IMU噪声的单位换算

白噪声功率谱密度(PSD)在整个频域均匀分布,PSD单位:

信号单位^2/Hz

常用这个单位的平方根作为其单位(我也不知道为什么),即:

信号单位/sqrt(Hz)

角速度PSD的单位:

rad/s/sqrt(Hz)

deg/s/sqrt(Hz)

deg/sqrt(hr)

上述第二个和第三个单位之间差了60倍,即 deg/s/sqrt(Hz) = 60 deg/sqrt(hr),因为:

Hz = 1/s

deg/s/sqrt(Hz) = deg/s/sqrt(1/s) = deg/sqrt(s) = deg/sqrt(hr/3600) = 60deg/sqrt(hr)

也就是deg/s/sqrt(Hz) 是一个比较大的单位

加速度PSD的单位:

m/s^2/sqrt(Hz)  

m/s/sqrt(hr)

mGal/sqrt(Hz)

其中mGal是毫伽(伽利略定义的)

1Gal = 1cm/s^2

1mGal = 1e-3cm/s^2 = 1e-5m/s^2 约等于 1e-6G 也就是 1uG = 1微G

对于信号的PSD来说,可以认为PSD就是函数值,面积就是信号的总能量/强度,但信号总能量=时域的幅度的平方,也就是 信号总能量 = PSD乘以BW(带宽),信号幅度与信号带宽的平方跟成正比

imu的加速度、角速度进行卡尔曼滤波的步骤如下: 1. 确认系统模型:建立imu的状态模型,包括状态向量、系统噪声向量以及测量噪声向量。 2. 测量数据处理:读取imu采集到的加速度和角速度数据,并对其进行预处理(如去除零偏、单位换算等)。 3. 初始化卡尔曼滤波器:确定状态向量的初始状态、状态协方差矩阵的初始。 4. 预测状态:使用系统模型预测下一时刻的状态向量以及状态协方差矩阵。 5. 更新状态:使用测量模型和预测状态计算估计状态向量以及对应的状态协方差矩阵。 6. 重复预测和更新步骤:按照时序不断进行预测和更新,直到滤波完成。 以下是用Matlab进行卡尔曼滤波的示例代码: % 系统模型 A = [1 Ts; 0 1]; % 状态转移矩阵 B = [Ts^2/2; Ts]; % 控制输入矩阵 H = [1 0]; % 测量矩阵 Q = [q1 0; 0 q2]; % 系统噪声协方差矩阵 R = r; % 测量噪声方差 % 初始化 x_hat = [0; 0]; % 状态向量初始 P = [p1 0; 0 p2]; % 状态协方差矩阵初始 % 滤波 for i = 1:N % 预测 x_hat_pred = A * x_hat; P_pred = A * P * A' + B * Q * B'; % 更新 K = P_pred * H' / (H * P_pred * H' + R); x_hat = x_hat_pred + K * (z(i) - H * x_hat_pred); P = (eye(2) - K * H) * P_pred; end 其中,Ts为采样周期,q1、q2为加速度、角速度的系统噪声方差,r为测量噪声方差,z为测量序列,N为采样点数,p1、p2为状态协方差矩阵的初
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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