嵌入式PDA传感器融合算法实战 · 课程目录

章节传感器融合概述

什么是传感器融合、为什么需要融合、PDA中的典型传感器

章节坐标系与姿态表示

世界坐标系与机体坐标系、欧拉角、旋转矩阵、四元数基础

章节加速度计原理与数据读取

MEMS加速度计工作原理、I2C/SPI接口读取、原始数据校准与滤波

章节陀螺仪原理与数据读取

MEMS陀螺仪工作原理、角速度测量、零偏稳定性与温漂补偿

章节磁力计原理与数据读取

地磁场与磁力计、硬铁/软铁校准、椭圆拟合校准法

章节气压计原理与数据读取

气压测高原理、温度补偿、融合GPS提升高度精度

章节传感器数据预处理

滑动平均滤波、中值滤波、低通滤波（一阶RC）、卡尔曼滤波入门

章节时间同步与插值

多传感器时间戳对齐、线性插值与样条插值、PDA中的同步策略

章节姿态解算基础

加速度计计算俯仰与横滚、磁力计计算航向、陀螺仪积分姿态

章节互补滤波器

互补滤波原理、一阶互补滤波实现、参数调优与实测效果

章节Mahony滤波器

Mahony算法推导、PI控制器在姿态估计中的作用、代码实现与调试

章节Madgwick滤波器

Madgwick算法原理、梯度下降法优化、与Mahony的对比分析

章节卡尔曼滤波基础

状态空间模型、预测与更新步骤、协方差矩阵的意义

章节扩展卡尔曼滤波（EKF）

非线性系统线性化、雅可比矩阵计算、EKF在姿态估计中的应用

章节无迹卡尔曼滤波（UKF）

UT变换、Sigma点选取、UKF与EKF的精度对比

章节粒子滤波（PF）

蒙特卡洛方法、重要性采样、重采样、PF在定位中的应用

章节IMU预积分

IMU测量模型、预积分理论、在视觉-惯性SLAM中的应用

章节视觉-惯性融合（VIO）

VIO系统架构、前端视觉跟踪、后端非线性优化

章节GPS-IMU融合

松耦合与紧耦合、RTK-GPS与IMU融合、城市峡谷中的鲁棒性

章节磁-惯性融合

磁干扰检测、自适应磁力计融合、室内定位中的磁指纹

章节气压计辅助高度融合

气压计与IMU融合、垂直速度估计、楼梯检测

章节多传感器融合架构

集中式与分布式融合、联邦卡尔曼滤波、信息滤波

章节传感器故障检测与隔离

残差检测、卡方检验、一致性检查、故障重构

章节嵌入式实时系统基础

RTOS任务调度、中断优先级、DMA传输、低功耗设计

章节PDA硬件平台选型

MCU与MPU对比、传感器选型（BMI270、ICM-20948等）、通信接口

章节嵌入式C代码优化

定点数运算、查表法、循环展开、内存对齐、编译器优化选项

章节传感器融合算法移植

从MATLAB到C、浮点转定点、ARM CMSIS-DSP库使用

章节实测数据采集与离线分析

使用串口/蓝牙记录数据、Python数据分析脚本、误差评估

章节综合项目：PDA姿态跟踪系统

需求分析、硬件搭建、算法集成、性能测试

章节课程总结与进阶方向

现有算法局限、学习资源推荐、未来趋势（AI融合、事件相机）