$$ y = a \ cdot y +(1-a)\ cdot x $$
然后我的参数$ a $可能由$$ a = \ frac {\ text {time constant}} {\ text {time constant} + \ text {sample period}} $$
计算得出,其中$ \ text {sample period} $就是$ \ text {采样频率} $的倒数。
$ \ text {时间常数} $似乎是我自己选择的。 br />
此计算背后的理论是什么?
如何正确选择$ \ text {time constant} $?
注意:我也在Stack Overflow上发布了此问题,因为答案的重点可能会稍有不同。
#1 楼
您提到的互补滤波器包括一个低通滤波器(可过滤或衰减短期加速度计波动)和一个高通滤波器(可消除陀螺仪的漂移影响)。关于一阶滤波器的时间常数$ \ tau $描述应该在什么点(截止频率$ f_ {c} $)开始拒绝信息(LPF)或停止被拒绝(HPF)。对于互补滤波器,LPF和HPF所使用的时间常数都是相同的。时间常数可以看作是信任陀螺仪和信任加速度计之间的界限。
$ a $的值或时间常数应该是陀螺仪的漂移和加速度计噪声的函数。 。您可以进行优化以滤除陀螺仪的漂移(具有缓慢截止的HPF),但是您的加速度计会允许过多的加速度计噪声(具有缓慢截止的LPF)。
与所有滤波器设计一样,计算滤波器系数,对其进行测试以确认其无效,然后对其进行随机调整,直到其生效。
请参阅以下链接,以进行更深入的讨论:
Marion,C.赛格威:理论(2011年1月)
Colton,S.集成加速度计和陀螺仪测量以实现平衡平台的简单解决方案(2007年6月)
评论
$ \ begingroup $
给定的框图在陀螺仪信号路径中受到零极点抵消。如图所示,其结果将是无法检测到的积分器饱和和最终的数值溢出。在实践中,您会记住,在数学领域,与高通级联的积分器只是低通,而在现实世界中,低通滤波器比所示级联更容易处理。
$ \ endgroup $
– TimWescott
13年8月7日在21:02
$ \ begingroup $
是的,我意识到该图形可能并不完美,我只是试图说明两个不同的信号路径(我从segway链接复制了该图形)。
$ \ endgroup $
– EDDY74
13年8月7日在21:18
$ \ begingroup $
实际上我的是结合陀螺仪和磁力计。但是,应该具有相同的理由。例如我的陀螺仪和磁力计的采样频率相同,为50Hz。您能否显示a的示例计算?
$ \ endgroup $
– Sibbs赌博
13年8月8日在2:09
$ \ begingroup $
请参阅我发布的第二个链接的第13页(一种简单的集成解决方案...),但是我认为最终最好实际地测试过滤器。
$ \ endgroup $
– EDDY74
13年8月8日在7:51
$ \ begingroup $
举个例子:给定采样率为50 hz(0.02周期),并且时间常数为0.5秒,a =(0.5)/(0.5 + 0.02)= 0.96
$ \ endgroup $
– EDDY74
13年8月8日在7:53
评论
您为互补滤波器提供的差分方程式不是-这是低通滤波器的差分方程式。多发布到堆栈溢出。
请不要将相同的答案发布到多个堆栈交换站点@ perfectionm1ng。如果问题出在错误的位置,则会将其移至更合适的位置。
@TimWescott对不起,请您详细说明?
@MarkBooth很抱歉,您不知道此规则。