Partide swarm optimization algorithm in calibration of MEMS-based low-cost magnetometer
Notice bibliographique
Résumé
In land platform navigation, many systems as Global Positioning System (GPS) and Inertial Navigation Systems (INS) are used to get the position and the orientation solutions. Magnetometers are complementary sensors used in the navigation algorithms to achieve heading information based on utilizing Attitude and Heading Reference System (AHRS) model. However, low-cost magnetometers decrease the precision of the navigation system due to their inherent errors. Thus, a calibration process should be conducted as a first step to compensate the deterministic errors. This paper proposes a method to calibrate a three-axis magnetometer using the Particle Swarm Optimization (PSO) algorithm and the International Geomagnetic Reference Field (IGRF) model. The improved PSO represents the main contribution of the proposed method, which allows the determination of the calibration parameters for each magnetometer data, and the IGRF model is used to determine the true total Earth's Magnetic Field (EMF) in each time step. In this work, we compare the precision of the standard PSO against the proposed method which provides higher robustness by achieving a better compensation of the errors effects (hard and soft iron, etc.). Since the hard and soft iron are the most significant errors in a Micro-Electro-Mechanical Systems (MEMS) based low-cost magnetometers, the proposed method aims to compensate these errors with a minimal error relative to the reference EMF. Several tests have been made to evaluate the performance of the proposed method. The raw measurements of a MEMS-based on the low-cost magnetometer have been collected in Montreal (Canada) using a real car in different environments (under high-voltage lines, city center, highway, tunnel, etc.) full of distortion sources for the magnetic field. The proposed method always gets a better accuracy and precision even in a harsh environment for a low-cost magnetometer.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».