Madgwick-AHRS算法的Android实现

我正在尝试从实现Madgwick传感器融合算法，以计算我手机的方向。当我移动的时候，它工作的比较好，但是如果手机在桌子上稳定的话，它会很快积累错误。我试着利用传感器更新率和过滤器增益，但没用

我还尝试根据 解决方案，但也不起作用。 有没有办法解决这个问题？谢谢

MadgwickAHRS算法：

 public class MadgwickAHRS
{
    public float SamplePeriod ;
    public float Beta;
    public float[] Quaternion;

    public MadgwickAHRS(float samplePeriod)
    {
        SamplePeriod = samplePeriod;
        Beta = 1f;
        Quaternion = new float[] { 1f, 0f, 0f, 0f };
    }

    public MadgwickAHRS(float samplePeriod, float beta)
    {
        SamplePeriod = samplePeriod;
        Beta = beta;
        Quaternion = new float[] { 1f, 0f, 0f, 0f };
    }

    public void Update(float gx, float gy, float gz, float ax, float ay, float az, float mx, float my, float mz)
    {
        float q1 = Quaternion[0], q2 = Quaternion[1], q3 = Quaternion[2], q4 = Quaternion[3];   // short name local variable for readability
        float norm;
        float hx, hy, _2bx, _2bz;
        float s1, s2, s3, s4;
        float qDot1, qDot2, qDot3, qDot4;

        // Auxiliary variables to avoid repeated arithmetic
        float _2q1mx;
        float _2q1my;
        float _2q1mz;
        float _2q2mx;
        float _4bx;
        float _4bz;
        float _8bx;
        float _8bz;
        float _2q1 = 2f * q1;
        float _2q2 = 2f * q2;
        float _2q3 = 2f * q3;
        float _2q4 = 2f * q4;
        float _2q1q3 = 2f * q1 * q3;
        float _2q3q4 = 2f * q3 * q4;
        float q1q1 = q1 * q1;
        float q1q2 = q1 * q2;
        float q1q3 = q1 * q3;
        float q1q4 = q1 * q4;
        float q2q2 = q2 * q2;
        float q2q3 = q2 * q3;
        float q2q4 = q2 * q4;
        float q3q3 = q3 * q3;
        float q3q4 = q3 * q4;
        float q4q4 = q4 * q4;

        // Normalise accelerometer measurement
        norm = (float)Math.sqrt(ax * ax + ay * ay + az * az);
        if (norm == 0f) return; // handle NaN
        norm = 1 / norm;        // use reciprocal for division
        ax *= norm;
        ay *= norm;
        az *= norm;

        // Normalise magnetometer measurement
        norm = (float)Math.sqrt(mx * mx + my * my + mz * mz);
        if (norm == 0f) return; // handle NaN
        norm = 1 / norm;        // use reciprocal for division
        mx *= norm;
        my *= norm;
        mz *= norm;

        // Reference direction of Earth's magnetic field
        _2q1mx = 2f * q1 * mx;
        _2q1my = 2f * q1 * my;
        _2q1mz = 2f * q1 * mz;
        _2q2mx = 2f * q2 * mx;
        hx = mx * q1q1 - _2q1my * q4 + _2q1mz * q3 + mx * q2q2 + _2q2 * my * q3 + _2q2 * mz * q4 - mx * q3q3 - mx * q4q4;
        hy = _2q1mx * q4 + my * q1q1 - _2q1mz * q2 + _2q2mx * q3 - my * q2q2 + my * q3q3 + _2q3 * mz * q4 - my * q4q4;
        _2bx = (float)Math.sqrt(hx * hx + hy * hy);
        _2bz = -_2q1mx * q3 + _2q1my * q2 + mz * q1q1 + _2q2mx * q4 - mz * q2q2 + _2q3 * my * q4 - mz * q3q3 + mz * q4q4;
        _4bx = 2f * _2bx;
        _4bz = 2f * _2bz;
        _8bx = 2f * _4bx;
        _8bz = 2f * _4bz;

        /** Gradient decent algorithm corrective step old
        s1 = -_2q3 * (2f * q2q4 - _2q1q3 - ax) + _2q2 * (2f * q1q2 + _2q3q4 - ay) - _2bz * q3 * (_2bx * (0.5f - q3q3 - q4q4) + _2bz * (q2q4 - q1q3) - mx) + (-_2bx * q4 + _2bz * q2) * (_2bx * (q2q3 - q1q4) + _2bz * (q1q2 + q3q4) - my) + _2bx * q3 * (_2bx * (q1q3 + q2q4) + _2bz * (0.5f - q2q2 - q3q3) - mz);
        s2 = _2q4 * (2f * q2q4 - _2q1q3 - ax) + _2q1 * (2f * q1q2 + _2q3q4 - ay) - 4f * q2 * (1 - 2f * q2q2 - 2f * q3q3 - az) + _2bz * q4 * (_2bx * (0.5f - q3q3 - q4q4) + _2bz * (q2q4 - q1q3) - mx) + (_2bx * q3 + _2bz * q1) * (_2bx * (q2q3 - q1q4) + _2bz * (q1q2 + q3q4) - my) + (_2bx * q4 - _4bz * q2) * (_2bx * (q1q3 + q2q4) + _2bz * (0.5f - q2q2 - q3q3) - mz);
        s3 = -_2q1 * (2f * q2q4 - _2q1q3 - ax) + _2q4 * (2f * q1q2 + _2q3q4 - ay) - 4f * q3 * (1 - 2f * q2q2 - 2f * q3q3 - az) + (-_4bx * q3 - _2bz * q1) * (_2bx * (0.5f - q3q3 - q4q4) + _2bz * (q2q4 - q1q3) - mx) + (_2bx * q2 + _2bz * q4) * (_2bx * (q2q3 - q1q4) + _2bz * (q1q2 + q3q4) - my) + (_2bx * q1 - _4bz * q3) * (_2bx * (q1q3 + q2q4) + _2bz * (0.5f - q2q2 - q3q3) - mz);
        s4 = _2q2 * (2f * q2q4 - _2q1q3 - ax) + _2q3 * (2f * q1q2 + _2q3q4 - ay) + (-_4bx * q4 + _2bz * q2) * (_2bx * (0.5f - q3q3 - q4q4) + _2bz * (q2q4 - q1q3) - mx) + (-_2bx * q1 + _2bz * q3) * (_2bx * (q2q3 - q1q4) + _2bz * (q1q2 + q3q4) - my) + _2bx * q2 * (_2bx * (q1q3 + q2q4) + _2bz * (0.5f - q2q2 - q3q3) - mz);
        norm = 1f / (float)Math.sqrt(s1 * s1 + s2 * s2 + s3 * s3 + s4 * s4);    // normalise step magnitude
        */

        s1 = -_2q3 * (2f * (q2q4 -q1q3) - ax) + _2q2 * (2f *(q1q2 + q3q4) - ay) + -_4bz * q3 * (_4bx * (0.5f -q3q3 - q4q4) + _4bz * (q2q4 - q1q3) - mx) + (-_4bx * q4 + _4bz * q2) * (_4bx * (q2q3 - q1q4) + _4bz * (q1q2 + q3q4) - my) + _4bx * q3 * (_4bx * (q1q3 + q2q4) + _4bz * (0.5f - q2q2 - q3q3) - mz);
        s2 = (float)(_2q4 * (2f *(q2q4 - q1q3) - ax) + _2q1 * (2f *(q1q2 + q3q4) - ay) - 4f * q2 * (2  *(0.5 - q2q2 - q3q3) - az) + _4bz * q4 * (_4bx * (0.5f - q3q3 - q4q4) + _4bz * (q2q4 - q1q3) - mx) + (_4bx * q3 + _4bz * q1) * (_4bx * (q2q3 - q1q4) + _4bz * (q1q2 + q3q4) - my) + (_4bx * q4 - _8bz * q2) * (_4bx * (q1q3 + q2q4) + _4bz * (0.5f - q2q2 - q3q3) - mz));
        s3 = (float)(-_2q1 * (2f * (q2q4 -q1q3) - ax) + _2q4 * (2f * (q1q2 + q3q4) - ay) +( -4f *q3) * (2 * (0.5 - q2q2 - q3q3) - az) + (-_8bx * q3 - _4bz * q1) * (_4bx * (0.5f - q3q3 - q4q4) + _4bz * (q2q4 - q1q3) - mx) + (_4bx * q2 + _4bz * q4) * (_4bx * (q2q3 - q1q4) + _4bz * (q1q2 + q3q4) - my) + (_4bx * q1 - _8bz * q3) * (_4bx * (q1q3 + q2q4) + _4bz * (0.5f - q2q2 - q3q3) - mz));
        s4 = _2q2 * (2f *(q2q4 - q1q3) - ax) + _2q3 * (2f *(q1q2 + q3q4) - ay) + (-_8bx * q4 + _4bz * q2) * (_4bx * (0.5f - q3q3- q4q4) + _4bz * (q2q4 - q1q3) - mx) + (-_4bx * q1 + _4bz * q3) * (_4bx * (q2q3 - q1q4) + _4bz * (q1q2 + q3q4) - my) + (_4bx * q2) * (_4bx * (q1q3 + q2q4) + _4bz * (0.5f - q2q2 - q3q3) - mz);
        norm = 1f / (float)Math.sqrt(s1 * s1 + s2 * s2 + s3 * s3 + s4 * s4);

        s1 *= norm;
        s2 *= norm;
        s3 *= norm;
        s4 *= norm;

        // Compute rate of change of quaternion
        qDot1 = 0.5f * (-q2 * gx - q3 * gy - q4 * gz) - Beta * s1;
        qDot2 = 0.5f * (q1 * gx + q3 * gz - q4 * gy) - Beta * s2;
        qDot3 = 0.5f * (q1 * gy - q2 * gz + q4 * gx) - Beta * s3;
        qDot4 = 0.5f * (q1 * gz + q2 * gy - q3 * gx) - Beta * s4;

        // Integrate to yield quaternion
        q1 += qDot1 * SamplePeriod;
        q2 += qDot2 * SamplePeriod;
        q3 += qDot3 * SamplePeriod;
        q4 += qDot4 * SamplePeriod;
        norm = 1f / (float)Math.sqrt(q1 * q1 + q2 * q2 + q3 * q3 + q4 * q4);    // normalise quaternion
        Quaternion[0] = q1 * norm;
        Quaternion[1] = q2 * norm;
        Quaternion[2] = q3 * norm;
        Quaternion[3] = q4 * norm;

    }

    public double[] computeAngles()
    {
        double roll = Math.atan2(Quaternion[0] * Quaternion[1] + Quaternion[2] * Quaternion[3], 0.5f - Quaternion[1] * Quaternion[1] - Quaternion[2] * Quaternion[2]);
        double pitch = Math.asin(-2.0f * (Quaternion[1] * Quaternion[3] - Quaternion[0] * Quaternion[2]));
        double yaw = Math.atan2(Quaternion[1] * Quaternion[2] + Quaternion[0] * Quaternion[3], 0.5f - Quaternion[2] * Quaternion[2] - Quaternion[3] * Quaternion[3]);
        return new double[] { roll,pitch,yaw };

    }
}

输入数据图表：

---

Magdwick算法和eg算法以及非常流行的Kalmann算法都使用MEMS加速计、陀螺仪和/或磁强计提供的数据。问题是所有这些传感器都有漂移和偏移。所以，你们所描述的问题就是，这个噪声的积分/双积分导致的漂移

Magdwick和Kalman滤波器都有自己的工具来过滤来自特定传感器的噪声（例如，使用重力矢量作为陀螺仪或使用预测矩阵作为加速度计），但如果传感器本身不能提供真正好的数据，它们就无能为力。实际上，没有必要在智能手机中安装真正好的传感器

你可以试试看

因为加速度计可能是这里最大的漂移源，所以您可以尝试在加速度计信号上添加eq Butterworth滤波器，然后再将其传递给算法。这可能会减小漂移，但也会提供显著的输出信号惰性。如果你想在某些应用程序中，手机将由人操作，那么就没有必要认为你的加速计信号会增加10g或更多

---

我开发了一个计算旋转的应用程序。我面临同样的问题，实现巴特沃斯过滤器有助于。。。但是在不同的设备上，输出数据差别很大。正是传感器的质量让它变得如此不可预测。

谢谢您的回复，我会试试的。我很清楚漂移，但让我困惑的是，它在我移动时起作用，但在静态场景中不起作用。（对不起，我对信号处理还是很陌生）问题是，当你移动时，通常的状态是漂移只是输入信号的一小部分。当设备比噪声稳定时，噪声变得更加重要。切断它的方法是使用不允许信号快速增长的滤波器（例如将大于10g的加速度变化视为噪声）。您是否尝试过原始信号源进行比较？是的，正如我所说，我正在使用他们网站上的c代码，结果是一样的