ahrs10filter对象保险丝MARG和高度计传感器数据来估计设备高度和方向。MARG（磁性，角速率，重力）数据通常来自磁力计，陀螺仪和加速度计传感器。过滤器使用18元元状态向量来跟踪方向四元数，垂直速度，垂直位置，马格传感器偏差和地磁矢量。这ahrs10filter对象使用扩展的卡尔曼滤波器来估计这些数量。

创建

句法

fuse = ahrs10filter.

fuse = ahrs10filter（'参考框架'，rf）

fuse = ahrs10filter（___、名称、值)

描述

保险丝= AHRS10Filter.返回扩展的卡尔曼筛选对象，保险丝，对于MARG的传感器融合和高度计读数来估计设备高度和方向。

保险丝= ahrs10filter（'参考范围'那RF.的）返回一个扩展的卡尔曼滤波对象，该对象估计设备高度和相对于参考系的方向RF.．指定RF AS.NED的(North-East-Down)或“ENU表示”（东北北）。默认值是NED的．

例子

保险丝= ahrs10filter（___、名称、值)设置每个属性姓名到了指定的价值．未指定的属性具有默认值。

特性

全部展开

`IMUSampleRate`-IMU的采样率（HZ）
`One hundred.`（默认）|正标量

Hz中IMU的采样率，指定为正标量。

数据类型：单身的|双

`GyroscopeNoise`-陀螺仪（（rad / s）的乘法过程噪声差异²的）
`[1E-9,1E-9,1E-9]`（默认）|标量|三个元素行向量

来自陀螺仪（RAD / S）的乘法过程噪声差异²，指定为正实际有限数字。

数据类型：单身的|双

`AccelerometerNoise`-加速度计的乘法过程噪声差异（（M / s²的）²的）
`(1 1的军医,军医,军医)`（默认）|标量|三个元素行向量

加速度计的乘频噪声方差(m/s)²的）²，指定为正实际有限数字。

数据类型：单身的|双

`GyroscopeBiasNoise`-由陀螺仪偏差引起的倍增过程噪声方差(rad/s)²的）²的）
`[1平台以及1平台以及1平台以及)`（默认）|标量|三个元素行向量

来自陀螺仪偏置的乘法过程噪声方差（RAD / S.²的）²，指定为正实际有限数字。

数据类型：单身的|双

`加速度计`-由加速度计偏差引起的倍增过程噪声方差(m/s)²的）²的）
`(1 1的军医,军医,军医)`（默认）|标量|三个元素行向量

乘性过程噪声与加速度计偏差的方差(m/s)²的）²，指定为正实际有限数字。

数据类型：单身的|双

`GeomagneticVectorNoise`-地磁矢量添加过程噪声（μT²的）
`[1 e-6 1 e-6 1 e-6]`（默认）|标量|三个元素行向量

μT地磁矢量的加性过程噪声²，指定为正实际有限数字。

数据类型：单身的|双

`磁性仪纤维网`-磁力计偏置的添加剂工艺噪声（μT²的）
`[0.1,0.1,0.1]`（默认）|标量|三个元素行向量

μT磁力计偏置的添加剂处理噪声²，指定为正实际有限数字。

数据类型：单身的|双

`状态`-延长卡尔曼滤波器的状态向量
18-element列向量

延长卡尔曼滤波器的状态向量。状态值表示：

状态	单位	指数
方向（四元零件）	N / A.	1：4
海拔高度(NED或ENU)	M.	5.
垂直速度(NED或ENU)	米/秒	6.
三角洲角偏见（XYZ）	Rad / S.	七章
Delta速度偏差（XYZ）	米/秒	10：12
地磁场矢量(NED或ENU)	μt.	13:15
磁强计偏差(某某)	μt.	十六18

默认初始状态对应于处于静止状态的对象，位于(0 0 0)在大地LLA坐标中。

数据类型：单身的|双

`StateCovariance`-扩展卡尔曼滤波器的状态误差协方差
`眼睛（18）* 1E-6`（默认）|18-by-18矩阵

Kalman滤波器的状态错误协方差，指定为Real Number的18×18元元矩阵。

数据类型：单身的|双

对象功能

`预测`	使用加速度计和陀螺数据更新状态`ahrs10filter`
`fusemag`	使用磁力计数据的正确状态`ahrs10filter`
`fusealtimeter`	使用高度计数据的正确状态`ahrs10filter`
`正确的`	使用直接的状态测量来正确的状态`ahrs10filter`
`剩余的`	从直接状态测量中的残差和残余考究`ahrs10filter`
`residualmag`	磁力计测量的残差和残余协方差`ahrs10filter`
`ResealualAltimeter`	的高度计测量的残差和残差协方差`ahrs10filter`
`姿势`	的当前方向和位置估计`ahrs10filter`
`重置`	重置内部状态`ahrs10filter`
`stateinfo`	显示的状态向量信息`ahrs10filter`
`调优`	调`ahrs10filter`参数，以减少估计误差
`复制`	创建的副本`ahrs10filter`

例子

全部折叠

无人机姿态估计

打开生活的脚本

负载记录的传感器数据，地面真实姿态，初始状态和初始状态协方差。计算每高度计样品的IMU样品数量和每磁强计样品的IMU样品数量。

加载（“fuse10exampledata.mat”那......'imufs'那“accelData”那'gyrodata'那......'magnetumbfs'那“magData”那......“altimeterFs”那“altData”那......“expectedHeight”那'住宿氛围'那......“initstate”那'initcov'）;imusamplesperalt = fix（imufs / altimeterfs）;imusamplespermag = fix（imufs / magemeterfs）;

创建一个AHRS过滤器，将Marg和高度计读数保留以估计高度和方向。设置传感器的采样率和测量噪声。该值是从数据表和实验确定的。

filt = ahrs10filter ('imusamplever'，imufs，......'Acceleromernoise'，0.1，......“状态”，initstate，......'StateCovariance', initcov);Ralt = 0.24;Rmag = 0.9;

预分配变量到日志高度和方向。

numIMUSamples =大小(accelData, 1);estHeight = 0 (numIMUSamples, 1);estOrient = 0 (numIMUSamples 1'Quaternion'）;

引信加速度计，陀螺仪，磁力计和高度计数据。外循环预测滤波器以最快的采样率(IMU采样率)前进。

为了2 = 1: numIMUSamples％使用预测基于加速度计估计滤波器状态％陀螺数据。预测(filt accelData (ii):), gyroData (ii):));％磁力计数据以比IMU数据较低的速率收集。保险丝％磁力计数据以较低的速度。如果~国防部(ii, imuSamplesPerMag) fusemag (filt, magData (ii):), Rmag);结尾%高度计数据的采集速率低于IMU数据。保险丝％高度计数据以较低的速度。如果〜mod（ii，imusamplesperalt）fusealtimeter（filt，altdata（ii），ralt）;结尾％记录当前的高度和方向估计。[estheight（ii），estorient（ii）] =姿势（菲尔特）;结尾

计算已知真正的高度和方向与AHRS滤波器的输出之间的RMS错误。

perr = permanderheight  -  estheight;Qerr = Rad2deg（DEST（预期，estorient））;prms = sqrt（平均值（perr。^ 2））;qrms = sqrt（平均值（qerr. ^ 2））;FPRINTF（'高度rms错误\ n'）;

高度均方根误差

FPRINTF（'\ t％.2f（米）\ n \ n'，prms）;

0.38（米）

随着时间的推移可视化真实和估计的高度。

t =（0 :( numimusamples-1））/ imufs;情节（T，Indectsheight）;持有在情节(t, estHeight);从传奇（“地面实况”那'估计高度'那“位置”那'最好的事物') ylabel (身高(米)的)包含(“时间(s)”网格)在

图中包含一个坐标轴。轴线包含2个线型对象。这些物体代表地面真实值，估计高度。

FPRINTF（'四元距离rms错误\ n'）;

四元距离rms误差

FPRINTF（' \ t %。2f (degrees)\n\n',则);

2.93(度)

扩展能力

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

也可以看看

ahrsfilter|insfilter.

在R2019A引入

ahrs10filter

描述

创建

句法

描述

特性

`IMUSampleRate`-IMU的采样率（HZ）
`One hundred.`（默认）|正标量

`GyroscopeNoise`-陀螺仪（（rad / s）的乘法过程噪声差异²的）
`[1E-9,1E-9,1E-9]`（默认）|标量|三个元素行向量

`AccelerometerNoise`-加速度计的乘法过程噪声差异（（M / s²的）²的）
`(1 1的军医,军医,军医)`（默认）|标量|三个元素行向量

`GyroscopeBiasNoise`-由陀螺仪偏差引起的倍增过程噪声方差(rad/s)²的）²的）
`[1平台以及1平台以及1平台以及)`（默认）|标量|三个元素行向量

`加速度计`-由加速度计偏差引起的倍增过程噪声方差(m/s)²的）²的）
`(1 1的军医,军医,军医)`（默认）|标量|三个元素行向量

`GeomagneticVectorNoise`-地磁矢量添加过程噪声（μT²的）
`[1 e-6 1 e-6 1 e-6]`（默认）|标量|三个元素行向量

`磁性仪纤维网`-磁力计偏置的添加剂工艺噪声（μT²的）
`[0.1,0.1,0.1]`（默认）|标量|三个元素行向量

`状态`-延长卡尔曼滤波器的状态向量
18-element列向量

`StateCovariance`-扩展卡尔曼滤波器的状态误差协方差
`眼睛（18）* 1E-6`（默认）|18-by-18矩阵

对象功能

例子

无人机姿态估计

扩展能力

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

也可以看看

传感器融合和跟踪工具箱文档

金宝app

自主系统的传感器融合与跟踪

ahrs10filter

描述

创建

句法

描述

特性

IMUSampleRate-IMU的采样率（HZ）One hundred.（默认）|正标量

GyroscopeNoise-陀螺仪（（rad / s）的乘法过程噪声差异2的）[1E-9,1E-9,1E-9]（默认）|标量|三个元素行向量

AccelerometerNoise-加速度计的乘法过程噪声差异（（M / s2的）2的）(1 1的军医,军医,军医)（默认）|标量|三个元素行向量

GyroscopeBiasNoise-由陀螺仪偏差引起的倍增过程噪声方差(rad/s)2的）2的）[1平台以及1平台以及1平台以及)（默认）|标量|三个元素行向量

加速度计-由加速度计偏差引起的倍增过程噪声方差(m/s)2的）2的）(1 1的军医,军医,军医)（默认）|标量|三个元素行向量

GeomagneticVectorNoise-地磁矢量添加过程噪声（μT2的）[1 e-6 1 e-6 1 e-6]（默认）|标量|三个元素行向量

磁性仪纤维网-磁力计偏置的添加剂工艺噪声（μT2的）[0.1,0.1,0.1]（默认）|标量|三个元素行向量

状态-延长卡尔曼滤波器的状态向量18-element列向量

StateCovariance-扩展卡尔曼滤波器的状态误差协方差眼睛（18）* 1E-6（默认）|18-by-18矩阵

对象功能

例子

无人机姿态估计

扩展能力

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

也可以看看

传感器融合和跟踪工具箱文档

金宝app

自主系统的传感器融合与跟踪

`IMUSampleRate`-IMU的采样率（HZ）
`One hundred.`（默认）|正标量

`GyroscopeNoise`-陀螺仪（（rad / s）的乘法过程噪声差异²的）
`[1E-9,1E-9,1E-9]`（默认）|标量|三个元素行向量

`AccelerometerNoise`-加速度计的乘法过程噪声差异（（M / s²的）²的）
`(1 1的军医,军医,军医)`（默认）|标量|三个元素行向量

`GyroscopeBiasNoise`-由陀螺仪偏差引起的倍增过程噪声方差(rad/s)²的）²的）
`[1平台以及1平台以及1平台以及)`（默认）|标量|三个元素行向量

`加速度计`-由加速度计偏差引起的倍增过程噪声方差(m/s)²的）²的）
`(1 1的军医,军医,军医)`（默认）|标量|三个元素行向量

`GeomagneticVectorNoise`-地磁矢量添加过程噪声（μT²的）
`[1 e-6 1 e-6 1 e-6]`（默认）|标量|三个元素行向量

`磁性仪纤维网`-磁力计偏置的添加剂工艺噪声（μT²的）
`[0.1,0.1,0.1]`（默认）|标量|三个元素行向量

`状态`-延长卡尔曼滤波器的状态向量
18-element列向量

`StateCovariance`-扩展卡尔曼滤波器的状态误差协方差
`眼睛（18）* 1E-6`（默认）|18-by-18矩阵

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。