二、IMU基础：加速度计、陀螺仪、磁力计的工作原理与输出特性
在步态检测与计步算法设计中，IMU（惯性测量单元）是感知人体运动的核心硬件基础。无论是腕部手环、足部鞋垫，还是腰部佩戴的采集设备，其原始数据质量直接决定了后续姿态解算、步态分割和计步准确率的上限。本章将深入剖析加速度计、陀螺仪、磁力计三类传感器的物理工作原理、输出信号特征、坐标系定义及工程选型要点，帮助你在算法开发前建立扎实的传感器认知框架。
上图展示了三类传感器在步态检测系统中的角色分工与数据融合关系。加速度计提供重力参考和步频特征，陀螺仪提供姿态变化率，磁力计则用于修正航向漂移。三者通过融合算法输出稳定的姿态信息，为后续步态分析奠定基础。下面我们逐一深入解析每个传感器的工作原理与输出特性。
2.1 加速度计：感知比力与重力投影
2.1.1 核心工作原理
加速度计测量的是物体受到的"比力"（Specific Force），即单位质量上除重力以外的惯性力。MEMS加速度计内部包含一个质量块和固定电极，当传感器沿某一轴加速时，质量块因惯性发生位移，导致差分电容变化，通过检测电容差值即可反推加速度大小。值得注意的是，加速度计在静止状态下测量的并非零值，而是重力加速度g（约9.8 m/s²）在传感器各轴上的投影分量。这一特性是姿态解算中获取横滚角和俯仰角的基础。
2.1.2 步态检测中的典型应用
在计步算法中，加速度计是主力传感器。人体行走时，垂直加速度呈现约1-2Hz的周期性波形，通过峰值检测、过零检测或自相关分析即可识别步态周期。腕部设备中，由于手臂摆动与脚步存在相位耦合，通常采用加速度向量幅值（SVM）来消除方向影响：
SVM = sqrt(ax² + ay² + az²)SVM曲线在行走时呈现明显的双峰或单峰特征，配合阈值判断和动态窗口即可实现基础计步。但需注意，加速度计易受高频振动干扰（如乘车、跑步），需结合低通滤波（截止频率约3-5Hz）预处理。
2.1.3 选型与配置要点
| 参数项 | 推荐值/范围 | 说明 |
|---|---|---|
| 量程 | ±2g ~ ±8g | 日常步行选±2g，跑步选±8g |
| 采样率 | 50Hz ~ 100Hz | 步态频率最高约2Hz，50Hz满足奈奎斯特 |
| 噪声密度 | < 200 μg/√Hz | 低噪声保证微弱步态信号可辨 |
| 零偏稳定性 | < 10 mg | 影响静态姿态角精度 |
2.1.4 常见误区
初学者常将加速度计直接积分得到速度或位移，这在步态检测中误差极大。由于零偏和噪声的存在，积分会产生严重漂移，数秒内位移误差即可超过实际步幅。正确做法是利用加速度计的重力参考特性进行姿态解算，而非直接积分定位。
2.2 陀螺仪：测量角速度与姿态变化
2.2.1 核心工作原理
MEMS陀螺仪基于科里奥利效应工作。当质量块在驱动方向做高频振动，同时传感器绕敏感轴旋转时，会产生与角速度成正比的科里奥利力，使质量块在检测方向发生位移，通过电容检测即可得到角速度。陀螺仪输出的是绕各轴的旋转角速度（ωx, ωy, ωz），单位为rad/s或dps（度/秒）。
2.2.2 在步态检测中的角色
陀螺仪对旋转运动敏感，在步态检测中主要用于：
- 姿态跟踪：对角速度积分可获得姿态角变化，但存在积分漂移，需与加速度计融合。
- 步态相位识别：足部穿戴设备中，摆动相和支撑相的角速度特征明显，可用于区分行走、上楼、下楼等模式。
- 抗干扰补充：当加速度计受冲击干扰时，陀螺仪数据相对稳定，可用于数据有效性判断。
2.2.3 量程与噪声权衡
陀螺仪量程选择需权衡分辨率与饱和风险。日常步态检测中，腕部旋转角速度一般不超过±200dps，足部摆动可能达到±400dps。选择±500dps量程可兼顾精度与动态范围。过大的量程会降低小角速度的分辨率，过小则可能导致数据截断。
2.2.4 常见误区
直接对陀螺仪积分得到角度时，即使零偏仅0.1dps，积分10秒也会产生1°的误差，且误差随时间线性累积。因此，纯积分姿态在步态检测中不可持续，必须引入加速度计的重力参考进行修正。
2.3 磁力计：提供航向参考
2.3.1 核心工作原理
磁力计测量地球磁场在传感器各轴上的分量，原理基于磁阻效应或霍尔效应。三轴磁力计可感知磁场方向，结合加速度计的姿态信息，可计算出航向角（Yaw）。在步态检测中，磁力计主要用于修正陀螺仪的航向漂移，尤其在需要判断行走方向或转弯场景时。
2.3.2 输出特性与校准
磁力计输出为三轴磁场强度（mx, my, mz），单位为μT或gauss。其数据易受环境磁场干扰（如电机、金属结构、手机扬声器），需要进行硬磁和软磁校准。硬磁干扰表现为固定偏移，可通过旋转设备采集球面数据求圆心校准；软磁干扰表现为椭圆畸变，需通过最小二乘拟合椭圆参数修正。
// 磁力计硬磁校准示例（简化）
// 采集N个方向数据，求各轴偏移量
offset_x = (max_x + min_x) / 2;
offset_y = (max_y + min_y) / 2;
offset_z = (max_z + min_z) / 2;
// 校准后数据
cal_x = raw_x - offset_x;
cal_y = raw_y - offset_y;
cal_z = raw_z - offset_z;2.3.3 在步态检测中的局限性
磁力计动态响应慢，易受环境干扰，在室内或金属环境中可靠性下降。在纯计步场景中，通常不依赖磁力计；但在需要航向信息的应用（如导航、转向检测）中，磁力计是必要的补充。融合策略上，磁力计仅在磁场干扰小时才赋予较高权重。
2.3.4 常见误区
许多开发者误以为磁力计可以直接输出航向角，实际上必须结合加速度计的姿态信息进行倾斜补偿。在非水平状态下，直接使用atan2(my, mx)计算航向会产生严重误差。
2.4 三传感器协同与数据融合策略
2.4.1 互补滤波原理
加速度计低频准确但高频噪声大，陀螺仪高频准确但低频漂移，两者在频域上互补。互补滤波通过高通滤波处理陀螺仪积分角度，低通滤波处理加速度计解算角度，再相加得到融合姿态。其核心公式为：
angle = α * (angle + gyro_rate * dt) + (1-α) * accel_angle其中α为权重系数，通常取0.95~0.98，dt为采样周期。α越大，越信任陀螺仪；α越小，越信任加速度计。
2.4.2 卡尔曼滤波简介
卡尔曼滤波通过状态预测和观测更新两步递归，在噪声统计已知时达到最优估计。在步态检测中，状态量通常为姿态角和陀螺零偏，观测量为加速度计解算的姿态角。卡尔曼滤波计算量较大，在MCU资源受限时需简化处理。
2.4.3 融合策略对比
| 方法 | 计算量 | 精度 | 适用场景 |
|---|---|---|---|
| 互补滤波 | 低 | 中等 | MCU资源受限、实时性要求高 |
| Mahony算法 | 低 | 中等偏上 | 四元数姿态解算，无人机常用 |
| 卡尔曼滤波 | 高 | 高 | 高精度步态分析、科研设备 |
2.4.4 实战场景：腕部计步器的传感器配置
以一款腕部计步手环为例，其传感器配置如下：加速度计量程±4g，采样率50Hz；陀螺仪量程±500dps，采样率50Hz；磁力计禁用。算法流程为：
- 对加速度计数据进行3Hz低通滤波，去除高频抖动。
- 计算SVM向量，检测波峰波谷，设置动态阈值（阈值为过去2秒SVM均值的1.2倍）。
- 利用陀螺仪数据辅助判断手臂摆动方向，排除非行走的周期性动作（如挥手）。
- 连续检测到3个有效波峰后判定为行走状态，开始计步。
该方案在实测中计步准确率达到95%以上，且功耗控制在1mA以内。若加入磁力计，可进一步识别行走方向，但功耗增加约0.3mA，且需定期校准。
2.5 本章总结与工程复盘
本章系统梳理了IMU三类传感器的物理原理、输出特性和工程应用要点。核心要点归纳如下：
- 加速度计是计步的主力传感器，利用重力投影解算姿态，利用SVM检测步频。
- 陀螺仪提供角速度信息，用于姿态跟踪和步态相位识别，但存在积分漂移。
- 磁力计提供航向参考，但易受干扰，在纯计步场景中可禁用。
- 数据融合是获得稳定姿态的关键，互补滤波和卡尔曼滤波各有优劣，需根据硬件资源选择。