Improving the accuracy of wearable sensor orientation using a two-step complementary filter with state machine-based adaptive strategy
Notice bibliographique
Résumé
Abstract Magnetic and inertial sensors have been widely used in human motion analysis, where accurate orientation estimation is important. Regardless of methods, sensor fusion process faces two major challenges: external acceleration and magnetic disturbance. By analyzing the existing literature, we found that a suitable base sensor fusion algorithm integrated with proper adaptive strategies is essential. In this paper, we first implemented a quaternion-based two-step complementary filter as the base sensor fusion algorithm. Its attitude estimation is immune to magnetic disturbance, and it contains two separate tuning parameters for different conditions of external acceleration and magnetic disturbance. With this base algorithm, we proposed a novel finite state machine-based adaptive strategy. Two state machines were developed to cope with external acceleration and magnetic disturbance. To validate the performance of the proposed sensor fusion method systematically, we developed a battery of tests representing daily-living environments, including acceleration distorted condition, magnetically distorted condition, and combined distorted condition. Also, a real-world experiment was performed to validate the orientation estimation accuracy on foot trajectory calculation. The results demonstrate that the proposed sensor fusion method performs well against external acceleration and magnetic disturbance compared with the existing methods. Especially, the proposed sensor fusion method showed a very high accuracy in the 60 s continuous combined distorted condition, where the root mean square errors of the roll, pitch and yaw were 0.63°, 0.83° and 0.96°, respectively. The accuracy of foot trajectory estimation was significantly improved with the orientation estimated by the proposed method. In conclusion, the proposed sensor fusion method is encouraging for human motion-related applications in daily-living environments. In addition, the proposed state machine based adaptive strategy is simple and robust, and can be easily integrated into other base sensor fusion algorithms.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».