imu互补滤波matlab代码

下面是一个使用互补滤波算法的 IMU 数据融合的 MATLAB 代码示例：

% 假设已经得到了加速度计和陀螺仪的测量数据
accelerometer_data = [ax, ay, az];  % 加速度计测量值
gyroscope_data = [gx, gy, gz];  % 陀螺仪测量值

% 初始化变量
dt = 0.01;  % 采样时间间隔（秒）
alpha = 0.98;  % 加速度计权重系数

% 初始化姿态估计
estimated_orientation = [0, 0, 0];  % 初始姿态为零

% 进行互补滤波
for i = 2:length(accelerometer_data)
    % 更新姿态估计
    gyro_angle_change = gyroscope_data(i, :) * dt;
    estimated_orientation = estimated_orientation + gyro_angle_change;

    % 使用加速度计修正姿态估计
    accelerometer_angle = atan2d(accelerometer_data(i, 2), accelerometer_data(i, 3));
    estimated_orientation = alpha * estimated_orientation + (1 - alpha) * accelerometer_angle;
    
    % 角度限制在 -180 到 180 度之间
    estimated_orientation = mod(estimated_orientation + 180, 360) - 180;

    % 输出姿态估计结果
    disp(estimated_orientation);
end

这段代码实现了一个简单的互补滤波算法，用于将加速度计和陀螺仪的测量数据进行融合，估计出设备的姿态。其中 `accelerometer_data` 是加速度计的测量值，`gyroscope_data` 是陀螺仪的测量值。`dt` 是采样时间间隔，`alpha` 是加速度计的权重系数。

在每次循环中，首先根据陀螺仪的测量值更新姿态估计，然后使用加速度计的测量值修正姿态估计。最后，将估计出的姿态限制在 -180 到 180 度之间，并输出结果。

请注意，这只是一个简单的示例代码，实际应用中可能需要考虑更多因素，例如噪声处理、坐标系转换等。