湯家森 李瑞祥 施偉斌 李輝

摘要：針對慣性傳感器測量系統(tǒng)中采用單一傳感器往往會因測量噪聲及誤差而降低系統(tǒng)檢測精度等問題，根據(jù)傳感器分辨率各不相同的特性，結(jié)合小波多分辨率分析的特點，采用Mallat快速算法并在各尺度上應(yīng)用卡爾曼濾波處理，實現(xiàn)對不同傳感器觀測數(shù)據(jù)的融合。設(shè)計算法進行仿真實驗，結(jié)果證明，算法有效提升了融合數(shù)據(jù)信噪比（SNR），得到不失真的融合信號波形，提高了慣性傳感器系統(tǒng)精度。該算法相比對慣性傳感器數(shù)據(jù)進行簡單濾波處理再進行特征選取的普遍做法，應(yīng)用在多傳感器的人體姿態(tài)識別系統(tǒng)中可以降低數(shù)據(jù)處理復(fù)雜度，證明了利用小波變換對慣性傳感器數(shù)據(jù)去噪融合的實用性。

關(guān)鍵詞：傳感器系統(tǒng);小波變換;數(shù)據(jù)融合;姿態(tài)識別

DOI： 10. 11907/rjdk.191781

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP319

文獻標(biāo)識碼：A

文章編號：1672-7800（2020）004-0199-04

0 引言

人體姿態(tài)識別研究中常采用慣性傳感器如加速度計陀螺儀獲取實時運動信號[1-2]，這類傳感器在體積、重量和測量精度等各方面的優(yōu)點使其得以廣泛應(yīng)用，單傳感器系統(tǒng)測量結(jié)果往往伴隨很多隨機噪聲，而將多種分辨率不一的傳感器信號加以濾波及融合以提升系統(tǒng)測量精度，需要利用合適的方法。文獻[3]提供的自適應(yīng)加權(quán)融合算法將動態(tài)系統(tǒng)中不同傳感器數(shù)據(jù)進行加權(quán)融合，算法較為直觀但精度不佳;文獻[4]對小波濾波后的數(shù)據(jù)采用提升小波變換，實現(xiàn)不同帶寬信號融合，融合結(jié)果幅值衰減小于-2.5DB;文獻[5]采用A-trous快速小波變換對濾波后的兩組仿真信號進行融合，將不同分辨的信號轉(zhuǎn)換成相同分辨率，證明了小波分析對傳感器數(shù)據(jù)融合的有效性。小波變換在時頻域均有良好的分辨性，在不同尺度下具有不同的局部特征。因此，小波提供了良好的信號處理方法，可以應(yīng)用于慣性傳感器系統(tǒng)。

本文利用小波分析的特有屬性建立對多傳感器融合的信號分析方法，通過比較相似度確定合適的小波基函數(shù)，并利用快速Mallat算法實現(xiàn)慣性傳感器加速度計陀螺儀信號中的噪聲抑制，以更好地分析慣性傳感器系統(tǒng)的特征和規(guī)律。

1 慣性傳感器系統(tǒng)信號小波去噪原理

1.1 小波函數(shù)基本特點

小波變換一方面繼承于傅立葉變換局部化的思想，另一方面克服了傅里葉變換頻率分析等缺點，可以作為對信號時頻分析處理的理想工具。其主要特點是通過變換能夠突出特征，也能實現(xiàn)對時間頻率的局部化分析，通過伸縮平移運算對信號進行多尺度細化，能自動適應(yīng)時頻信號分析要求。

函數(shù)廠（t）對于給定小波基函數(shù)的連續(xù)小波變換為：

由式（1）可以看出，相比于只有一個頻率變量的傅里葉變換，小波變換有兩個變量：尺度a和平移量r。尺度a直接影響小波函數(shù)伸縮，不同尺度因子生成不同的頻率成分;平移量r直接影響小波函數(shù)的平移，使得小波能夠沿信號的時間軸實現(xiàn)遍歷。

小波重建如式（2）。

考慮到實際傳感器固有的采樣頻率，本文采用小波變換的離散形式。

1.2 小波基函數(shù)選取

對信號作小波變換處理，尋找適當(dāng)?shù)男〔ɑ瘮?shù)作為母函數(shù)尤其重要。常見的小波基函數(shù)包括Db小波、Bior-thogonal小波、Coiflet小波、SvmletsA小波、Morlet小波、Mexican Hat小波、Meyer小波等[6]。

由式（1）可以看出，小波變換表達為信號和小波基函數(shù)的卷積。因此在小波變換過程中.原信號波形和小波基函數(shù)相近的特征會被放大，而不同特征的信號則被抑制。選取與原信號相似度高的小波基函數(shù)，有利于對特征信號的提取。因此，相似度也可以用來作為衡量小波變換效果的一種評價標(biāo)準[7]。

小波基函數(shù)和原信號的相似度如式（3）。

DB5小波函數(shù)與行走狀態(tài)下加速度計信號對比如圖2所示。

由圖1、圖2可知，DB5小波和慣性傳感器采集到的運動信號相比，有較高的相似性，具有正交性。DB N（N=1，2，3，…，10）系列小波函數(shù)長度為2N-1，率波長度為2N，消失矩為N。其中，對本實驗數(shù)據(jù)DB5的相似度要優(yōu)于Haar及DBlO，如果小波分解層數(shù)過多則導(dǎo)致失真，分解層數(shù)不夠則不能有效濾噪。

2 慣性傳感器系統(tǒng)描述

3 多尺度融合算法設(shè)計

3.1 小波變換多尺度分解

采用Mallat分解，與用快速傅里葉變換實現(xiàn)傅里葉變換類似，Mallat算法也可以實現(xiàn)快速小波變換，具體流程如圖3所示。

3.2 卡爾曼濾波

卡爾曼濾波對非平穩(wěn)信號有較強的估計能力，可對小波變換得來的低頻信號與許多高頻信號在各尺度上分別加以處理，得到更優(yōu)估計。

綜上，基于小波變換和卡爾曼濾波的多尺度融合算法基本思路為：①通過Mallat快速小波變換把Ⅳ個傳感器的原信號分解在若干個尺度上;②在各尺度上分別用卡爾曼濾波處理;③將各尺度上的全局估計結(jié)果應(yīng)用Mallat快速重構(gòu)算法，得到融合信號[14]。

4 實驗與評估

采用傳感器MPU9250、STM32F103單片機和電源燈硬件組成系統(tǒng)，采集人在行走過程中的加速度信息和角速度信息，驗證信息融合的有效性，系統(tǒng)架構(gòu)如圖4所示。操作流程為開機后初始化MPU9250，然后在死循環(huán)里讀取加速度傳感器、陀螺儀等數(shù)據(jù)，將數(shù)據(jù)通過I2C總線協(xié)議傳到單片機，單片機再將數(shù)據(jù)上傳到上位機并儲存串口上報給上位機，利用上位機軟件實時顯示傳感器狀態(tài)曲線。

用計算機算法仿真時，選擇與原信號相似度較高的具有良好正交性與雙正交性效應(yīng)的DB5小波分析模擬信號，作5層分解，卡爾曼濾波處理后再小波重構(gòu)，仿真結(jié)果如圖5所示。其中，原始信號信噪比分別為9.5dB、8.6dB，融合結(jié)果為16.8dB。

對比圖5（c）和圖5（a）、圖5（b）可知，對于非平穩(wěn)信號去噪，小波變換結(jié)合卡爾曼濾波的消噪效果明顯，保留了原始信號特征。圖5（d）采用DB3小波作為小波基函數(shù)，作三層分解，算法融合結(jié)果出現(xiàn)圖示兩處失真，證明準確判斷小波基函數(shù)及分解層數(shù)的影響意義。該方法可應(yīng)用于人體姿態(tài)識別系統(tǒng)的測量數(shù)據(jù)處理上，魯棒性良好。

5 結(jié)語

獲取準確的傳感器數(shù)據(jù)對人體姿態(tài)識別研究具有重要意義。本文基于傳感器MPU9250采集到的加速度、角速度信息，構(gòu)造與原信號相似度較高的小波基函數(shù)，根據(jù)小波分析多分辨率的特點，利用快速小波變換對多傳感器信號進行多尺度分解重構(gòu)，并在各尺度上對信號進行濾波處理。實驗效果濾除了傳感器運動過程中的隨機噪聲并突出信號特征，能更直觀地觀測信號，提高了慣性系統(tǒng)準確性。對傳感器高低頻率范圍的適應(yīng)性以及對處理后數(shù)據(jù)的特征提取是下一步研究重點。

參考文獻：

[1]

CHOU K C，GOLDEN S A， WILLS KYAS. Multiresolution stochasticmodels. data fusion， and wavelet transform [Jl. Signal Processing，1993，34（3）：257-282.

[2]

SEOKHOON K. ANAND P， CWANGGIL J. Reduction of mixed noisefrom wearable sensors in human-motion estimation [J]. Computersand Electrical Engineering， 2017（ 61）： 287-296.

[3]李媛媛，張立峰，多傳感器自適應(yīng)加權(quán)融合算法及其應(yīng)用研究[J].自動化與儀器儀表，2008（2）：10-13.

[4]蔣行國，楊文淑，包啟亮，等.基于小波變換的兩種慣性傳感器數(shù)據(jù)融合[J].光電工程，2007，34（1）：90-94.

[5] 劉素一，張海霞，基于A-trous小波變換的多傳感器數(shù)據(jù)融合方法[J].軟件導(dǎo)刊，2006（ 21）：89-90.

[6] 胡昌華.基于Matlab的系統(tǒng)分析與設(shè)計——小波變換[M].西安：西安電子科技大學(xué)出版社，2001.

[7] 陳澤鑫.小波基函數(shù)在故障診斷中的最佳選擇[J].機械科學(xué)與技術(shù)，2005， 24（2）：172-175.

[8] 原琦，丁家滿.海量信息融合方法及其在故障診斷中的應(yīng)用[J].軟件導(dǎo)刊2018， 17（8）：174-177.

[9]

LIANG Y H. XUE K. JIN H Z.Lift fin stabilizers based on data fu-sion with ，vavelet de-noising technology[J].Journal of Control Theoryand Applications， 2010.8（ 4）： 485-490.

[10]

LIGORIO G，ANCELO M，SABATINI.A novel Kalman fiher for hu-man motion tracking with an inertial-hased dvnamic inclinometer[J]. IEEE Trans. Biomed Eng.， 2015， 62（8）：2033-2043.

[11]

CORRALES J A， CANDELAS F A. TORRES F.Hybrid tracking ofhuman operators using IMU/UWB Data Fusion by a Kalman Filter[C]. Proceeding of 3rd ADM/IEEE International Conference on Hu-man-Robot Ineraction. 2008： 193-200.

[12]

ELMAR G.A high performance hvbrid electrical optical interconnec-tion technology for high speed electronic systems[J].IEEE Transac-tions on Advanced Packaging， 2001， 24（3）：375-383.

[13]

Preece S J，Coulermas J Y. Laurence P J K， et al.A comparison offeature extraction methods for the classification of dynamic activitiesfrom accelerometer data[J].IEEE Transactions on Biomedical Engi-neering， 2009， 56（3）：871-879.

[14] 劉素一，張海霞，羅維平.基于小波變換和Kalman濾波的多傳感器數(shù)據(jù)融合[J].微計算機信息，2006，22（ 16）：179-181.

[15] 鄧自立，祁榮賓.多傳感器信息融合次優(yōu)穩(wěn)態(tài)Kalman濾波器[J].科技快報，2000.6（2）：183-184.

[16]陳亞峰，王直杰.基于MPU6050加速度信號的匹配小波設(shè)計及去噪[J].電子設(shè)計工程，2017.25（6）：114-117.

[17] 崔錦泰.小波分析導(dǎo)論[M].程正興，譯.西安：西安交通大學(xué)出版社.1995.

[18]馮智勇，曾瀚，張力，等.基于MPU6050加速度信號的匹配小波設(shè)計及去噪[J].西南師范大學(xué)學(xué)報，2011，36（ 4）：137-141.

[19]高嵩，潘泉，肖秦琨.多傳感器自適應(yīng)濾波融合算法[J].電子與信息學(xué)報，2008，30（8）：1901-1904.

[20] 李洪波，楊軍鋒.自適應(yīng)Kalman濾波在多傳感器數(shù)據(jù)融合中應(yīng)用[J].國外電子測量技術(shù)，2006. 25（6）：69-71.

[21]蔡猛.基于小波變換的多傳感器最優(yōu)信息融合[J].電光與控制，2013，20（ 12）：97-100.

[22] 孫書利，鄧自立.多傳感器線性最小方差最優(yōu)信息融合估計準則[J].科學(xué)技術(shù)工程，2004，4（5）：334-337.

（責(zé)任編輯：孫娟）

作者簡介：湯家森（1992-），男，上海理工大學(xué)光電信息與計算機工程學(xué)院碩士研究生，研究方向為無線傳感器網(wǎng)絡(luò);李瑞祥（1967-），男，碩士，上海理工大學(xué)光電信息與計算機工程學(xué)院工程師，研究方向為無線傳感器網(wǎng)絡(luò);施偉斌（1967-），男，博士，上海理工大學(xué)光電信息與計算機工程學(xué)院副教授，研究方向為無線傳感器網(wǎng)絡(luò);李輝（1996-），男，上海理工大學(xué)光電信息與計算機工程學(xué)院碩士研究生，研究方向為無線傳感器網(wǎng)絡(luò)。