MPU6050 加速计滤波

最新推荐文章于 2024-05-05 21:27:10 发布
最新推荐文章于 2024-05-05 21:27:10 发布
阅读量2k 收藏 6
点赞数 3
分类专栏： 无人机

https://blog.csdn.net/qq295109601/article/details/78778835

加速度计滤波实验参数：

 

采样频率Fs=250Hz

截止频率Cutoff Frequency

未开电机静止

开电机悬停

未开电机转动飞控

原始输出(Raw)

260 Hz

260Hz

260Hz

MPU6050内部(LPF)

94 Hz

94 Hz

94 Hz

2阶(Butterworth)

30 Hz

30 Hz

30 Hz

8深度窗口滑动(Window)

N/A

N/A

N/A

数据分析

4组画图对比(A)

4组画图对比(C)

4组画图对比(F)

4组FFT变换(B)

4组FFT变换(D)

N/A

8组 RMSE (E)

N/A

 

说明：

1.        所有数据来源于MPU6050，单片机采样周期为4ms，即采样频率Fs=250Hz

2.        开电机悬停：绑住对角机臂，四电机同时打开，解开绳索飞行器可在空中飞行不掉下。由于没有快速无线数传，所以没有测试实际飞行悬停加速度计输出，因此该测试结果只近似做参考。

3.        原始输出Raw：根据芯片手册配置，低通滤波器最大带宽为260Hz，即截止频率为260Hz。近似可看成原始加速度计输出

4.        MPU6050内部LPF：根据芯片手册配置，LPF这里选择94Hz，用于测试内部LPF性能

5.        2阶Butterworth：截止频率选择为30Hz，对Raw进行滤波

6.        8深度窗口滑动：目前四轴上广泛使用的平均滑动滤波，深度为8，对Raw进行滤波

 

测试结果（以下“>”表示：“性能好于”）：

A（未开电机静止）:


结论：

静态平滑性能：窗口滑动>Butterworth>LPF>Raw


B（未开电机静止）:


结论：

1.        从Raw的FFT变换结果可以看出静态时的加速度计类似白噪声，其振幅平均分布在Fs/2上

2.        LPF的结果不尽如人意。LPF的截止频率为94Hz，理应在94Hz处有较大的幅值下降，但是这种幅值变化的不明显，由此可见MPU6050内置的LPF性能有待改进

3.        2阶Butterworth滤波器效果就好很多，在30Hz以前和Raw的频谱大致相同，接着在30Hz出现大幅度的幅值衰减，说明滤波器起到了效果

4.        窗口平均滑动滤波出现了匪夷所思的现象，这种幅值衰减特别有规律！鉴于笔者信号分析学的很烂，这里就不展开了。

5.        其实从窗口滑动滤波的FFT结果就可以看出来效果了，简单的平均滤波效果在频谱上确实有不错的效果，至少比内置的LPF效果要好。如果在四轴同时应用了LPF和窗口平均滑动，那么效果会更好

 

C（开电机悬停）:


结论：

打开电机之后，结果同静态平滑性能：窗口滑动>Butterworth>LPF>Raw


D（开电机悬停）:


结论：

1.        从Raw的FFT变换结果可以看出打开电机时的加速度计与静止时的结果有了明显不同：首先是振幅有了明显的变化，从原先的200~600，到现在的10000~60000，这是由于打开电机后的机械震动引起的巨大振幅；其次就是频率分布，可以清楚地看到在40Hz和90Hz附近有较大的振幅分布，说明机械震动产生的信号频率大多数分布在这两个频率范围附近，而这种频率附近的信号我们是不需要的，这也就是说：我们要采用某种滤波器，至少在40Hz或者90Hz处截止，高于该频率的信号一律屏蔽。

2.        LPF的结果很奇怪。在低频阶段0~40Hz的振幅极小，反而在100Hz处有较大的幅值分布，看起来就像是高通滤波器，而不像是低通滤波器。虽然设置的LPF在94Hz截止，但是在94Hz后面仍然有较大的震动信号出现，再次证明了MPU6050内置的LPF的效果确实不怎么令人满意

3.        2阶Butterworth滤波器效果比LPF效果好很多。在打开电机后，可以看到在30Hz之前的信号频谱和Raw的分布基本一致，说明保留了真实的信号输出。而在30Hz以后，其信号的幅值有了大幅度的明显衰减，有效的滤掉了高频的电机震动引起的干扰信号

4.        对于窗口平均滑动滤波依旧出现了匪夷所思的现象。这种有规律的频谱实在是看不懂，不过在低频段和原始输出保持一致，而在高频部分也有效的抑制了电机产生的震动信号。所以这种方法应用在四轴上的加速度计滤波是可以的，至少比内部LPF效果要好。

 

E（8组 RMSE）:


这个图很有意思，RMSE（Root-Mean-Square-Error）均方根误差，常用来表征估计的准确程度。RMSE越小说明精度越高，这里由于是静止测试和开电机悬停测试，所以这里的RMSE用来表示数据的平滑性。

结论：

无论开电机与否，数据平滑性性能：窗口滑动>Butterworth>LPF>Raw

 

F（未开电机转动）:


该测试用来比较Butterworth和窗口滑动滤波的延迟特性

结论：

数据平滑性性能指标：窗口滑动>Butterworth>Raw

 

为了更加清楚的看到延迟特性，下图放大Y轴在980次采样点的三条输出曲线：


结论：

数据延迟性能特性：Raw>Butterworth>窗口滑动，也就是说Butterworth滤波延迟小于8深度的窗口滑动滤波。

 

最后总结：

1.        尽量不要用MPU6050内置的LPF滤波。虽然相比于原始加速度计输出，该LPF可以平滑输出，但是在FFT频谱上的表现相当差劲。

2.        广泛使用的窗口平均滑动滤波无论在FFT还是RMSE表现上都有不错的表现，所以一般基础应用（低速运动或四轴初学者）采用窗口平均滤波是比较明智的选择。

3.        想要达到更好的滤波效果，FIR或者IIR滤波器是更好的选择。笔者测试2阶30Hz的Butterworth滤波器虽然在平滑性RMSE只比窗口平均滑动差了一点（但是比LPF要好），但是数据实时性性能指标上比前者响应速度提高了近一倍。因此在制作四轴的进阶阶段，可以考虑将窗口平均滑动换成Butterworth滤波器。

`@[TOC](这里写自定义目录标题)

欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

  1. 全新的界面设计 ，将会带来全新的写作体验；
  2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
  3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
  4. 全新的 KaTeX数学公式 语法；
  5. 增加了支持甘特图的mermaid语法1 功能；
  6. 增加了 多屏幕编辑 Markdown文章功能；
  7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
  8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H2O is是液体。

210 运算结果是 1024.

插入链接与图片

链接: link.

图片: Alt

带尺寸的图片: Alt

居中的图片: Alt

居中并且带尺寸的图片: Alt

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

  • 项目
    • 项目
      • 项目
  1. 项目1
  2. 项目2
  3. 项目3
  • 计划任务
  • 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目Value
电脑$1600
手机$12
导管$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列第二列第三列
第一列文本居中第二列文本居右第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPEASCIIHTML
Single backticks'Isn't this fun?'‘Isn’t this fun?’
Quotes"Isn't this fun?"“Isn’t this fun?”
Dashes-- is en-dash, --- is em-dash– is en-dash, — is em-dash

创建一个自定义列表

Markdown
Text-to- HTML conversion tool
Authors
John
Luke

如何创建一个注脚

一个具有注脚的文本。2

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞​tz−1e−tdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

Mon 06 Mon 13 Mon 20 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid
  • 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：:

张三 李四 王五 你好！李四, 最近怎么样? 你最近怎么样，王五？ 我很好，谢谢! 我很好，谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接
长方形
圆
圆角长方形
菱形
  • 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

Created with Raphaël 2.2.0 开始 我的操作 确认？ 结束 yes no
  • 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件或者.html文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

  1. mermaid语法说明 ↩︎

  2. 注脚的解释 ↩︎

zhangfengmei1987
关注
  • 3
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
加速度计陀螺仪Kalman滤波-建模及C代码
06-02
本文详细解释了kalman滤波在加速度计、陀螺仪滤波应用，其中包括，对C源程序的由来，进行了详细的解释和标注。 Kalman滤波 建模分析 惯性导航 C源程序
加速度计原始数据卡尔曼滤波
05-07
对加计原始数据的卡尔曼滤波matlab程序，本人亲测的。把代码考进去，直接运行就能看到结果啦。
MPU6050_加速度_MPU6050_
09-29
MPU6050加速度传感器测量帆板偏移的角度
MPU6050滤波、姿态融合（一阶互补、卡尔曼
最新发布
木牛的博客
05-05 224
在进行零偏数据的计算时，需要将200个原始数据相加，但是一开始我的总和定义的还是一个int型的数据，这时200个数据的和可能已经超过了int型数据的取值范围，所以产生了溢出。另外，当我们程序中总变量的字节数超过128字节时，必须对程序中所有变量进行初始化，否则没有被初始化的变量默认值不在是0，而是不确定的随机数。不管怎么修改量程，输出的波形震动范围总是在+-20000波动，但是当我把加速度计的量程设置为+-16G的时候，理论上其LSB应该为2048左右，但是发现输出的波形也是震动范围很大。
基于战舰V3的MPU6050六轴陀螺仪实验
超级霸霸强的博客
07-18 2968
基于战舰V3的MPU6050六轴陀螺仪实验 陀螺仪的分类 3轴传感器指的是3轴的加速度，根据这个加速度我们解算出XY两轴的角度。 6轴传感器指的是3轴的加速度和3轴角速度，根据这两个数据我们解算出XYZ三轴的角度(Z轴是角速度积分解算，所以存在累计误差)。 9轴传感器指的是3轴的加速度、3轴角速度和3轴磁场，根据这三个数据我们解算出XYZ三轴的角度(Z轴是磁场解算，相当于电子罗盘，但受磁场干扰的影响)，九轴传感器彻底解决了Z轴角度的漂移，使用前需磁场校准，使用时原理磁场干扰区域。 10轴传感器指的
基于STM32F407四旋翼无人机---MPU6050数据处理（滑动均值滤波）（二）
qq_43046763的博客
06-07 5480
MPU6050模块是一个比较常用的一个姿态传感器，里面有三轴加速度计和三轴陀螺仪的六轴传感器模块，并可以利用DMP来直接输出姿态解算后的数据，通过IIC通信将姿态结算后的数据输出，但是看过大多数飞控中的姿态解算发现很少用DMP来做姿态解算的，因为用DMP做姿态解算会有漂移，而且收敛速度较慢，此模块自带温度传感器，这个温度传感器可不是测量机体周围环境的温度，而是像电脑中电脑管家里面经常看到的CPU温度一样，它测量的就是MPU6050此时的温度，那么这个温度有什么用呢？当MPU6050自身有温度的时候是对数据是
MPU6050常见问题的分析与处理
热门推荐
微光feng的博客
01-25 2万+
# MPU6050常见问题的分析与处理 本文主要针对STM32使用MPU6050过程中产生的问题进行分析和处理，部分内容也适用于其他单片机。本文基于MPU6050自带的DMP算法。文章内容对于MPU6050调试过程有一定的帮助。
陀螺仪与加速度计的姿态融合——互补滤波
小白白学电子
11-25 1万+
本篇文章我们来讲讲如何将陀螺仪和加速度计的数据结合起来，获取更准确的姿态数据，使用的是互补滤波的方法。
浅谈陀螺仪和加速度计的互补滤波
hjwang1的专栏
06-29 3387
ref:https://blog.csdn.net/zhaojun1204/article/details/52790697 结合加速度计和陀螺仪的平衡解决方案 首先通过ADC采样，读出陀螺仪和编码器的电压值，并将其转化为可用单位： 1.偏移（offset）：让陀螺仪静止，加速度计保持水平并静止，这时候读到电压值，就是偏移值。如果读数不稳定，取平均值即可。 2.转换系数（scale):传感器输出电压值乘以系数，得到我们想要的单位，这个系数可以在传感器的数据手册（datasheet）中找到。关于加速度计 根
stm32f103+MPU6050_卡尔曼滤波
12-31
stm32f103+MPU6050_卡尔曼滤波，读取原始数据并计算欧拉角
MPU6050的卡尔曼滤波C++实现代码.zip
08-18
MPU6050的卡尔曼滤波C++实现代码
MPU6050测试代码.7z
07-23
在 MPU6050 的采样频率设置中，读者可在 imv_mpu.h 文件第 26 行的宏定义进行修改 #define DEFAULT_MPU_HZ (100)，设置成 100HZ，即可保证 6050 的数据是 10ms 更新一次，也就是说 MPU60050 本身的数据输出频率就是 100HZ。（注意：MPU6050 的频率不能超过 200HZ）
用“卡尔曼滤波器”来处理“加速度计数据”(加速度_陀螺仪调试)
04-27
卡尔曼滤波器处理“加速度计数据”,这个技术在陀螺仪中经常需要的，此文档详细讲述了该技术的原理，值得借鉴。
stm32f103+MPU6050_一阶互补滤波
12-31
stm32f103+MPU6050_一阶互补滤波，读取原始数据并计算欧拉角
基于51单片机实现MPU6050的卡尔曼滤波算法（小车）.zip
10-24
基于51单片机实现MPU6050的卡尔曼滤波算法（小车）代码分享 博主github: https://github.com/MichaelBeechan
MPU6050用卡尔曼滤波解算姿态
09-20
由陀螺仪和加速度计解算欧拉角，自己根据Steven M.Kay的《统计信号处理基础》给出的公式编写的程序，矢量状态-标量观测。除卡尔曼滤波外还有陀螺仪和加速度计的数据校准程序。
MPU6050传感器数据滤波
xhj1021的博客
03-28 4438
平滑滤波处理MPU6050原始数据
加速度S形算法：滤波方式下的公式推导
he_nan的博客
06-21 882
原始速度函数 设初始速度为v0v_0v0​，最大加速度为ama_mam​，加速时间为t1t_1t1​，滤波时间为t2t_2t2​，于是有 v(t)=v0+amt,t∈[0, t1]f(t)=π2t2sin⁡(πt2t),t∈[0, t2] \begin{aligned} &v(t)=v_0+a_mt, && t\in[0,\ t_1] \\ &f(t)=\dfrac{\pi}{2t_2}\sin(\dfrac{\pi}{t_2}t), &&
MPU6050
StudyPower_Max的博客
05-14 8060
姿态传感器—MPU6050简介寄存器数字运动处理器 DMP 简介 MPU6050是一款六轴（三轴加速度+三轴角速度（陀螺仪））传感器 MPU6050含有一个第二IIC接口，可用于连接外部磁力传感器 MPU6050自带数字运动处理器（DMP）通过主IIC接口，可以向CPU提供四元数，CPU可利用四元数得到欧拉角：航向角（yaw） 横滚角（roll） 俯仰角（pitch） 寄存器 1、电源管理寄存器1（0x6B） bit7位用来控制复位，设置为1 硬件自动清零该位。 bit6位用于控制工作模式，1，睡眠模
stm32mpu6050+卡尔曼滤波
01-20
卡尔曼滤波是一种常用的滤波算法，用于估计系统状态。在STM32上使用MPU6050传感器进行姿态估计时，可以结合卡尔曼滤波算法来提高姿态的准确性。 以下是使用STM32和MPU6050传感器进行姿态估计并应用卡尔曼滤波的示例代码： 1. 首先，需要配置STM32的GPIO和I2C接口，以便与MPU6050传感器进行通信。 2. 然后，需要初始化MPU6050传感器，并设置其工作模式和采样率。 3. 接下来，需要编写一个函数来读取MPU6050传感器的原始数据，包括加速度计和陀螺仪的数据。 4. 使用卡尔曼滤波算法来估计姿态。卡尔曼滤波算法需要定义系统模型和测量模型，并根据传感器数据进行状态估计。 5. 最后，可以使用估计的姿态数据来进行相应的控制或应用。 下面是一个简单的示例代码，演示了如何在STM32上使用MPU6050传感器和卡尔曼滤波算法进行姿态估计： ```c #include <stdio.h> #include "stm32f4xx.h" #include "mpu6050.h" #include "kalman.h" int main(void) { // 初始化MPU6050传感器 MPU6050_Init(); // 初始化卡尔曼滤波器 Kalman_Init(); while (1) { // 读取MPU6050传感器的原始数据 MPU6050_ReadRawData(); // 使用卡尔曼滤波算法进行姿态估计 Kalman_Update(MPU6050_GetAccX(), MPU6050_GetAccY(), MPU6050_GetAccZ(), MPU6050_GetGyroX(), MPU6050_GetGyroY(), MPU6050_GetGyroZ()); // 获取估计的姿态数据 float roll = Kalman_GetRoll(); float pitch = Kalman_GetPitch(); float yaw = Kalman_GetYaw(); // 在这里可以进行相应的控制或应用 // 打印姿态数据 printf("Roll: %.2f, Pitch: %.2f, Yaw: %.2f\n", roll, pitch, yaw); } } ``` 请注意，以上示例代码仅为演示目的，实际应用中可能需要根据具体需求进行适当的修改和优化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值