物联网及云计算课程大作业

1、大连理工大学本科生设计 空间轨迹追踪系统 学 院（系）： 软件学院 专 业： 嵌入式 学 生 姓 名： 颜飞龙 学 号： 201392241 完 成 日 期： 2015年12月27日 研究背景：在计算机技术高速发展的今天，人们对空间轨迹追踪和智能人体动作识别越来越重视。如今大型的导航系统如美国的GPS、中国的北斗、欧洲伽利略等都提供的民用的接口用来导航和轨迹追踪。然而，在人机交互领域以及物联网领域常用的轨迹追踪的方法大部分是通过超声波、激光、影像恢复等手段，这些方法有优点也有缺点。优点是这些设备的精度可以达到非常高，某些激光测距的精度可以达到微米级，但是它们也有缺点。首先激光受到激光光照范围的

2、限制，影像恢复受到摄像机的摆放地点以及可拍摄的范围的限制。另外的缺点就是造价成本太高，不适合推广使用。此外，这些设备的体积大部分都比较大，一般都是固定在某个位置检测移动物体的轨迹。这样就大大影响了这些设备的使用范围和场景。在计算机技术高速发展的今天，我们为什么不好好利用这科技的春天来设计一套更加便捷，适用范围更广，造价更便宜的空间轨迹追踪系统呢？为此，本论文提出另外一种可用来实现轨迹追踪的系统。本系统主要通过携带在目标物体上的可移动节点来检测被测目标当前的运动状态，然后将得到数据发送到可移动设备如：手机、平板电脑等，也可以将数据发送到笔记本电脑上通过一系列的处理计算得出目标物体的运动轨迹。由于

3、本系统是可携带的，也就突破了场景和范围对系统的限制。虽然测量的精度比不上激光，影像恢复等，但是，本系统造价低，体积小，应用范围广，系统的维护成本低，对于那些对精度的要求不是太高的场景有十分重要的应用价值。一：空间轨迹追踪系统硬件设计1.1:系统总体结构与功能接下来是对系统的详细介绍。硬件系统包括移动端和基站端两个组成部分。移动端主要实现加速度信号采集，A/D转换，数字滤波和信号发送功能；基站端主要实现信号接收以及信号处理功能。同时，为了方便数据传送和方便使用，系统采用无线通信模式。系统的总体结构框架图如下图1-1所示：图1-1：系统结构框架图移动端主要是由加速度传感器，陀螺仪，处理器和RF发送

4、电路组成。在这一部分，加速度传感器和陀螺仪分别将得到的数据传送给处理器，在经过处理器的打包，简单的处理之后，由RF发送电路发送到基站端进行计算处理。图1-2：移动端图基站端主要由RF无线接收电路，处理器和计算机串口通信电路组成。基站端的结构示意图如图1-3所示。图1-3：基站端图1.2：主要硬件介绍由于时间的限制，此次使用的移动端节点是之前设计并制作好的，接下来主要是简单介绍各个硬件：1.2.1：加速度传感器传感器是的一个重要组成部分。本次采用的一种压力传感器，其主要参数如下：1、 供电电压：2.35V-2.7V，数字I/O电压：1.7V-2.7V2、 测量范围：土2g3、 数据接口：SPI，

5、I2C4、 内置缓存器存储每轴64次采样存储，有中断信号输出5、 运动和自由落体探测触发中断输出1.2.2：陀螺仪陀螺仪是一种被用于测量物体选择速度或者旋转角度的仪器。陀螺仪一般是根据物体在运动时产生的震动的原理来得出旋转角。本次使用的陀螺仪具体参数与特性如下：1.2.2：RF无线收发芯片射频（Radio Frequency）简称RF。射频即为射频电流，它是一种高频交流变化电磁波的简称。RF收发电路是工作在射频频段的无线通信电路，通常包括信号发送和信号接收两个组成部分。nRF24E1收发器通过内部并行口或者是SPI总线与其它模块通信。该芯片有低速数据输入，高速数据输出的特点，特别适合实时的采集

6、数据发送。此外，它还有载波检测功能，能很好地避免在同一工作频率下不同发射器数据包之间的碰撞。1.3：电路设计基于加速度传感器的空间追踪系统硬件电路主要由两部分组成，分别为加速度采集发送电路和数据接收电路。加速度采集发送电路是移动端电路，数据接收电路是基站端电路。1.3.1：加速度采集和发送电路设计加速度采集与发送系统 即移动端，主要由三轴加速度传感器SCA3000-D01、三轴陀螺仪ADIS16355、数据处理与通信芯片nRF24E1、外部存储器E2PROM等器件组成。如图1-4所示图1-4：移动端电路设计1.3.2：数据接收电路设计数据接收系统，即基站端由通信芯片nRF24E1、外部存储器E

7、2PROM和串口通信芯片等器件组成，其电路原理图如图1-5所示图1-5：接收端电路设计基站端射频电路部分与移动端相同，它与移动端电路的主要差别是串口通信电路。 二：空间追踪系统模型建立2.1：基于加速度积分运算的空间轨迹追踪我们知道，通过对移动物体的运动加速度进行两次的积分就可以求得物体的运动位移。在本系统中，我们使用加速度传感器不断检测目标物体的三维运动加速度，在进行数据处理之后不断地对三组加速度数据进行积分运算，便求得目标物体的瞬时运动速度与在空间的各个方向上的位移，由此可以得出目标物体在空间的运动轨迹。图2-1：速度-时间关系从时间t0时刻开始采样，则根据积分原理，从时刻t0到时刻t，我

8、们可以通过下列公式得出连续时间域中位移s(t)，速度v(t)和加速度a(t)的计算关系：s (t ) = (t,t0) v(t )dt + s(t 0 ) (2-1)v(t ) = (t,t0) a (t )dt + v(t 0) (2-2)其中：s(t0)为系统0至t0时刻的位移，v(t0)为系统t0时刻的瞬时运动速度。但是，由于加速度传感器的输出值为一组离散数据，不能用一般的积分运算，令初始条件 s (t 0) = 0 ，则：由t1-t0=t2-t1=tn-tn-1=t，其中t为加速度传感器采用时间间隔当n1时,在离散域中可以写为： 当n1时由此可得，在n时刻，目标物体在某一个轴上的移动距

9、离为：但是，当n很大时，我们每当计算一次Sn就不得不重复很多次之前的计算。为了简化计算过程，可以采用迭代的方法：依据上式，可以利用V(n-1)和S(n-1)以及加速度a(n)和a(n-1)得出当前的速度和位移。我们通过加速度传感器可得到目标物体在三维空间运动加速度。追踪过程中，可以知道目标物体沿加速度传感器X、Y、Z轴方向上的瞬时运动速度分别为：通过在X、Y、Z轴上的速度进行矢量相加，可求得在t时刻目标物体在三维空间的瞬时运动速度：同理：在t-t的时间里，目标的位移为：t时刻目标物体的空间坐标为：（SXt, SYt, SZt）因此，在三维坐标系中，通过连线t0，t1，t2，tn 时刻的所有空间

10、位置坐标点便可得出目标物体在空间的运动轨迹。2.2：坐标变换与消除重力影响当物体在移动过程中时，重力加速度的影响是不可忽视的。我们的加速度传感器是检测目标物体在某一时刻的各个方向上的加速度，其中肯定包含重力加速度在各个轴上的分量。而我们要计算出物体的准确的加速度，我们需要通过算法来去除重力加速度。为此我们可以采用四元数变换的原理。设绝对坐标系OXYZ，此坐标系是物体在空间运动时遵守的绝对坐标系。我们的加速度传感器X、Y、Z轴组成的坐标系为相对坐标系OXbYbZb如图2-2所示：图2-2：绝对坐标系与相对坐标系由此可得：其中C(b,n)为旋转矩阵。上面的变换展现了绝对坐标系与相对坐标系之间的关系

11、。我们需要通过这两个坐标系之间的关系来去除重力加速度在各个轴上的分量。为此，我们需要求出旋转矩阵中的、和，这地方我们采用用欧拉法。设坐标系OXbYbZb相对坐标系OXYZ的角速度向量为：那么我们可以知道目标物体的加速度在坐标系OXbYbZb 上的投影为：由此可得：上式即为欧拉微分方程，x、y、z为陀螺仪在各个单轴上的输出分量。通过解此微分方程便可求出、和的值。所以重力加速度在加速度传感器X、Y、Z轴的分量分别为：因此，当目标物体空间运动存在空间翻转时，我们需要从得到的加速度数据中，一一求出在X、Y、Z轴上的分量。再求出当地重力加速度在各个轴上的分量。去除重力加速度后的结果才是真正的我们需要的目

12、标加速度。三：误差分析和处理3.1：误差分析任何的系统都会存在误差，由于本追踪系统采用的是通过对加速度传感器传到基站的数据进行处理后再积分得到目标物体在空间中的位移。这就导致：即使数据本身有很小的误差，在经过多次积分之后，误差会变得越来越大，这就导致系统结果的不稳定性。另外，加速度传感器本身也有误差，这误差主要来自系统随机噪声，环境因素引起的误差，还有加速度传感器制造过程中工艺的误差等等都可以造成系统结果的极大的偏差。另外，还有一种误差主要是数据在传输过程中造成的。比如：数据包丢失，重传等等也可以造成最后的计算结果的不准确，所以在综合以上对系统误差的分析我们决定采用如图3-1的处理流程：图3-

13、1：误差处理方案流程图卡尔曼滤波器是用来处理系统随机误差的。使用基于双状态预测的卡尔曼滤波器对加速度传感器传出的数据进行滤波处理，可以的到误差均方较小的数据。由于外界因素的不稳定性，我们需要对加速度传感器传出的数据进行数据修正。设计基于加速度传感器非线性曲线的加速度数值修正算法进行系统补偿，减小数据非线性的误差。对于计算误差，我们通过对系统的速度和积分得到的位移结果重建。在我们建立的空间追踪模型中，系统在追踪开始前的瞬时加速度和位移是零，在系统结束工作时的瞬时加速度和位移也是零等条件，完全可以对位移的积分结果以及速度的积分结果进行重建。在RF通信过程中，为了避免出现数据包丢失、重传等错误造成系

14、统结果结果不准确的情况，我们决定在数据发送端和接收端采用停止等待通信协议。从而提高数据传输的可靠性，有效的避免了由数据包丢失、重传等造成的加速度数据传输错误。对于误差的处理，接下来主要介绍的是卡尔曼滤波器和可靠通信协议。另外的两个处理方法在其他的系统中也多有涉及，因此在此不多赘述。3.2：卡尔曼滤波器卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。卡尔曼滤波不要求信号和噪声都是平稳过程的假设条件。对于每个时刻的系统扰动和观测误差（即噪声）

15、，只要对它们的统计性质作某些适当的假定，通过对含有噪声的观测信号进行处理，就能在平均的意义上，求得误差为最小的真实信号的估计值。因此，自从卡尔曼滤波理论问世以来，在通信系统、电力系统、航空航天、环境污染控制、工业控制、雷达信号处理等许多部门都得到了应用，取得了许多成功应用的成果。例如在图像处理方面，应用卡尔曼滤波对由于某些噪声影响而造成模糊的图像进行复原。在对噪声作了某些统计性质的假定后，就可以用卡尔曼的算法以递推的方式从模糊图像中得到均方差最小的真实图像，使模糊的图像得到复原。卡尔曼滤波器模型如下：其中：xk是系统状态矩阵，k是系统噪声，k是状态转移矩阵在噪声环境下，测量方程为：其中：vk为

16、测量噪声，H为测量矩阵估计误差平均方差：卡尔曼滤波器估计模型：状态预测模型：其中K为卡尔曼增益。将系统得到的加速度状态加入到模型中后，得到：其中：Uk为加速度状态，且添加状态后时间更新方程：33状态更新方程：卡尔曼滤波器模型如图3-2所示图3-2：卡尔曼滤波器模型3.3可靠通信协议在RF通信过程中，为了避免出现数据包丢失、重传等错误造成系统结果结果不准确的情况，我们决定在数据发送端和接收端采用停止等待通信协议，从而提高数据传输的可靠性，有效的避免了由数据包丢失、重传等造成的加速度数据传输错误。停止等待协议概念如下：只有收到序号正确的确认帧 ACKn 后，才更新发送状态变量 V(S)一次，并发送

17、新的数据帧。接收端接收到数据帧时，就要将发送序号 N(S) 与本地的接收状态变量 V(R) 相比较。若二者相等就表明是新的数据帧，就收下，并发送确认。否则为重复帧，就必须丢弃。但这时仍须向发送端发送确认帧 ACKn，而接收状态变量 V(R) 和确认序号 n 都不变。连续出现相同发送序号的数据帧，表明发送端进行了超时重传。连续出现相同序号的确认帧，表明接收端收到了重复帧。发送端在发送完数据帧时，必须在其发送缓存中暂时保留这个数据帧的副本。这样才能在出差错时进行重传。只有确认对方已经收到这个数据帧时，才可以清除这个副本。具体实现如下：在接收端：(1) 等待。(2) 若收到由发送端发过来的数据帧，则

18、将其放入数据链路层的接收缓存。(3) 将接收缓存中的数据帧上交主机。(4) 向发送端发一信息，表示数据帧已经上交给主机。(5) 转到(1)在发送端：(1) 取一个数据帧。(2) 将数据帧送到数据链路层的发送缓存。(3) 将发送缓存中的数据帧发送出去。(4) 等待。(5) 若收到由接收端发过来的信息(此信息的格式与内容可由双方事先商定好)，则从主机取一个新的数据帧，然后转到(2)。四：空间轨迹追踪系统论文结语这个项目主要是在实验室的时候和同学一起做的的一个创新项目，负责数据传输和处理方面的主要是我和另外一位同学，我涉及数据处理方面比较多，所以在论文中对于数据处理算法以及误差处理方面介绍的比较多。在整个系统中，最终要部分也就是具体的算法实现部分由于实验室的要求不能详细的介绍，本文中介绍的主要是解决问题的方