手势识别 使用Flex和IMU传感器进行深度学习的手势识别

基于C++开发的Android native Sensor的实例代码，可以直接运用到实际项目中，避免重复的造轮子，加快开发进度。示例中有各种sensor数据的获取，代码简洁，运行编译集成方便。

IMU_dataset 使用工业机器人作为地面真相的惯性和磁传感器的各种测试的matlab数据集，由@ Escola Superior de Tecnologia eGestão的InstitutoPolitécnicode Leiria开发。 数据集和测试的注意事项 该存储库旨在提供一些融合算法评估阶段收集的数据集。 无需在市场上可以找到的参考传感器上就可以比较出融合算法在恶劣动态环境中的性能，而无需事先了解由运动引起的磁场干扰或线性加速度。 使用工业机器人进行了测试，该机器人可以获取IMU单元在15 Hz时的方向和位置，从而建立了地面真相。 所有传感器信号均以100 Hz采样，并通过两个MRF24J40 Microchip模块之间的自定义无线协议与PC相连。 两个信号在Matlab时间内同步。 使用8种不同的传感器，以6种不同的速度在4条不同的路径上进行了测试。 运行Tes

针对室内信道 ,提出一种基于 UWB多径信号中最强路径检测的 TOA估计算法 .通过卷积运算进行最强路径搜索 ,进而完成 TOA估计 .TOA估计过程不依赖视距路径(line-of-sight path)检测 ,适合于 NLOS(non line-of-sight)情形 ,且最强路径搜索避免了阈值设置过程 ,相比 LP搜索计算复杂度低 .通过对 IEEE .802.15.4a标准下 NLOS信道模型的仿真实验 ,讨论了各参数估计偏差对定位性能的影响 , 验证了本定位算法在室内多径信道下的适用性 .

采用Mahony算法对IMU（+三轴磁力计）输出进行姿态解算，注释完整清晰。

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。

UWB无线定位延时软件 上位机测试 可以参考学习，欢迎下载

这是一种在similink数据中只使用测距（UWB）和6轴imu传感器的融合算法

UWB 算法仿真

MPU6050陀螺仪与姿态解算实验，使用hawk2平台