研究了惯性导航中加速度计传感器和陀螺仪传感器性能． 分析加速度计和陀螺仪 的误差来源，并提出误差模型，进行误差补偿． 提出了加速度计传感器惯性导航系统算法，并结合 结合车辆系统动力学模型，对算法进行了仿真和实车测试． 仿真和测试结果和常规惯性导航系统 所采用的陀螺仪方案进行对比分析，从而验证了加速度计惯性导航算法的相对有效性．

运动分析 基于来自手机的加速度计/陀螺仪数据的人体运动分类 data-gathering包含从智能手机收集实时数据并将其转储到磁盘所需的所有代码 datasets包含我们用于训练模型的训练和验证数据 logs随时间推移的模型性能 models预训练模型 进行数据分析的src应用程序 自己测试实时分类器 首先设置您的环境： 安装node.js和python 2.7 进入data-gathering文件夹并运行npm install 进入src文件夹并运行easy install sklearn docopt 该应用程序包含三个部分：在电话上运行并获取数据的网站；以及在计算机上运行并接收数据的node.js应用程序； 一个对数据进行分类的python应用。 得到两个终端和... 在1号航站楼： $ cd src $ python dataset.py --model ../mod

Arduino上的ADXL355 使用SPI协议在Arduino上读取ADXL355 PMDZ加速度计的代码。 它是如何工作的？ 要求 Arduino的在MKR1000上测试 ADXL355 PMDZ 更多信息： 将ADXL355接线至Arduino MKR1000 ADXL355针形数字 ADXL引脚说明 Arduino引脚 1个 片选 07 2个 主输出从站（MOSI） 08 3 主进从出（MISO） 10 4 串行时钟（SCLK） 09 5 数字地面 地线 6 数字电源 VCC 7 中断1 未连接 8 未连接 未连接 9 中断2 未连接 10 数据就绪 未连接 11 数字地面 未连接 12 数字电源 未连接

介绍加速度计和陀螺仪的数学模型和基本算法，以及如何融合这两 者，侧重算法、思想的讨论。

实现捷联惯导导航定位的代码，包括几种经典的算法概述

matlab 的卡尔曼滤波仿真程序，直接运行m文件即可

利用MATLAB产生加速度计和陀螺仪数据，用于对于数据的仿真使用

卡尔曼AHRS 基于卡尔曼滤波器的AHRS C ++库，内置传感器校准和倾斜补偿。可与陀螺仪，加速度计和磁力计组合一起使用。 建立没有依赖性，利用模板，不依赖异常，并且避免了动态内存分配。 适用于Linux和实时嵌入式设备。 在RaspberryPi上使用Pololu Minimu-9 v5进行了测试。 建造 构建遵循标准的CMake程序； 在项目目录中运行： mkdir build && cd build cmake .. cmake --build . 用法 该库可通过CMake构建获得。 它没有系统范围的安装，而是最好将源代码放在项目中，并与add_subdirectory(lib/minimu)和target_link_libraries(target ahrs::ahrs) 。 要使用AHRS系统，请实现需要read方法的Sensor接口。 应该为每个AHRS传感器执行此操

在本教程中，您将学习如何将LSM303DLHC GY-511罗盘模块与Arduino结合使用来制作数字罗盘。

JJF 1426-2013 双离心机法线加速度计动态特性校准规范