CN103079289A - 一种无线多人运动数据采集器及采集方法 - Google Patents

Abstract

本发明公开了一种无线多人运动数据采集器及采集方法，包括数十个数据传感节点，六个数据中继节点和一个数据汇聚节点，其中，数据传感处理节点附着于人体各个运动关键部位，通过高精度加速度传感器，磁传感器以及陀螺仪周期性采集各项人体运动数据，并对传感数据压缩处理后无线传输至数据中继节点；数据中继节点负责整合数据，并将其传送至数据汇聚节点；数据汇聚节点与六个数据中继节点有线连接，并将数据周期性上传到计算机。本发明可同时提供2-4人运动数据的无线采集，具有高精度、高数据率、低功耗等特点，广泛适用于虚拟人机交互，虚拟游戏及肢体医疗康复等场合。

Description

一种无线多人运动数据采集器及采集方法

技术领域

本发明涉及数据采集和无线传感器网络技术领域，尤其涉及一种无线多人运动数据集采集器。

背景技术

运动数据采集是动作捕获技术的关键部分，通过动作捕获技术，计算机可以理解人体动作，然后用户就可以通过体态、方位、手势和表情等模态向计算机发出指令、传达信息等，除了人机交互领域之外，运动捕捉还可以应用在运动分析、模型编码、虚拟现实、动画制作、智能监控***、游戏制作等领域，应用于人体的动作捕捉技术具有广阔的应用前景和巨大的商用价值。

从20世纪80年代开始，美国有几个实验室陆续开展人体运动捕捉***的研究，如Biomechanics实验室、Simon Frase大学、麻省理工学院等。此后，随着越来越多的研究人员和开发商的发现了运动捕捉技术的价值，这项技术也逐渐地从试用性研究走向实用化。目前在欧美等发达国家，为了适应动画制作逐步提高的高要求，运动捕捉技术已经进入了实用化阶段，有多家厂商相继推出了其商品化的运动捕捉设备，如MotionAnalysis、MAC、Polhemus、FilmBox、Sega Interactive、X-Ist等，目前已成功商业化的应用领域有体育训练、虚拟现实、游戏互动、人体等生物力学研究等。

现有的商业化运动捕捉***从工作原理来看，主要分为五类：微传感器MEMS式、电磁式、光学式、机械电动式、声学式。一般可从以下几个方面对不同设备进行评价：数据精度；可捕捉运动对象的数目多少；可捕捉运动空间范围大小；实时性；抗干扰能力；使用方便程度；成本等。

目前已有的无线运动数据采集器，主要存在着支持的无线数据传感节点数量少，数据刷新率低，无法同时高速采集多人运动数据等问题。

发明内容

本发明目的在于针对现有技术的不足，提供了一种无线多人运动数据集采集器及采集方法。

本发明的目的是通过以下技术方案实现的：一种无线多人运动数据采集器，其特征在于，它主要由数十个数据传感节点，六个数据中继节点和一个数据汇聚节点组成，三种节点组成基于分簇的无线传感网络用以精确，高速地采集各项人体运动传感数据。其中，数十个数据传感节点附着于人体各个运动关键部位，将周期性采集的数据压缩后，通过无线网络传送至所连接的数据中继节点，数据汇聚节点与六个数据中继节点通过SPI接口有线连接，分时通信，最终将传感数据通过USB汇总至计算机。

一种上述的基于分簇无线传感网络的多人运动数据采集方法，其特征在于，该方法包括时间同步机制，管道数据聚合方法，多信道空位退避机制以及本地姿态四元数滤波估计方法，包括以下步骤：

（1）数据汇聚节点和数据中继节点初始化。

（2）数据汇聚节点和数据中继节点组网，建立无线传感网络，等待数据传感节点入网。

（3）数据传感节点初始化。

（4）数据传感节点监听信道，申请入网。

（5）数据传感节点周期性采集传感器数据，并处理压缩该次数据。

（6）数据传感节点根据采集周期封装压缩后的数据，并进入低功耗休眠状态等待定时器将其唤醒。

（7）数据传感节点根据采集周期定时唤醒，并将数据传送给指定数据中继节点。

（8）数据汇聚节点接收数据中继节点数据，并由USB传送至计算机。

（9）一次数据传输结束，重复步骤5-8，实现运动传感数据的周期性采集。

本发明的有益效果是：

1.采用该种无线人体运动数据采集器，可同时以30Hz到120Hz的刷新频率采集2-4人运动数据，并通过无线传感网络精确的将数据传送至计算机终端。

2.采用穿戴式数据传感节点，利用基于微机械电子***MEMS的三种不同类型传感器及小型MCU+RF模块，尽可能减小PCB板面积，并合理设计穿戴外壳，不仅保证了穿戴的舒适性，并有效保证了节点的高性能要求。

3.采用基于梯度下降算法的补偿滤波器结构，在数据传感节点本地计算出描述姿态矩阵的四元数值，达到小于2°的RMS精度，有效减少了数据传输量，节省大量无线带宽，很好的解决了传统运动数据采集器携带数据传感节点数量与有限带宽的矛盾。

4.采用管道数据聚合方法，综合来至于同一节点不同时刻的数据，通过合并同类数据和去除冗余，较少数据传输量及时隙同步开销，进一步达到节省带宽和能耗的目的。

5.采用时钟周期调整来保证传感网络的严格时隙同步，达到网络低于1%丢包率的目的，保证了无线***的稳定性。

6.采用多信道空位退避算法MARB，有效解决了因为传感网络单组网周期只能允许一个节点入网特点造成的入网竞争问题，使传感网络效率最大化，达到快速组网及采集器快速故障恢复的目的。

附图说明

图1为本发明***应用示意图；

图2为数据传感节点硬件框图；

图3为数据传感节点MCU+RF模块原理图；

图4为数据传感节点电源调理与检测模块原理图；

图5为数据传感节点加速度传感模块原理图；

图6为数据传感节点MEMS数字输出陀螺模块原理图；

图7为数据传感节点磁感应传感器模块原理图；

图8为数据汇聚节点与数据中继节点硬件框图；

图9为数据汇聚节点ARM模块原理图；

图10为数据汇聚节点USB模块原理图；

图11为数据中继节点DSP模块与射频模块原理图；

图12为数据汇聚节点与数据中继节点电源模块原理图；

图13为多信道空位退避算法MARB示意图

图14为基于梯度下降算法的补偿滤波器结构示意图；

图15为管道数据聚合方法示意图；

图16为无线传感网络时间同步时隙示意图；

图17为数据传感节点软件流程图；

图18为数据中继节点软件流程图；

图19为数据汇聚节点软件框图。

具体实施方式

本发明合理设计实现三种节点软硬件，采用一种基于分簇的无线传感网络，实现了一种可以在30Hz到120Hz数据率刷新率范围内对2-4人运动数据进行无线实时跟踪的数据采集器及采集方法，其具有数据刷新率高，携带数据传感节点数量多，网络丢包率低，稳定性高等优点。

如图1所示，是本采集器应用示意图，这种无线多人运动数据采集器包括数据传感节点，数据中继节点以及数据汇聚节点，其中数据传感节点通过基于IEEE802.15.4标准的无线网络与数据中继节点连接，数据中继节点与数据汇聚节点通过SPI接口连接，三者相互协调工作，共同组成一个基于分簇的无线传感网络来采集传输人体运动数据至计算机。

下面分别从三种节点的实现以及采集方法的实现对本发明做出说明。

一、数据传感节点，数据中继节点以及数据汇聚节点硬件实现

本发明中三种类型节点的功能各异、供电方案和能耗不同，需要采用不同的实现方法。传感器节点采用锂电池供电，电池能量有限，频繁地充电或者更换电池不利于***的顺畅工作，所以传感器节点需要采用的低功耗设计；数据中继节点以及数据汇聚节点需要有较强的、较快的数据处理速度，因此硬件设计要保证电路的稳定可靠，降低软件的负担。

1、数据传感节点硬件实现

数据传感节点需要实现的功能包括3种不同类型的传感数据的采集、无线通信和电量监测。其硬件***框图如图2所示。由图中可以看出，传感器节点主要包括：MCU+无线射频模块、加速度传感器模块、磁感应传感器模块、MEMS数字输出陀螺模块和电源调理和监测模块。MCU+无线射频模块连接有板载天线，MCU通过I²C总线和MEMS数字输出陀螺模块、磁感应传感器模块相连，通过SPI接口与加速度传感器模块相连。数据传感节点由3.3V/250mAH可充电锂电池供电，经电源调理模块产生各个硬件模块需要的供电电压，电源监测模块监测电池的电量，其通过普通IO口模拟I²C总线协议与MCU相连接。

如图3所示，是MCU+无线射频模块电路原理图，主要包括MCU芯片U1、晶振X101、巴伦T1、板载天线ANT以及若干电容、电阻及电感。其中U1可选择Freescale公司的MC13213芯片，其芯片本身包含有基于2.4GHZ的无线射频收发模块，但不限于此。MCU芯片U1输入引脚14、15以及50、51分别通过上拉电阻R9、R8以及R15、R14与电源VCC相连，电源输入引脚6、22、23、45分别通过旁路电容C3、C5、C4、C9接地。MCU内部射频模块晶振引脚27、28与晶振X101相连，并通过电容C7、C8接地，电源输入引脚29、30、33连接电源VCC，并通过电容C1接地，引脚32连接电感FB1，电感另一端也与电容C1相连，引脚31通过电容C6接地。射频数据引脚35、36分别通过电感L1、L2与巴伦T1的3、4脚相连，巴伦T1的3、4脚直接跨接电容C11，射频电平均衡引脚34与巴伦2脚连接，并通过电容C12接地。板载天线ANT通过电容C13与巴伦T1的1脚连接，并通过电感L3接地。巴伦T1的5脚接地，6脚悬空。

如图5所示，是加速度传感器模块的电路原理图，主要包括加速度传感器芯片U2、电容若干。其中U2可选择Freescale公司的3轴加速度传感器MMA7455L，但不限于此。加速度传感器芯片U2电源1、6脚连接电源VCC，并通过电容C34、C35以及电容C36、C37接地，引脚2、3、4、5、10、11均接地。传感器数据接口引脚12、13、14分别与MCU引脚17、18、19相连，数据控制引脚7、8、9分别与MCU引脚16、13、4相连。

如图6所示，是MEMS数字输出陀螺模块的电路原理图，主要包括陀螺仪芯片U3、电容若干。其中U3可选择InvenSense公司的3轴陀螺仪ITG-3200，但不限于此。陀螺仪传感器芯片U3电源8、13脚连接电源VCC，并通过电容C33、C31接地，引脚10、20分别通过电容C32、C30接地，引脚9、18直接接地。传感器数据接口引脚23、24分别与MCU引脚15、14相连，数据控制引脚12与MCU引脚3相连。

如图7所示，是磁感应传感器模块的电路原理图，主要包括磁感应传感器芯片、电容若干。其中U4可选择MEMSIC公司的3轴磁传感器MMC3120MR，但不限于此。磁感应传感器芯片U4电源5、6脚连接电源VCC，并通过电容C38、C39接地，引脚3通过电容C40接地，引脚1、2连接电容C41两端。传感器数据接口引脚7、8分别与MCU引脚14、15相连，与陀螺仪芯片共用I²C数据接口。

如图4所示，是数据传感节点电源调理和监测模块，主要包括锂电池充电芯片U7、锂电池监测芯片U6、电压稳压芯片U5、拨动开关S1、锂电池BT0、USB接插件P1、电源接插件P2、电源指示LED灯以及若干电容、电阻。其中U7可选择MAXIM公司的MAX1555芯片，但不限于此，U6可选择TI公司的BQ27200芯片，但不限于此，U5可选择SIPEX公司的SPX3819芯片，但不限于此。电压稳压芯片U5的电压输出5脚连接VCC，并通过电容C16接地，电压输入引脚1以及芯片使能引脚3连接电池电压端V_BAT，同时连接拨动开关S1一端，并通过电容C14接地，4脚通过电容C15接地，引脚2接地。锂电池充电芯片U7电源输入引脚1、4分别连接电源V_USB、V_DC，并通过电容C17、C18接地，同时V_USB端连接LED_USB灯正极端，并通过电阻R5与U7的3脚相连，V_DC端连接LED_DC灯正极端，并通过电阻R6与U7的3脚相连。U7电源输出5脚与锂电池正极相连，并通过电容C19接地。锂电池监测芯片U6电源输入2脚经电阻R1与锂电池正极相连，并通过电容C20接模拟地，电压检测脚6经电阻R2与锂电池正极相连，并通过电容C22接模拟地，数据I²C接口脚4、5分别于MCU引脚50、51相连，引脚1经过电容C21接模拟地，引脚3、11接模拟地。电流检测脚7、8分别由电容C24、C23接模拟地，并通过电阻R4、R3与模数电阻Rs相连，电阻Rs连接模拟地与数字地。锂电池负极端与模拟地相连。USB电源或者直流电源可分别由接插件P1、P2提供。

2、数据中继节点以及数据汇聚节点硬件实现

我们设计数据中继节点和数据汇聚节点采用有线的方式通信，针对采集器数据率大，实时性强的特点，我们采用SPI连接数据中继节点和数据汇聚节点，数据中继节点和数据汇聚节点集成到一块电路板上，由同一个电源模块供电，硬件框图如图8所示。

数据汇聚节点作为整个数据采集***与计算机的接口，其任务是通过SPI接口管理6个数据中继节点，并由USB接口转发计算机命令及传输人体运动数据，其主要包括两个模块：ARM处理器模块以及USB接口模块。采集器共有6个数据中继节点，每个数据中继节点均可管理不超过8个无线数据传感节点，其负责运动传感数据的处理和转发，其主要包括两个模块：DSP处理器模块以及无线收发模块。DSP处理器通过SPI口与无线收发模块连接，并通过另一个SPI接口与ARM处理器通信。数据汇聚节点以及数据中继节点均由同一个电源模块供电。

如图9所示，是数据汇聚节点ARM处理器模块的电路引脚图，主要包括ARM处理器U10。ARM处理器可选择ST公司的STM32F103VCT6，但不限于此，其有三个不同的硬件SPI接口，通过将GPIO口作为Slave片选线扩展成6个SPI接口，可以支持6个数据中继节点同时通信。

如图10所示，是数据汇聚节点USB接口模块的电路原理图，主要包括USB接插件P_USB、三极管Q1以及若干电容、电阻以及电感。三极管Q1的2脚接3.3V电源，并通过电阻R101与1脚相连，三级管Q1的1脚与ARM处理器35脚相连，三极管Q1的3脚通过电阻R102与USB接插件P_USB的3脚相连。USB接插件P_USB电源脚1脚连接电感FB2一端，电感FB2另一端连接USB正电源，并通过电阻R105接地，数据引脚2、3脚分别通过电阻R104、R103与ARM处理器70、71脚相连，4脚通过电感FB1接地，5、6脚相连并由电阻R106、电容C101并联接地。

如图11所示，是数据中继节点DSP处理器模块和无线收发模块的电路引脚图，主要包括DSP处理器Umid-1、无线收发模块JP1。DSP处理器可选择Freescale公司的基于56800E内核的DSP MC56F8037，但不限于此。无线收发模块可选择Freescale公司的2.4GHz无线射频模块MC13201，但不限于此。采集器包括6个硬件特性一致的数据中继节点，此处以单个数据中继节点为例对其电路引脚做出说明。DSP处理器SPI1口引脚2、42、33、32脚分别与ARM处理器引脚29、30、31、32脚相连，数据终端引脚21脚与ARM处理器引脚3脚相连。DSP处理器SPI2口引脚38、37、44、45脚分别与无线收发模块13、10、12、14引脚相连，控制引脚30、47、55、56脚与无线收发模块11、2、4、6引脚相连。

如图12所示，是数据汇聚节点与数据中继节点电源模块的电路原理图，主要包括稳压芯片U11、电源接插件P、电源指示灯LED_POWER、电容C102、电阻R107，其中稳压芯片U11可选择ST公司的LM-1117，但不限于此。电源接插件P的2、3脚相连接地，1脚提供正电源，与ARM处理器模块电源引脚6、73脚相连，与DSP处理器电源引脚7脚相连，并通过电容C102接地，同时连接电源指示灯LED_POWER正极端，电源指示灯LED_POWER负极端由电阻R107接地。稳压芯片U11电源输入引脚3脚连接电源接插件P的1脚，电压输出引脚2、4输出3.3V电压，1脚接地。

二、基于分簇无线传感网络的多人运动数据采集方法

本发明设计的运动数据采集器，利用无线传感网络低能高效特点，设计了一种通过数据传感节点、数据中继节点和数据汇聚节点之间构成分簇无线传感网络来采集传输运动数据的方法，其中利用严格的时间同步机制，管道数据聚合方法，多信道空位退避机制以及本地姿态四元数滤波估计方法，使得连续、快速、实时地无线采集多人运动数据成为可能，该方法主要通过以下步骤实现：

1、数据汇聚节点和数据中继节点初始化。

数据汇聚节点和数据中继节点初始化包括ARM处理器的初始化，DSP处理器的初始化，射频模块初始化。ARM处理器的初始化与DSP处理器的初始化均包括总线频率设定，GPIO口配置，中断配置，SPI接口配置等；射频模块初始化包括频道设置，时钟频率设定等。

2、数据汇聚节点和数据中继节点组网，建立无线传感网络。

数据汇聚节点根据计算机命令设定网络刷新频率，并周期性地发送组网信标通过SPI接口与数据中继节点通信，进行无线传感网络的第一层组网。其具体过程为数据汇聚节点向所有连接着的中继广播组网命令，数据中继节点依次向数据汇聚节点申请网络地址，数据汇聚节点为每个中继分配网络地址并设置数据中继节点使用的无线信道等信息，以便数据中继节点能顺利开始第二层与数据传感节点的组网，而不会相互冲突。数据中继节点与数据汇聚节点组网过程主要包括以下子步骤：

（1）数据汇聚节点广播组网命令。

（2）数据中继节点申请网络地址。

（3）数据汇聚节点分配网络地址、时隙位置及配置信道等信息。

（4）数据汇聚节点确认，建立无线传感网络。

（5）数据中继节点周期性广播组网命令，等待数据传感节点入网。

3、数据传感节点初始化。

数据传感节点初始化包括MCU+无线射频模块初始化，加速度传感器模块初始化，磁感应传感器模块初始化、MEMS数字输出陀螺模块初始化。MCU+无线射频模块初始化包括GPIO口配置，中断配置，频道设置，时钟频率设定等；三种传感器模块初始化包括状态设定，数据初始化等。

4、数据传感节点监听信道，申请入网。

数据传感节点与数据中继节点组成该采集器无线传感采集网络的第二层。数据中继节点周期性广播组网命令，数据传感节点选择合适的数据中继节点，向其申请网络地址。数据传感节点与数据中继节点组网过程主要包括以下子步骤：

（1）数据中继节点广播组网命令。

（2）数据传感节点根据退避算法搜索合法的数据中继节点，并向其申请网络地址。

（3）数据中继节点分配网络地址、时隙位置及更新率等信息。

（4）数据传感节点确认数据中继节点应答信息，成功入网则进入下一步，失败则执行退避算法，重复步骤（2）-（4）。

（5）进入数据采集传输阶段。

若出现组网冲突问题，数据传感节点将执行退避算法，节点申请入网竞争的时延退避算法具体表述如下：

数据传感节点和数据中继节点之间的通信物理层使用的是2.4GHz ISM频段的无线收发模块(IEEE802.15.4无线标准)。空位列表为本采集器***自定义的一个记录时隙申请状况的列表，它创建于数据中继节点里，当有数据传感节点成功申请入网，对应的数据中继节点的空位数N_rest-1，当有数据传感节点离线，对应的数据中继节点的空位数N_rest-1。每个数据传感节点拥有其唯一的编号(物理地址Phy_addr)，因为要为每一个数据传感节点分配独一无二的时隙，所以每个周期最多只允许一个节点成功入网。

如图13所示，在一个通信周期里，假设出现N个数据传感节点竞争，如第一轮同时竞争数据中继节点1，那么各数据传感节点会依次做以下操作：

（a）更换信道

Chanel=floor(N_chanel·Random())    (I)

其中Random∈[0,1)，函数floor()表示取小于等于x的最大整数，N_channel表示最大的控制信道数，即数据中继节点数。

根据式(I)更换信道后，重新向相应的数据中继节点申请入网，如图示意的第二轮，此处假设数据传感节点1和3通过式(I)计算得到更换的信道为2，数据传感节点2计算得到更换的信道为1。数据传感节点2因为没有其它同时竞争入网的节点，则在这一轮成功申请入网，而数据传感节点1和3等继续出现竞争情况的节点则进入操作（b）。

（b）空位退避时延

经过操作（a）之后，在一个刷新周期下，更换到的信道没有冲突的数据传感节点将成功申请入网，而仍然冲突的节点，则延时退避，并且信道重新设为第一个信道。其退避的周期数设为

BackoffTime=floor(N_rest·Random())    (II)

其中N_rest为其接收到的数据中继节点空位数。

则经过退避时延后的数据传感节点将会在时延唤醒后重新申请信道，遇到竞争时会再次按照操作（a)到操作（b)的顺序依次更换信道或者继续退避，直到所有数据传感节点全部入网。

5、数据传感节点周期性采集传感器数据，并处理压缩该次数据。

数据传感节点根据数据中继节点通知的采集频率，通过I²C总线与SPI接口采集9轴18Byte的三种传感器数据。为了节省无线带宽，达到支持多人数据捕获的目的，即增加所携带数据传感节点数量，需要对传感数据进行有效的数据压缩优化。本采集器在数据传感节点，对传感数据采用本地姿态四元数滤波估计方法计算出本次采集数据的姿态四元数，通过传送8Byte四元素数据来达到数据压缩目的。

传感器四元数计算方式采用了基于梯度下降算法的补偿滤波器结构，融合了角速度姿态法以及矢量观察法。

（1）、角速度计算姿态法

三轴陀螺仪输出机体坐标系下的相对x,y,z轴的角速度，分别记为w_x，w_y和w_z。这三个角速度参数（单位为：rad/s）在三维空间（机体坐标系）里记为矢量表示为式(1)：

$\stackrel{\→}{w}_b=\left[\begin{array}{cccc}0& w_x& w_y& w_z\end{array}\right]---\left(1\right)$

则地理坐标系相对机体坐标系转动的四元数变化率为

为：

$\stackrel{\·}{Q}_g^b=\frac{1}{2}Q_g^b\⊗\stackrel{\→}{w}_b---\left(2\right)$

设在时刻t，地理坐标系相对机体坐标系的姿态四元数为

而

在知道初始状态下，可由四元数变化率积分得到。它们的关系如式(3)和式(4)所示：

$\stackrel{\·}{Q}_{w,t}^g{}_b=\frac{1}{2}Q_{\mathrm{est},t-1}^g{}_b\⊗\stackrel{\→}{w}_t^b---\left(3\right)$

$\stackrel{\→}{Q}_{w,t}^g{}_b=\stackrel{\→}{Q}_{\mathrm{est},t-1}^g{}_b+\stackrel{\·}{Q}_{w,t}^g{}_b\mathrm{\Δt}---\left(4\right)$

式中，

为时刻t的角速度矢量，Δt为传感数据的采样周期或者称为刷新周期，

为上一采样时刻所估算得到的姿态四元数。下标w表示姿态四元数的计算方法为角速度计算方法。

（2）、矢量观察法计算姿态

一个三轴加速度传感器能输出机体坐标系下数据传感节点的重力场和由于节点数据传感节点线性运动引起的线性加速度。同样，三轴磁场传感器将测量地球磁场和当地磁场的大小和方向。

设在地理坐标系下，数据传感节点获得的地球磁场或重力场参数矢量为在机体坐标系下，数据传感节点获得的参数矢量为

则在理想无误差的情况下，可得：

$\stackrel{\→}{s}_b=\stackrel{\→}{Q}_g^b*\⊗\stackrel{\→}{d}_g\⊗\stackrel{\→}{Q}_g^b---\left(5\right)$

式中，即为机体坐标系相对地理坐标系转过的姿态四元数，即数据传感节点转过的姿态四元数。

但是，实际情况下，由于测得的重力加速度和地磁场强度的数据存在误差，所以式(5)中的等号并不成立。定义误差函数为：

$f(\stackrel{\→}{Q}_g^b,\stackrel{\→}{d}_g,\stackrel{\→}{s}_b)=\stackrel{\→}{Q}_g^b*\⊗\stackrel{\→}{d}_g\⊗\stackrel{\→}{Q}_g^b-\stackrel{\→}{s}_b---\left(6\right)$

为了使估计的数据传感节点姿态四元数

尽可能准确，必须使函数

尽可能最小，即要求出：

式中，表示四维实数域。

最优化估计方法有很多种，本文利用梯度下降法作为最小值估计法。

公式(8)描述了n次迭代运算估计姿态四元数值

其中μ为步幅。

$\stackrel{\→}{Q}_{k+1}^g{}_b=\stackrel{\→}{Q}_k^g{}_b-\mathrm{\μ}\frac{\▿f(\stackrel{\→}{Q}_k^g{}_b,\stackrel{\→}{d}_g,\stackrel{\→}{s}_b)}{\left|\right|\▿f(\stackrel{\→}{Q}_k^g{}_b,\stackrel{\→}{d}_g,\stackrel{\→}{s}_b)\left|\right|},k=\mathrm{0,1,2}...n---\left(8\right)$

公式(9)表示了函数f在

这个点上的梯度，其中J为f对

的雅克比行列式。

$\▿f(\stackrel{\→}{Q}_k^g{}_b,\stackrel{\→}{d}_g,\stackrel{\→}{s}_b)=J^T(\stackrel{\→}{Q}_k^g{}_b,\stackrel{\→}{d}_g)f(\stackrel{\→}{Q}_k^g{}_b,\stackrel{\→}{d}_g,\stackrel{\→}{s}_b)---\left(9\right)$

其中详细的推导过程在此不再赘述。传统的梯度下降法需要对一个估计值做n次迭代后计算得出，但是这对使在计算数据传感节点姿态时增加了许多计算，而且随着参加人体运动捕获***交互的对象增多，数据传感节点数成比例地增加的情况下，计算机可能会处理不过来。若此惯性运动捕捉***工作在100Hz或者更高的刷新频率上时，因为人体运动的特征，每次

值的大小变化量并不是很大，这就允许本姿态估计算法在每次更新频率内只迭代一次，只要满足步幅参数μ大于

的变化率即可。则每次矢量观察法计算得到的

可以由公式(10)计算得出。

$\stackrel{\→}{Q}_{\▿,t}^g{}_b=\stackrel{\→}{Q}_{\mathrm{est},t-1}^g{}_b-{\mathrm{\μ}}_t\frac{\▿f}{\left|\right|\▿f\left|\right|}---\left(10\right)$

$\▿f=J_{G,B}^T(\stackrel{\→}{Q}_k^g{}_b,\stackrel{\→}{G}_g,\stackrel{\→}{B}_g)f_{G,B}(\stackrel{\→}{Q}_k^g{}_b,\stackrel{\→}{G}_g,\stackrel{\→}{a}_b,\stackrel{\→}{B}_g,\stackrel{\→}{m}_b)---\left(11\right)$

其中，为上一时刻矢量观察法估计出来的姿态四元数，

由当前时刻t两传感器所采集的数据通过梯度计算得到。下标

表示姿态四元数的计算方法为矢量观察法。

合理的μ_t应该使得

的收敛率大于

的实际变化率，但是不能过分大而导致数值不收敛。因此μ_t可以根据(12)计算得出。

${\mathrm{\μ}}_t=\mathrm{\α}\left|\right|\stackrel{\·}{Q}_{w,t}^g{}_b\left|\right|\mathrm{\Δt}---\left(12\right)$

其中，Δt是传感数据的采样周期；

为该周期陀螺仪传感器测得的

值变化率；α是一个与加速度传感器、磁感应强度传感器噪声相关的参数值。

（3）、补偿融合算法

最终的姿态转动估计值

由和

合并而成：

$\stackrel{\→}{Q}_{\mathrm{est},t}^g{}_b={\mathrm{\σ}}_t\stackrel{\→}{Q}_{\▿,t}^g{}_b+(1-{\mathrm{\σ}}_t)\stackrel{\→}{Q}_{w,t}^g{}_b---\left(13\right)$

其中，

由式(4)计算得到，由式(10)计算得到。σ_t是加权参数，最优的σ_t值应该使得

的加权发散量等于

的加权收敛量，使最后计算得到的姿态转动值趋于最优稳定。为了满足这个条件，即有以下等式：

$(1-{\mathrm{\σ}}_t)\mathrm{\β}={\mathrm{\σ}}_t\frac{{\mathrm{\μ}}_t}{\mathrm{\Δt}}---\left(14\right)$

其中，

是

的收敛率；β是陀螺仪的测量漂移误差(包括高频周期噪声、量化噪声、高斯白噪声、有色噪声和常值漂移)，即表现为

的发散率，根据式(2)，可得：

$\mathrm{\β}=\left|\right|\frac{1}{2}Q\⊗\left[\begin{array}{cccc}0& w_{\mathrm{\β}}& w_{\mathrm{\β}}& w_{\mathrm{\β}}\end{array}\right]_g^b\left|\right|=\sqrt{\frac{3}{4}}{w}_{\mathrm{\β}}---\left(15\right)$

式(15)中，为单位四元素，w_β是陀螺仪测量的零偏或温漂误差值。

由于要使

的加权收敛量大于等于

的加权发散量，则对于式(12)，α没有上限，所以假设α非常大，则对于式(14)，可简化为：

${\mathrm{\σ}}_t\≈\frac{\mathrm{\β\Δt}}{{\mathrm{\μ}}_t}---\left(16\right)$

对于式(10)，可简化为：

$\stackrel{\→}{Q}_{\▿,t}^g{}_b\≈-{\mathrm{\μ}}_t\frac{\▿f}{\left|\right|\▿f\left|\right|}---\left(17\right)$

把式(4)、式(15)和式(17)代入式(13)，可得：

$\stackrel{\→}{Q}_{\mathrm{est},t}^g{}_b=\frac{\mathrm{\β\Δt}}{{\mathrm{\μ}}_t}(-{\mathrm{\μ}}_t\frac{\▿f}{\left|\right|\▿f\left|\right|})+(1-\frac{\mathrm{\β\Δt}}{{\mathrm{\μ}}_t})(\stackrel{\→}{Q}_{\mathrm{est},t-1}^g{}_b+\stackrel{\·}{Q}_{w,t}^g{}_b\mathrm{\Δt})$

$=-\mathrm{\β\Δt}\frac{\▿f}{\left|\right|\▿f\left|\right|}+(1-\frac{\mathrm{\β\Δt}}{{\mathrm{\μ}}_t})(\stackrel{\→}{Q}_{\mathrm{est},t-1}^g{}_b+\stackrel{\·}{Q}_{w,t}^g{}_b\mathrm{\Δt})---\left(18\right)$

由于假设α非常大，则μ_t也将非常大，则可简化为：

$\stackrel{\→}{Q}_{\mathrm{est},t}^g{}_b\≈-\mathrm{\β\Δt}\frac{\▿f}{\left|\right|\▿f\left|\right|}+\stackrel{\→}{Q}_{\mathrm{est},t-1}^g{}_b+\stackrel{\·}{Q}_{w,t}^g{}_b\mathrm{\Δt}$

$=\stackrel{\→}{Q}_{\mathrm{est},t-1}^g{}_b+(\stackrel{\→}{Q}_{w,t}^g{}_b-\mathrm{\β}\frac{\▿f}{\left|\right|\▿f\left|\right|})---\left(19\right)$

至此，根据公式(19)，在每个数据更新周期内，将两种姿态计算方法的估计值进行了合成，累加上上一个周期的姿态四元数

即可得到综合两个估计值的姿态四元数值

根据以上补偿融合算法的思路，基于梯度下降算法的补偿滤波器结构算法流程框图如图14所示。通过计算姿态四元数值，可将每周期原来18Byte的传感器数据减少为8Byte，能够大幅度的缩短数据传输时间，增加所携带的数据传感节点数量。

6、数据传感节点根据采集周期封装压缩后的数据，并进入低功耗休眠状态等待定时器将其唤醒。

数据传感节点根据采集频率多次采集传感数据，并计算出每次采集的姿态四元素取值后，将利用管道数据聚合方法来分装数据帧。数据聚合作为无线路由的重要模式而被提出来，其主要的原理就是综合来自不同节点或同一节点不同时刻的数据，通过合并同类数据和去除冗余，减少数据传输量，从而节省带宽和能耗。这种算法实现了从以地址为中心的传统方法（在两个可寻址的目标节点之间寻找最短路由）向以数据为中心的方法（目标节点之间基本上是固定路由，网内传输时压缩冗余数据）的转变。

如图15所示为本发明提出的基于管道的数据聚合方法。具体过程为：数据传感节点按照数据中继节点通知的数据刷新周期周期性地采集压缩传感数据，每周期计算好的姿态四元数取值并没有马上发送至数据中继节点，而是缓存在内部缓存管道里，直至与数据中继节点约定好的数据回传时刻才将数据一起传输至数据中继节点。通过管道数据聚合方法，可以有效减少数据传感节点与数据中继节点的同步次数，减少同步帧对无线带宽的占用。将数据帧封装好后数据传感节点将进入低功耗休眠状态，等待定时器将其唤醒进行数据传输。

7、数据传感节点根据采集周期定时唤醒，并将数据传送给指定数据中继节点。

组网完成后，数据中继节点就开始轮询数据传感节点，而数据传感节点根据更新率和时隙位置计算第一次数据传输的时刻，然后设定定时器，采集封装好数据之后便进入低功耗状态。定时器会在需要数据传输的时刻唤醒数据传感节点，数据传感节点则将封装好的数据帧在该传输时隙传输给指定的数据中继节点。当数据传输完成后，数据传感节点将根据更新率，计算下一次数据传输的时刻（如30Hz时，是33ms之后），并设定定时器，再次采集压缩封装数据，而后进入低功耗状态等待定时器再次将其唤醒。

8、数据汇聚节点接收数据中继节点数据，并由USB传送至计算机。

数据汇聚节点周期性轮询所管理的6个数据中继节点，并通过USB将一周期内的新数据传送至计算机，完成一次运动数据的采集。

9、一次数据传输结束，重复步骤5-8，实现运动传感数据的周期性采集。

本采集器采用的时间同步方法是数据中继节点以收到数据汇聚节点分配的网络地址为时间基点，此后采用定时器与动态校正技术确定下一次与数据汇聚节点通信的时刻。数据传感节点以收到数据中继节点分配的网络地址为时间基点，此后采用定时器与动态校正技术确定下一次与数据中继节点通信的时刻。

这样的时间同步机制，其与数据中继节点之间的时间误差不会超过一个更新周期，也不会发生累计效应。数据传感节点与数据中继节点之间的定时器精度差越小，数据传感节点处于低功耗状态的时间就可以越长，也就越节省能量，否则数据传感节点需要提前醒来，防止错过轮询时隙。

数据中继节点与数据汇聚节点之间的时间同步机制与此类似，数据中继节点以与数据汇聚节点完成一个通信过程（组网或数据传输）的时刻为时间基点，根据时隙位置和更新率计算下一次通信的时刻，设定定时器。完成与数据传感节点的通信过程，等待定时器超时，再次与数据汇聚节点通信。

整个***的时隙分配如图16所示。***的同步发起者为数据汇聚节点，在每一个数据帧周期里，它通过分时(time division multiple access,TDMA)的形式和各个数据中继节点进行通信，各个数据中继节点使用不同的射频载波频道，可同时工作，数据中继节点也通过TDMA的形式管理各自的传感器节点。通过这种时隙分配关系可以建立起整个传感数据采集***的无线传感网络的时间同步。

这个无线传感网络的拓扑在***稳定运行后是相对固定的：每个数据传感节点与数据中继节点单跳通信，每个数据中继节点与数据汇聚节点直接通信。数据传感节点、数据中继节点以及数据汇聚节点的具体软件流程图分别如图17，图18，图19所示。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。

Claims (10)

1.一种无线多人运动数据采集器，其特征在于，它主要由数十个数据传感节点，六个数据中继节点和一个数据汇聚节点组成，三种节点组成基于分簇的无线传感网络用以精确，高速地采集各项人体运动传感数据；其中，数十个数据传感节点附着于人体各个运动关键部位，将周期性采集的数据压缩后，通过无线网络传送至所连接的数据中继节点，数据汇聚节点与六个数据中继节点通过SPI接口有线连接，分时通信，最终将传感数据通过USB汇总至计算机。

2.根据权利要求1所述的多人运动数据采集器数据传感节点，其特征在于：所述数据传感节点主要包括：MCU+无线射频模块、加速度传感器模块、磁感应传感器模块、MEMS数字输出陀螺模块和电源调理和监测模块等；MCU+无线射频模块连接有板载天线，MCU通过I²C总线和MEMS数字输出陀螺模块、磁感应传感器模块相连，通过SPI接口与加速度传感器模块相连；数据传感节点由3.3V/250mAH可充电锂电池供电，经电源调理模块产生各个硬件模块需要的供电电压，电源监测模块监测电池的电量，其通过普通IO口模拟I²C总线协议与MCU相连接。

3.根据权利要求1所述的多人运动数据采集器数据中继节点与数据汇聚节点，其特征在于：所述数据中继节点和数据汇聚节点主要任务是管理传感网络、转发命令和转发数据；针对采集器数据率大，实时性强的特点，数据中继节点和数据汇聚节点采用SPI接口有线连接，数据中继节点和数据汇聚节点集成到一块电路板上，由同一个电源模块供电；数据汇聚节点作为整个数据采集***与计算机的接口，其任务是通过SPI接口管理6个数据中继节点，并由USB接口转发计算机命令及传输人体运动数据，其主要包括两个模块：ARM处理器模块以及USB接口模块；采集器共有6个数据中继节点，每个数据中继节点均可管理不超过8个无线数据传感节点，其负责运动传感数据的处理和转发，其主要包括两个模块： DSP处理器模块以及无线收发模块；DSP处理器通过SPI口与无线收发模块连接，并通过另一个SPI接口与ARM处理器通信。

4.一种基于分簇无线传感网络的多人运动数据采集方法，其特征在于，包括以下步骤：

（1）数据汇聚节点和数据中继节点初始化；

（2）数据汇聚节点和数据中继节点组网，建立无线传感网络，等待数据传感节点入网；

（3）数据传感节点初始化；

（4）数据传感节点监听信道，申请入网；

（5）数据传感节点周期性采集传感器数据，并处理压缩该次数据；

（6）数据传感节点根据采集周期封装压缩后的数据，并进入低功耗休眠状态等待定时器将其唤醒；

（7）数据传感节点根据采集周期定时唤醒，并将数据传送给指定数据中继节点；

（8）数据汇聚节点接收数据中继节点数据，并由USB传送至计算机；

（9）一次数据传输结束，重复步骤5-8，实现运动传感数据的周期性采集。

5.根据权利要求4所述的多人运动数据采集方法，其特征在于，所述步骤（1）具体为：数据汇聚节点和数据中继节点初始化包括ARM处理器的初始化，DSP处理器的初始化，射频模块初始化；ARM处理器的初始化与DSP处理器的初始化均包括总线频率设定，GPIO口配置，中断配置，SPI接口配置等；射频模块初始化包括频道设置，时钟频率设定等；所述步骤（3）具体为：数据传感节点初始化包括MCU+无线射频模块初始化，加速度传感器模块初始化，磁感应传感器模块初始化、MEMS数字输出陀螺模块初始化；MCU+无线射频模块初始化包括GPIO口配置，中断配置，频道设置，时钟频率设定等；三种传感器模块初始化包括状态设定，数据初始化等。

6.根据权利要求4所述的多人运动数据采集方法，其特征在于，所述步骤（2）具体为：数据汇聚节点根据计算机命令设定网络刷新频率，并周期性地发送组网信标通过SPI接口与数据中继节点通信，进行无线传感网络的第一层组网，包括以下子步骤：

1）数据汇聚节点广播组网命令；

2）数据中继节点申请网络地址；

3）数据汇聚节点分配网络地址、时隙位置及配置信道等信息；

4）数据汇聚节点确认，建立无线传感网络；

5）数据中继节点周期性广播组网命令，等待数据传感节点入网。

7.根据权利要求4所述的多人运动数据采集方法，其特征在于，所述步骤（4）具体为：数据传感节点与数据中继节点组成该采集器无线传感采集网络的第二层；数据中继节点周期性广播组网命令，数据传感节点选择合适的数据中继节点，向其申请网络地址，主要包括以下子步骤：

1）数据中继节点广播组网命令；

2）数据传感节点根据退避算法搜索合法的数据中继节点，并向其申请网络地址；

3）数据中继节点分配网络地址、时隙位置及更新率等信息；

4）数据传感节点确认数据中继节点应答信息，成功入网则进入下一步，失败则执行退避算法，重复子步骤 2）- 4）；

5）进入数据采集传输阶段。

8.根据权利要求4所述的多人运动数据采集方法，其特征在于，所述步骤（5）具体为：数据传感节点根据数据中继节点通知的采集频率，通过I²C总线与SPI接口采集9轴18Byte的三种传感器数据，并利用本地姿态四元数滤波估计方法计算出本次采集数据的姿态四元数，通过传送8Byte四元素数据来达到数据压缩目的。

9.根据权利要求4所述的多人运动数据采集方法，其特征在于，所述步骤（6）具体为：数据传感节点采集计算传感数据后，会按照数据中继节点通知的数据更新周期，利用管道数据聚合方法将多个计算好的姿态四元数取值缓存在内部缓存管道里，数据帧封装好后数据传感节点将进入低功耗休眠状态，等待定时器将其唤醒再进行数据传输。

10.根据权利要求2所述的多人运动数据采集方法，其特征在于，所述步骤（7）具体为：组网完成后，数据中继节点就开始轮询数据传感节点，而数据传感节点会根据更新率和时隙位置计算第一次数据传输的时刻，设定定时器，该定时器会在需要数据传输的时刻唤醒数据传感节点，数据传感节点则将封装好的数据帧传输给指定的数据中继节点；所述步骤（8）具体为：数据汇聚节点周期性轮询所管理的6个数据中继节点，并通过USB将一周期内的新数据传送至计算机，完成一次运动数据的采集。

Images