PCA方法的運(yùn)動(dòng)軌跡檢測(cè)算法研究

陸 超

(南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)

PCA方法的運(yùn)動(dòng)軌跡檢測(cè)算法研究

陸 超

(南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)

以陀螺和加速度計(jì)為敏感器件的導(dǎo)航參數(shù)解算系統(tǒng)稱之為慣性導(dǎo)航系統(tǒng)，通過(guò)陀螺的輸出建立導(dǎo)航坐標(biāo)系，而加速度計(jì)的輸出可以算出運(yùn)動(dòng)物體的速度和位置。MPU6050整合了三軸陀螺儀，三軸加速度器，磁力傳感器或者其他傳感器。它可含有兩個(gè)I2C端口，可以進(jìn)行數(shù)位運(yùn)動(dòng)處理，向運(yùn)動(dòng)端輸出單一形式的數(shù)據(jù)流。針對(duì)運(yùn)動(dòng)傳感器應(yīng)用廣泛的現(xiàn)狀，提出了一種采用MPU6050模塊的運(yùn)動(dòng)軌跡檢測(cè)算法設(shè)計(jì)方案。軌跡檢測(cè)的原理是加速度經(jīng)過(guò)二重積分后可以得到位移。由于加速度傳感器輸出存在積累誤差，采用了主成分分析(PCA)方法來(lái)抑制積累誤差。用PCA進(jìn)行特征提取，對(duì)運(yùn)動(dòng)狀態(tài)下的加速度和速度進(jìn)行修正，消除積累誤差并重建軌跡。傳感器的硬件平臺(tái)搭建主控制器為STM32，通過(guò)MATLAB軟件繪圖功能，利用多組三個(gè)方向加速度值和三個(gè)方向角速度值來(lái)做出運(yùn)動(dòng)軌跡和解算姿態(tài)。實(shí)驗(yàn)結(jié)果表明：所述方法使得物體運(yùn)動(dòng)軌跡檢測(cè)的精準(zhǔn)度有所提高。

加速度傳感器；主成分分析；軌跡檢測(cè)；誤差處理

0 引 言

MEMS加速度傳感器[1]不受外界參考系的影響，非常適合應(yīng)用于運(yùn)動(dòng)物體的空間軌跡檢測(cè)。運(yùn)動(dòng)傳感器[2]使用了慣性技術(shù)，能夠探測(cè)人和物體的運(yùn)動(dòng)，通過(guò)分析處理接收到的數(shù)據(jù)來(lái)獲得更多的信息。現(xiàn)在越來(lái)越多的掌上游戲機(jī)、手機(jī)以及運(yùn)動(dòng)和健身器材都開(kāi)始增添運(yùn)動(dòng)檢測(cè)功能，隨著技術(shù)的進(jìn)步，運(yùn)動(dòng)處理技術(shù)的應(yīng)用前景不可估量。

但是由于加速度計(jì)自身的誤差和外界的干擾誤差，MEMS加速度傳感器的精度受到了影響。而傳感器的誤差和外界的干擾誤差又會(huì)影響陀螺儀。誤差的初始數(shù)值雖然很小，但是經(jīng)過(guò)二次積分等處理后數(shù)值就會(huì)積累增大，導(dǎo)致最后重建的運(yùn)動(dòng)軌跡出現(xiàn)嚴(yán)重畸變。抑制積累誤差的方法主要有零速度補(bǔ)償法[3]，其基本思想是區(qū)分物體的運(yùn)動(dòng)時(shí)段和靜止時(shí)段，將物體靜止時(shí)的加速度和速度都強(qiáng)制為零，修正運(yùn)動(dòng)速度。多項(xiàng)式補(bǔ)償算法[4]與零速度補(bǔ)償法類似，加入了初始位移為零的條件，使最終結(jié)果更接近于理論模型。多軸動(dòng)態(tài)開(kāi)關(guān)法[5]，使用了兩個(gè)標(biāo)準(zhǔn)來(lái)進(jìn)行區(qū)分，即加速度閾值和速度閾值，當(dāng)達(dá)到了加速度閾值時(shí)，物體就開(kāi)始運(yùn)動(dòng)了，當(dāng)物體的運(yùn)動(dòng)速度達(dá)到了速度閾值時(shí)，物體就由運(yùn)動(dòng)轉(zhuǎn)為靜止。

文中提出了一種基于主成分分析(Principal Component Analysis,PCA)的加速度傳感器積累誤差消除方法，采用PCA方法進(jìn)行特征提取。實(shí)驗(yàn)結(jié)果表明，該方法提高了運(yùn)動(dòng)軌跡檢測(cè)的精準(zhǔn)度。

1 加速度傳感器、陀螺儀、MPU6050及MPU6050的電路設(shè)計(jì)

1.1 加速度傳感器、陀螺儀的簡(jiǎn)要介紹

加速度傳感器用來(lái)感測(cè)運(yùn)載體的線運(yùn)動(dòng)信息，服從牛頓力學(xué)，加速度輸出是絕對(duì)加速度。加速度傳感器的主要技術(shù)指標(biāo)是量程、靈敏度和帶寬。

陀螺儀用來(lái)測(cè)量運(yùn)載體的角運(yùn)動(dòng)，在控制角運(yùn)動(dòng)的回路中用作控制環(huán)節(jié)，基本工作原理是基本慣性原理，角速度輸出是相對(duì)于慣性空間的角速度。廣泛使用的MEMS陀螺儀相比傳統(tǒng)的陀螺儀的優(yōu)勢(shì)體現(xiàn)在：體積小，重量輕，低成本，高可靠性，低功耗，大量程，易于數(shù)字化、智能化。

MPU6050模塊[6]是一款低成本的6軸模塊，結(jié)合了加速度計(jì)和陀螺儀的功能。其體積小巧，用途廣泛，做平衡小車、四軸飛行器、飛行鼠標(biāo)等等，都是必不可少且最優(yōu)的傳感器解決方案。

MPU6050的角速度能檢測(cè)到±250°、±500°、±1 000°與±2 000°的變化，可以準(zhǔn)確追蹤速度的變化，產(chǎn)品傳輸可透過(guò)最高達(dá)20 MHz的SPI或最高400 kHz的集成電路。MPU6050的供電電壓為2.5 V、3.0 V或3.3 V，可在不同電壓下工作。

1.2 MPU6050的硬件設(shè)計(jì)

主控制器是高性能的ARM CortexTM-M3 32位的RISC內(nèi)核單片機(jī)STM32，其工作頻率最高達(dá)72 MHz，內(nèi)置高速存儲(chǔ)器(20 KB SRAM、64 KB或128 KB Flash)。

MPU6050和STM32單片機(jī)之間的通信采用400 kHz的IIC接口，其供電電壓為5 V。將STM32的引腳(SDA和SCL)分別和MPU6050的24號(hào)引腳(SDA)和23號(hào)引腳(SCL)相連接，可實(shí)現(xiàn)傳感器和微處理器間的通信。MPU6050接線圖如圖1所示。

圖1 MPU6050接線圖

2 運(yùn)動(dòng)軌跡檢測(cè)算法設(shè)計(jì)

算法程序的執(zhí)行流程如圖2所示。

圖2 算法程序執(zhí)行流程

首先硬件接收數(shù)據(jù)，再分別對(duì)x軸，y軸和z軸的物體運(yùn)動(dòng)加速度和角速度進(jìn)行Kalman濾波[7]，之后對(duì)數(shù)據(jù)進(jìn)行坐標(biāo)系轉(zhuǎn)換[8]。接下來(lái)運(yùn)用PCA算法[9]消除積累誤差[10]。最后利用MATLAB繪制運(yùn)動(dòng)軌跡圖。

3 PCA方法

3.1 特征提取

對(duì)Kalman濾波處理后的加速度信號(hào)進(jìn)行特征提取[11-13]。PCA用更少特征數(shù)量取代原先更多的特征數(shù)量，即新的特征是舊的特征的線性組合。

PCA主要用于對(duì)特征進(jìn)行降維，從所有的特征中找出有意義的特征的過(guò)程就是降維[14]。如果數(shù)據(jù)的特征數(shù)非常多，可以認(rèn)為其中只有一部分特征是真正感興趣和有意義的，而其他特征或者是噪音，或者和別的特征有冗余。

所提取的特征應(yīng)能體現(xiàn)出不同類別間的差異[15-16]。這些線性組合最大化樣本方差，盡量使新的特征互不相關(guān)。PCA過(guò)程需要特征中心化，每一維的數(shù)據(jù)都要減去該維的均值。用PCA方法進(jìn)行運(yùn)動(dòng)狀態(tài)與靜止?fàn)顟B(tài)的識(shí)別。假設(shè)從某一樣本點(diǎn)開(kāi)始進(jìn)入運(yùn)動(dòng)狀態(tài)，那么其與靜止時(shí)相比，樣本點(diǎn)整體的加速度幅值會(huì)增大，樣本點(diǎn)間的變化幅度也會(huì)增大。所以特征要提取加速度幅值均值和標(biāo)準(zhǔn)差，同時(shí)需要角速度幅值均值和標(biāo)準(zhǔn)差。

用PCA方法對(duì)特征進(jìn)行建模：

(1)

(2)

(3)

把加速度值和角速度值表示成二維矩陣形式XN*J，其中N表示特征樣本個(gè)數(shù)，J表示降維過(guò)程中的樣本個(gè)數(shù)。用PCA方法進(jìn)行特征提取，還需要將建模數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

3.2 PCA算法的思想與原理

PCA是一種常用的數(shù)據(jù)分析方法。數(shù)據(jù)從原來(lái)的坐標(biāo)系轉(zhuǎn)換到了新的坐標(biāo)系，新坐標(biāo)系的選擇是由數(shù)據(jù)本身決定的。第一個(gè)新坐標(biāo)軸選擇的是原始數(shù)據(jù)中方差最大的方向，第二個(gè)新坐標(biāo)軸的選擇和第一個(gè)坐標(biāo)軸正交且具有最大方差的方向。該過(guò)程一直重復(fù)，重復(fù)次數(shù)為原始數(shù)據(jù)中特征的數(shù)目。

在一個(gè)實(shí)際問(wèn)題中，有p個(gè)隨機(jī)變量x1,x2,…,xp,對(duì)p個(gè)變量進(jìn)行線性組合，得到新的變量F1,F2,…,Fk(k≤p),新變量能夠充分反映原始變量的信息，并且相互獨(dú)立。對(duì)于一個(gè)樣本資料，觀測(cè)p個(gè)變量x1,x2,…,xp,n個(gè)樣本的數(shù)據(jù)資料陣為：X=(x1,x2,…,xp)。主成分分析就是將p個(gè)觀測(cè)變量綜合成p個(gè)新變量，即

Fj=αj1x1+αj2x2+…+αjpxp,j=1,2,…,p

(4)

其協(xié)差陣為:

Var(F)=Var(AX)=(AX)(AX)'=AXX'A'=Λ

(5)

假設(shè)原始數(shù)據(jù)協(xié)方差陣為V，將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，即

V=R=XX'

(6)

又A為正交矩陣，即滿足:

AA'=I

(7)

將原始數(shù)據(jù)的協(xié)方差代入主成分的協(xié)差陣公式,得到：

Var(F)=AXX'A'=ARA'=Λ

(8)

RA'=A'Λ

(9)

于是，變量(x1,x2,…,xp)變換后為：

(10)

4 積累誤差消除

在運(yùn)動(dòng)軌跡系統(tǒng)中，物體從靜止到運(yùn)動(dòng)再到靜止，在最后的靜止階段，采樣點(diǎn)的速度應(yīng)該為零，即加速度的積分應(yīng)當(dāng)為零，加速度也為零。但在實(shí)際情況下，物體最后靜止時(shí)，不能由采樣點(diǎn)的加速度得到一個(gè)零速度。因此需要對(duì)加速度和速度進(jìn)行修正。

加速度修正如下:

(11)

因?yàn)榉e累誤差和時(shí)間成正比：

(12)

加速度修正之后積分得到的速度初值為零，再對(duì)速度的終值進(jìn)行修正：

(13)

假設(shè)k1為運(yùn)動(dòng)的始點(diǎn)，k2為運(yùn)動(dòng)的終點(diǎn)。

5 實(shí)驗(yàn)結(jié)果與分析

首先采集初始數(shù)據(jù)，PC上位機(jī)讀取數(shù)據(jù)，使用相同頻率50Hz，輸出每組三個(gè)加速度值和三個(gè)角速度值，主要研究直線運(yùn)動(dòng)的情況。經(jīng)過(guò)Kalman濾波處理以及濾除重力加速度分量，接下來(lái)對(duì)加速度分別進(jìn)行一次積分和二次積分得到速度和位移曲線，對(duì)比基于PCA的積累誤差消除前后的速度和位移曲線，并且和零速度補(bǔ)償方法進(jìn)行軌跡重建對(duì)比。

圖3是沒(méi)有進(jìn)行積累誤差消除的速度曲線?？梢钥闯?，運(yùn)動(dòng)終止時(shí)的速度不為零，這是積累誤差導(dǎo)致的。積累誤差消除之后，看圖4的速度曲線，初始速度和終止速度都被修正為零。

圖5虛線是用PCA方法進(jìn)行特征提取，對(duì)加速度和速度修正之后重建的運(yùn)動(dòng)軌跡圖。該方法對(duì)三角形的還原度明顯高于零速度補(bǔ)償法(點(diǎn)劃線)，使得運(yùn)動(dòng)軌跡檢測(cè)算法的精度有所提高。

圖3 未作積累誤差消除的速度曲線

圖4 積累誤差消除之后的速度曲線

圖5 PCA方法積累誤差消除與零速度

6 結(jié)束語(yǔ)

為提高機(jī)械運(yùn)動(dòng)的準(zhǔn)確性和敏捷性，提出了基于PCA方法的運(yùn)動(dòng)軌跡檢測(cè)積累誤差消除方法。用PCA識(shí)別運(yùn)動(dòng)和靜止?fàn)顟B(tài)，再通過(guò)修正加速度和速度消除積累誤差，得到運(yùn)動(dòng)軌跡。實(shí)驗(yàn)結(jié)果表明，該方法能夠提高積累誤差消除的有效性和運(yùn)動(dòng)軌跡的精度，具有較好的實(shí)用價(jià)值和應(yīng)用前景。

[1]GanjiBA,Shahiri-TabarestaniM.AnovelhighsensitiveMEMSintraocularcapacitivepressuresensor[J].MicrosystemTechnologies,2013,19(2):187-194．

[2]KimJ,GravunderA,ParkHS.Commercialmotionsensorbasedlow-costandconvenientinteractivetreadmill[J].Sensors,2015,15(9):23667-23683.

[3]BangWC,ChangW,KangKH,etal.Self-containedspatialinputdeviceforwearablecomputers[C]//7thIEEEinternationalsymposiumonwearablecomputers.WhitePlains，US:IEEE,2003:26-34．

[4]YangJ，ChoiES，ChangW，etal．Anovelhandgestureinputdevicebasedoninertialsensingtechnique[C]//Industrialelectronicsconference.Busan,RepublicofKorea:[s.n.],2004:2786-2791．

[5]WangJeen-Shing，HsuYu-Liang，LiuJiun-Nan．Aninertial-measurement-unit-basedpenwithatrajectoryreconstructionalgorithmanditsapplications[J]．IEEETransactionsonIndustrialElectronics，2010，57(10):3508-3521．

[6]LiuLi,ZhengDongxue,LiuXiaojun.DesignoffalldetectionsystemforelderlypeoplebasedonMPU6050sensor[J].ChineseJournalofMedicalInstrumentation,2015,39(5):327-330.

[7]GurungH,BanerjeeA.Self-sensingSMAactuatorusingextendedKalmanfilterandartificialneuralnetwork[J].ProcediaEngineering,2016,144:629-634.

[8]MorozovE,SteyaertB.Stabilityanalysisofatwo-stationcascadequeueingnetwork[J].AnnalsofOperationsResearch,2013,202(1):135-160.

[9]LuoYuan,ZhangTian,ZhangYi.AnovelfusionmethodofPCAandLDPforfacialexpressionfeatureextraction[J].InternationalJournalforLightandElectronOptics,2016,127(2):718-721.

[10]XuRZ,ZhouSL,LiWJ.MEMSaccelerometerbasednonspecific-userhandgesturerecognition[J].IEEESensorsJournal,2012,12(5):1166-1173.

[11] 朱國(guó)忠,韋彩虹,潘 敏.基于三維加速度傳感器的人體運(yùn)動(dòng)能耗檢測(cè)算法的研究[J].傳感技術(shù)學(xué)報(bào),2011,24(8):1217-1222.

[12] 陳建新,卜 翔,王 榮,等.基于MEMS加速度的三維無(wú)線鼠標(biāo)設(shè)計(jì)與實(shí)現(xiàn)[J].無(wú)線互聯(lián)科技,2011(8):22-25.

[13]YoungDJ,ZurcherMA,SemaanM,etal.MEMScapacitiveaccelerometer-basedmiddleearmicrophone[J].IEEETransactionsonBiomedicalEngineering,2012,59(12):3283-3292.

[14]ZandiK,BelangerJA,PeterYA.Designanddemonstrationofanin-planesilicon-on-insulatoropticalMEMSfabry-perot-basedaccelerometerintegratedwithchannelwaveguides[J].JournalofMicroelectromechanicalSystems,2012,21(6):1464-1470.

[15]LiuKai,WeiShikui,ZhaoYao,etal.AccumulatedReconstructionErrorVector(AREV):asemanticrepresentationforcross-mediaretrieval[J].MultimediaToolsandApplications,2015,74(2):561-576.

[16]PhillipsPCB.Onconfidenceintervalsforautoregressiverootsandpredictiveregression[J].Econometrica,2014,82(3):1177-1195.

Research on Motion Trajectory Detection Algorithm with PCA

LU Chao

(College of Communication & Information Engineering,Nanjing University ofPosts and Telecommunications,Nanjing 210003,China)

Parameter calculation system is called inertial navigation system by using gyro and accelerometer as sensing devices.The navigation coordinate system is established through the output of the gyro.The output of the accelerometer can calculate the speed and position of the moving object.MPU6050 integrates three-axis gyroscope,three-axis accelerometer,magnetic sensor or the other sensors.It can contain two I2C ports and perform digital motion processing.A single form of data stream can be output to the moving end.The application of motion sensor is wide,and the trajectory detection algorithm of a moving object used by MPU6050 module has been designed in this paper. The principle of trajectory detection is that the acceleration can be obtained by double integral.There is an accumulated error in the output of the accelerometer,so an approach for eliminating accumulated error of accelerometer based on PCA has been presented.After feature extraction has been conducted with PCA,the acceleration and velocity are modified.Elimination of accumulated error is carried out and trajectory is reconstructed.Sensor hardware platform to build the main controller is STM32.Through the drawing function of the MATLAB software,the use of multiple sets of three direction acceleration and three direction angular velocity values is to make the motion trajectory and calculate the attitude.The experimental results show that the method can improve the accuracy of the object motion trajectory detection.

accelerometer;principal component analysis;trajectory detection;error handling

2016-06-01

2016-09-09 網(wǎng)絡(luò)出版時(shí)間：2017-03-13

國(guó)家“863”高技術(shù)發(fā)展計(jì)劃項(xiàng)目(2014AA01A705)

陸 超(1992-)，男，碩士研究生，研究方向?yàn)閰f(xié)作通信技術(shù)。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170313.1546.068.html

TP301.6

A

1673-629X(2017)05-0179-04

10.3969/j.issn.1673-629X.2017.05.037