【技术实现步骤摘要】
本公开涉及惯性传感器系统，并且更具体地涉及包括多个惯性传感器的惯性传感器系统。
技术介绍
1、惯性测量单元(imu)被用于多种应用中。此类应用可以包括战术级导航应用、汽车应用、自动驾驶、移动测绘、机器人姿态估计、无人机导航水下机器人等。然而，在此类敏感应用中使用微机电系统(mems)imu具有挑战性。
2、
技术介绍
部分中讨论的所有主题不一定是现有技术，并且不应仅仅因为其在
技术介绍
部分中的讨论而被假定为现有技术。沿着这些思路，对
技术介绍
部分中讨论的或与此类主题相关的现有技术中的问题的任何认识不应被视为现有技术，除非明确声明为现有技术。相反，背景部分中任何主题的讨论都应被视为专利技术人解决特定问题的方法的一部分，其本身也可能具有创造性。
技术实现思路
1、本公开的实施例提供了一种能够融合来自多个imu的传感器数据的传感器系统。传感器系统将来自各个imu的传感器数据的时间戳对齐。传感器系统检测传感器数据指示低移动(基本上静止)还是高移动。然后，传感器系统基于移动量利用高动态融合过程或低动态融合过程。这使得传感器系统能够以高度精确且高效的方式融合传感器数据。
2、在一个实施例中，传感器系统包括通信地耦合到每个imu的控制电路。控制电路包括用于融合来自各个imu的传感器数据的数据融合模块。
3、在一个实施例中，每个imu包括传感器和asic。asic包括模数转换器(adc)和fifo。adc接收来自传感器的模拟传感器信号并且将模拟传感器信号转换为数字传感器
4、在一个实施例中，控制电路通过向每个imu的fifo提供第二时钟信号将传感器数据的时间戳对齐。第二时钟信号具有比第一时钟信号的频率低得多的第二频率。由于fifo以显著低于adc的odr的输出数据速率(odr)输出数据，因此每个fifo的输出都被高度对齐。这可以对应于将来自每个imu的传感器数据的时间戳对齐。
5、在一个实施例中，数据融合模块包括静止检测模块。静止检测模块接收具有已对齐的时间戳的传感器数据，并且确定传感器数据指示低程度的移动(基本上静止的状态)还是高程度的移动。数据融合模块包括高动态融合模块和低动态融合模块。高动态融合模块包括针对与高程度的移动相对应的传感器数据的融合而定制的算法。低动态融合模块包括针对与低程度的移动相对应的传感器数据的融合而定制的算法。因此，数据融合模块选择性地利用低动态融合模块或高动态融合模块，以高度精确的方式融合传感器数据。
6、在一个实施例中，传感器融合模块为每个传感器数据通道引入品质因数。品质因数可以指示哪些传感器数据通道可以是可信的以及哪些传感器数据通道是有故障的。
7、在一个实施例中，传感器融合模块可以避免利用单独的噪声参数。自适应噪声公式可以避免利用艾伦(allan)方差参数来对各个传感器误差进行建模。结果是噪声得到有效且高效的处理。
8、在一个实施例中，传感器系统包括灵活的架构。传感器系统可以在任何给定时间与任意数目的imu一起起作用。即使一个或多个个体imu无法在给定时间提供数据，该传感器系统仍然有效。
9、在一个实施例中，融合算法可以避免利用复杂的系统模型来进行状态估计或测量更新。相反，静止检测模块以及低动态融合模块和高动态融合模块的使用可以实现高效且有效的简单系统。此外，由于融合算法利用低功耗操作并且使用低功率姿态估计滤波器，因此融合算法可以在微控制器上运行。此外，该算法可以避免利用调谐，因为该算法通过选择使用高动态融合算法和低动态融合算法来适应变化的运动基元。
10、在一个实施例中，传感器系统提供欧拉角以及融合的加速度计和陀螺仪读数。欧拉角以及融合的加速度计和陀螺仪读数可以在大量应用中被利用。
11、根据本公开的原理的传感器系统使得能够在需要高精度的应用中使用memsimu。通常，memsimu尚未被用在此类应用中。然而，根据本公开的原理的时间戳和数据融合模块使得即使在高度敏感的应用中也能够使用memsimu。
本文档来自技高网...【技术保护点】
1.一种方法，包括：
2.根据权利要求1所述的方法，其中将所述时间戳对齐包括：对于每个惯性测量单元，
3.根据权利要求2所述的方法，其中所述第一频率是所述第二频率的至少5倍。
4.根据权利要求2所述的方法，其中将所述时间戳对齐包括：将在小于第一时钟周期的时段的时间值内来自每个先进先出存储器的所述传感器数据的上升沿对齐。
5.根据权利要求1所述的方法，其中所述多个传感器融合过程包括低动态传感器数据融合过程和高动态传感器数据融合过程。
6.根据权利要求5所述的方法，包括：利用所述传感器系统的控制电路，确定所述传感器数据是否指示基本上静止的运动状态。
7.根据权利要求6所述的方法，包括：
8.根据权利要求7所述的方法，其中所述低动态传感器数据融合过程包括：计算所述传感器数据的数据值的平均值。
9.根据权利要求7所述的方法，其中所述高动态传感器数据融合过程包括：对所述传感器数据执行卡尔曼滤波过程。
10.根据权利要求1所述的方法，包括：生成针对所述惯性测量单元中的每个惯性测量单元的
11.根据权利要求1所述的方法，包括：基于所述融合的传感器数据生成欧拉角。
12.一种方法，包括：
13.根据权利要求12所述的方法，包括：
14.根据权利要求12所述的方法，包括：利用所述控制电路，确定所述传感器数据是否指示基本上静止的状态。
15.根据权利要求14所述的方法，包括：
16.根据权利要求13所述的方法，其中将所述传感器数据融合包括：从各自来自相应的惯性测量单元的多个传感器数据向量，生成单个融合的传感器数据向量。
17.根据权利要求12所述的方法，其中从所述模数转换器接收所述传感器数据包括：
18.一种传感器系统，包括：
19.根据权利要求18所述的传感器系统，其中每个惯性测量单元分别包括：
20.根据权利要求18所述的传感器系统，其中所述控制电路包括数据融合模块，所述数据融合模块被配置为执行所述低动态传感器数据融合算法和所述高动态传感器数据融合算法。
21.根据权利要求20所述的传感器系统，其中所述控制电路被配置为从所融合的传感器数据生成欧拉角。
...【技术特征摘要】
1.一种方法，包括：
2.根据权利要求1所述的方法，其中将所述时间戳对齐包括：对于每个惯性测量单元，
3.根据权利要求2所述的方法，其中所述第一频率是所述第二频率的至少5倍。
4.根据权利要求2所述的方法，其中将所述时间戳对齐包括：将在小于第一时钟周期的时段的时间值内来自每个先进先出存储器的所述传感器数据的上升沿对齐。
5.根据权利要求1所述的方法，其中所述多个传感器融合过程包括低动态传感器数据融合过程和高动态传感器数据融合过程。
6.根据权利要求5所述的方法，包括：利用所述传感器系统的控制电路，确定所述传感器数据是否指示基本上静止的运动状态。
7.根据权利要求6所述的方法，包括：
8.根据权利要求7所述的方法，其中所述低动态传感器数据融合过程包括：计算所述传感器数据的数据值的平均值。
9.根据权利要求7所述的方法，其中所述高动态传感器数据融合过程包括：对所述传感器数据执行卡尔曼滤波过程。
10.根据权利要求1所述的方法，包括：生成针对所述惯性测量单元中的每个惯性测量单元的品质因数。
【专利技术属性】
技术研发人员：S·S·萨哈，D·希奥卡，M·乔达里，
申请(专利权)人：意法半导体国际公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。