为什么要使用低通滤波器消除加速度计的重力效应？

核心背景 #

MEMS加速度计的原始输出本身是比力值，同时包含两个分量：

• 固定大小、方向始终指向地心的重力加速度分量
• 设备运动产生的线性加速度分量

你看到的通用公式Ad = -g - ∑F / mass就是加速度计的测量模型：Ad为加速度计原始输出，∑F / mass就是你需要的线性运动加速度，因此理论上只要从原始输出中减去当前姿态下的重力三轴分量，就能得到目标值。

为什么不能直接用固定重力值减去？ #

重力的三轴分量不是固定值：设备姿态发生旋转时，重力在加速度计x/y/z三个轴上的投影会实时变化，除非设备永远保持固定姿态，否则不可能用一个预先设定的固定重力值完成减法。

低通滤波方案的设计逻辑 #

重力分量的变化特征和线性加速度完全不同：

• 重力分量只会随设备姿态变化而改变，属于低频变化信号，正常使用场景下不会出现突变
• 线性加速度由设备运动产生，多是瞬态的高频变化信号

该方案用一阶IIR低通滤波器，从加速度计原始输出中提取出低频分量，这个分量就是当前姿态下的实时重力三轴估计值，再用原始输出减去该重力值，就得到了剥离重力后的线性加速度。

代码参数与逻辑解释 #

你贴的代码中：

1. 常量alpha是低通滤波的平滑系数，取值范围0~1：
   • 取值越接近1，重力估计值越平滑，抗高频运动干扰能力越强，但跟踪姿态变化的速度会变慢
   • 取值越接近0，重力估计值跟踪姿态变化的速度越快，但更容易混入运动加速度产生的误差
   • 0.8是移动端场景的通用经验值，平衡了平滑度和姿态跟踪速度
2. 重力估计更新逻辑：

   gravity[0] = alpha * gravity[0] + (1 - alpha) * event.values[0];
   gravity[1] = alpha * gravity[1] + (1 - alpha) * event.values[1];
   gravity[2] = alpha * gravity[2] + (1 - alpha) * event.values[2];
   

   每次新采样到加速度计原始值event.values时，用80%的历史重力估计值加20%的新采样值更新重力估计，本质就是过滤掉采样值里的高频分量，保留低频的重力相关分量。
3. 线性加速度计算逻辑：

   linear_acceleration[0] = event.values[0] - gravity[0];
   linear_acceleration[1] = event.values[1] - gravity[1];
   linear_acceleration[2] = event.values[2] - gravity[2];
   

   直接从原始采样值中剥离掉估计出的重力分量，得到仅由运动产生的线性加速度。

该方案的优势 #

• 纯软件实现、算力开销极低，无需依赖陀螺仪、磁力计等额外传感器，仅用加速度计即可完成计算，非常适合移动设备、嵌入式等低资源场景
• 实时性好、延迟极低，远低于需要融合多传感器做姿态解算的方案
• 调参简单，仅需调整alpha一个参数即可适配不同使用场景

内容的提问来源于stack exchange，提问作者moumenShobakey