A Full-State Robust Extended Kalman Filter for Orientation Tracking During Long-Duration Dynamic Tasks Using Magnetic and Inertial Measurement Units
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Accurate and robust orientation estimation using magnetic and inertial measurement units (MIMUs) has been a challenge for many years in long-duration measurements of joint angles and pedestrian dead-reckoning systems and has limited several real-world applications of MIMUs. Thus, this research aimed at developing a full-state Robust Extended Kalman Filter (REKF) for accurate and robust orientation tracking with MIMUs, particularly during long-duration dynamic tasks. First, we structured a novel EKF by including the orientation quaternion, non-gravitational acceleration, gyroscope bias, and magnetic disturbance in the state vector. Next, the a posteriori error covariance matrix equation was modified to build a REKF. We compared the accuracy and robustness of our proposed REKF with four filters from the literature using optimal filter gains. We measured the thigh, shank, and foot orientation of nine participants while performing short- and long-duration tasks using MIMUs and a camera motion-capture system. REKF outperformed the filters from literature significantly (p < 0.05) in terms of accuracy and robustness for long-duration tasks. For example, for foot MIMU, the median RMSE of (roll, pitch, yaw) were (6.5, 5.5, 7.8) and (22.8, 23.9, 25) deg for REKF and the best filter from the literature, respectively. For short-duration trials, REKF achieved significantly (p < 0.05) better or similar performance compared to the literature. We concluded that including non-gravitational acceleration, gyroscope bias, and magnetic disturbance in the state vector, as well as using a robust filter structure, is required for accurate and robust orientation tracking, at least in long-duration tasks.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle