MEMS传感器整合解决方案

　　对于自由落体检测、屏幕旋转、计步器、倾斜角度测量和运动检测等应用任务，仅一个加速度计即可胜任。然而，对于定位服务(LBS)、增强型运动控制游戏、行人航位推测导航、机器人平衡、空中鼠标、人体跟踪、无人飞行器等先进应用，要想在测量精度、分辨率、稳定性和响应时间等方面取得更高的系统级性能，就需要把MEMS传感器整合在一起，这个概念利用各种传感器提供的不同的具有互补性的信息，运用智能技术整合这些信息，达到优化系统性能的目的，实现令人震撼的新应用。

　　为什么整合传感器?

　　在设计一个使用多个MEMS传感器的系统时，我们必须了解加速度计、陀螺仪、地磁计和压力传感器的优缺点，这是很重要的。

　　传感器整合解决方案可以解决6轴传感器模块的主要的运动检测性能问题，6轴传感器模块由一个3轴加速度计和一个3轴陀螺仪或一个3轴磁力传感器组成。

　　因为陀螺仪在运转一段时间后会发生测量偏差，所以一个由加速度计和陀螺仪组成的6轴惯性传感器模块可能会丢失绝对方位信息，必须经过重新校准才能恢复精确的航向。

　　在有铁材料的环境内，由加速度计和磁力计组成的6轴传感器模块极易发生数据损坏问题。

　　由加速度计、陀螺仪和磁力计组成的9轴传感器模块可以彻底解决单一传感器解决方案的测量值漂移问题，但是这些传感器很容易受到磁干扰，因此，整合传感器的算法需要修正磁干扰的影响。

　　传感器整合的目的是把每个传感器的测量数据作为输入数据，然后应用数字滤波算法对输入数据进行相互补偿，最后输出精确的响应快速的动态的(俯仰/滚转/偏航)姿态测量结果。

　　互补型滤波器

　　机器人平衡、数码相机图像稳定和3D鼠标等应用产品内部都有安装了一个加速度计和一个陀螺仪。当设备静止时，加速度计可以进行精确的倾斜角度测量，当设备旋转或运动时，加速度计跟不上快速的运动。陀螺仪可以输出动态的角速率数据。如果只整合陀螺仪，虽然可以计算出角位移或倾斜角度，但是，在长时间输出数据后，因为陀螺仪零偏漂移，这个角度将会变得不是很精确。

　　互补型滤波器是一个简单的融合加速度计和陀螺仪或磁力计获得精确的且反应快速的俯仰/滚转/偏航输出信号的方式。互补型滤波器由一个通用低通滤波器和一个高通滤波器组成，低通滤波器用于过滤加速度计信号;高通滤波器用于过滤陀螺仪信号。互补型滤波器的原理比较容易理解，实现方式可以参考卡尔曼滤波器。下面是一个如何实现机器人自动平衡用互补型滤波器的示例。

　　如图1所示，机器人用一个双轴或三轴加速度计来测量静态倾斜角 θa，用一个单轴或双轴陀螺仪测量动态倾斜角θg。然后互补型滤波器整合这些测量数据，得到最终的倾斜角θ。微控制器利用这个信息和陀螺仪的角速率信息控制电机，使机器人保持平衡的姿态。