移动电话陀螺漂移

Question

很多帖子都谈到陀螺漂移问题。有些人说陀螺仪读数有漂移，而另一些人说整合有漂移。

1. 原始陀螺读数有漂移[链接]。
2. 集成有漂移[链接](Answer1)。

所以，我做了一个实验。接下来的两个数字是我得到的。下图显示陀螺仪读数一点也不漂移，但有偏移量。由于偏移，集成是可怕的。所以，似乎整合就是漂移，是吗？

​

下一个图显示，当偏移量减小时，积分一点也不漂移。

​

此外，我还进行了另一项实验。首先，我把手机固定在桌子上大约10秒钟。然后把它转到左边，然后恢复到后面。然后右转后退。下面的图很好地说明了角度。我所使用的只是减少偏移量，然后进行集成。

​

​

所以，我这里最大的问题是，也许偏移量是陀螺漂移(积分漂移)的本质？在这种情况下，可以使用互补滤波器或卡尔曼滤波来消除陀螺漂移吗？

任何帮助都是非常感谢的。

Answer 1

如果陀螺读数存在“漂移”，则称为偏置，而不是漂移。

漂移是由积分引起的，即使偏置完全为零，也会发生漂移。漂移是因为你正在通过积分积累读数的白噪声。

对于漂移消除，我强烈推荐方向余弦矩阵IMU:理论手稿，在此基础上实现了对闪影2设备的传感器融合。

(编辑:该文档来自MatrixPilot项目，该项目已转移到Github，可以在wiki的下载部分找到。)

如果你坚持卡尔曼滤波，那么请看https://stackoverflow.com/q/5478881/341970。

为什么要实现自己的传感器融合算法？

安卓(SensorManager own Sensor.TYPE_ROTATION_VECTOR)和iPhone (岩心运动)都提供了自己的服务。

Answer 2

亲爱的阿里写的东西确实有问题，也不准确(错误)。

漂移是偏置的综合。当你整合时，这是偏见的明显“效果”。噪声--任何一种平稳噪声--都是均值为零的，因此是积分为零(我不是指PSD的积分，而是时间积分的信号的加性噪声)。

偏置随时间的变化，随电压和运动温度的变化而变化。例如，如果电压变化(和它变化)，偏置就会改变。它的偏见既不是固定的，也不是“可预测的”。这就是为什么你不能消除偏差，使用建议的减去估计偏差的信号。而且，任何估计都有错误。此误差在时间上累积。如果误差较小，累积(漂移)的影响会在较长的间隔内显现，但它仍然存在。

理论上说，彻底消除偏见是不可能的，在今天。在目前的技术水平上，还没有人找到消除偏置的方法--只有基于陀螺仪和加速度计的磁强计--能够过滤掉所有的偏置。

安卓和iPhone的偏置消除算法实现有限。它们并非完全不受偏见效应的影响(例如，在较小的间隔内)。对于某些应用程序，这可能会导致严重的问题和不可预测的结果。

Answer 3

在这次讨论中，Ali和Stefano都提出了由于理想的整合而产生的漂流的两个基本方面。

从根本上说，零均值白噪声是一个理想化的概念，即使是这种理想的噪声积分，也比噪声的低频分量提供了更高的增益，从而在集成信号中引入了低频漂移。从理论上讲，零均值噪声不应引起长时间观测到的漂移，但实际上理想积分是行不通的。

另一方面，如果在读取(输入信号)中执行理想的积分(无损失求和)，即使是较小的直流偏移(输入信号)也会造成明显的漂移。当理想积分对输入信号的直流分量有无限增益时，它可以在系统中增加一个很小的直流偏移量。因此，在实际应用中，我们用低通滤波器代替理想的积分，低通滤波器的截止率可以达到要求，但不能为零，也不能太低，不适合实际应用。