惯性传感器的倾角计算要用到三角函数.
在 MCS-51, Cortex M0, M3 之类的芯片上编程时, 能使用的资源是非常有限, 通常只有两位数KB的Flash, 个位数KB的RAM. 如果要使用三角函数和开方就要引入 math.h, 会消耗掉10KB以上的Flash空间. 在很多情况下受硬件资源限制无法使用 math.h, 这时候使用简化的方法进行三角函数和开方运算就非常有意义, OlliW’s Bastelseiten在2014年的一篇文章里, 提供了几个实用的计算方法. 下面介绍其计算方法和代码实现.
快速正弦余弦(Sin, Cos)计算
将角度 x ∈ [ 0 , π 2 ] x \in [0, \frac{\pi}{2}] x∈[0,2π]通过下面的式子转换到 $ \alpha \in [-\frac{1}{2}, \frac{1}{2}]$ 区间
α = 2 π x − 1 2 \alpha = \frac{2}{\pi} x - \frac{1}{2} α=π2x−21
于是, 对应 α \alpha α 的多项式近似计算为
sin α = a 0 − b 1 α + a 2 α 2 − b 3 α 3 + a 4 α 4 − b 5 α 5 + a 6 α 6 cos α = a 0 + b 1 α + a 2 α 2 + b 3 α 3 + a 4 α 4 + b 5 α 5 + a 6 α 6 \sin\alpha = a_0 - b_1\alpha + a_2\alpha^2 - b_3\alpha^3 + a_4\alpha^4 - b_5\alpha^5 + a_6\alpha^6 \\ \cos\alpha = a_0 + b_1\alpha + a_2\alpha^2 + b_3\alpha^3 + a_4\alpha^4 + b_5\alpha^5 + a_6\alpha^6 sinα=a0−b1α+a2α2−b3α3+a4α4−b5α5+a6α6cosα=a0+b1α+a2α2+b3α3+a4α4+b5α5+a6α6
如果将上面的符号固定项和变化项分成 A A A和 B B B两部分
A = a 0 + a 2 α 2 + a 4 α 4 + a 6 α 6 B = b 1 α + b 3 α 3 + b 5 α 5 A = a_0 + a_2\alpha^2 + a_4\alpha^4 + a_6\alpha^6 \\ B = b_1\alpha + b_3\alpha^3 + b_5\alpha^5 A=a0+a2α2+a4α4+a6α6B=b1α+b3α3+b5α5
则 sin α \sin\alpha sinα 和 cos α \cos\alpha cosα 可以通过 A 和 B 的值表达
sin α = A − B cos α = A + B \sin\alpha = A - B \\ \cos\alpha = A + B sinα=A−Bcosα=A+B
对应的各项系数值
a 0 = 0.707106781187 a 2 = − 0.872348075361 a 4 = 0.179251759526 a 6 = − 0.0142718282624 b 1 = − 1.110670322264 b 3 = 0.4561589075945 b 5 = − 0.0539104694791 a_0 = 0.707106781187 \\ a_2 = -0.872348075361 \\ a_4 = 0.179251759526 \\ a_6 = -0.0142718282624 \\ \\ b_1 = -1.110670322264 \\ b_3 = 0.4561589075945 \\ b_5 = -0.0539104694791 a0=0.707106781187a2=−0.872348075361a4=0.179251759526a6=−0.0142718282624b1=−1.110670322264b3=0.4561589075945b5=−0.0539104694791
使用上面的计算方式, 结果绝对误差小于 6.5 × 1 0 − 6 6.5 \times 10^{-6} 6.5×10−6, 并且 cos 2 x + sin 2 x \cos^2 x + \sin^2 x cos2x+sin2x 不会超过 1. 计算过程只需要7次乘法和7次加法.
C语言实现
const float coeff[7] = {// a0 ~ a6 b1 ~ b50.707106781187, -1.110670322264,-0.872348075361, 0.4561589075945,0.179251759526, -0.0539104694791,-0.0142718282624
};/*** @param alpha: value between 0 and 0.5
*/
void sincos_normalized(float alpha, float *sin, float *cos)
{int i;float alpha_exp = 1.0, part_a = 0, part_b = 0;for (i = 0; i < 7; i++){if (i % 2 == 0){part_a = part_a + (coeff[i] * alpha_exp);}else{part_b = part_b + (coeff[i] * alpha_exp);}alpha_exp = alpha_exp * alpha;}*sin = part_a - part_b;*cos = part_a + part_b;
}float calculate(float degree_in)
{int quadrant, multi;float degree = degree_in, alpha, cos, sin, c, s;multi = (int)(degree / 90.0);degree = degree - (multi * 90.0);alpha = (degree / 90) - 0.5;sincos_normalized(alpha, &s, &c);multi = multi % 4;if (multi == 0){sin = s;cos = c;}else if (multi == 1){sin = c;cos = -s;}else if (multi == 2){sin = -s;cos = -c;}else if (multi == 3){sin = -c;cos = s;}printf("d_in:%5.0f d:%5.0f a:%10.5f sin:%10.5f cos:%10.5f\r\n", degree_in, degree, alpha, sin, cos);
}
计算的结果和 math.h 的 sin cos 函数对比, 数值几乎一样, 仅在个别数值的小数点后第五位会有 ± 1 \pm1 ±1的差异.
平方根倒数计算
对于1附近的数值, 平方根倒数可以使用牛顿迭代法计算, 实际上非常简单,因为它只涉及加法和乘法,而不涉及除法, 对于 x ∈ [ 0.6 , 1.4 ] x \in [0.6, 1.4] x∈[0.6,1.4], 计算式为
y 0 = 1 y n + 1 = y n ( 1.5 − 0.5 x y n 2 ) y_0 = 1 \\ y_{n+1} = y_n (1.5 - 0.5 x {y_n}^2) \\ y0=1yn+1=yn(1.5−0.5xyn2)
计算两次牛顿迭代需要3次乘法, 而二阶泰勒级数只需要2次, 但是牛顿迭代法精度更高, 甚至比三阶泰勒级数的精度更高. 如果执行三次牛顿迭代则需要6次乘法, 在 0.6 < x < 1.4 0.6 < x < 1.4 0.6<x<1.4的范围内结果精度优于 1 × 1 0 − 4 1 \times 10^{-4} 1×10−4, 注意 x x x的取值范围, 因为近似是以1为中心展开的, 所以离1越远差异越大, 在这个范围之外例如 x = 0.5 x = 0.5 x=0.5的时候, 三次迭代就达不到这个精度. 在实际应用中, 可以将要计算的数值提一个系数转换到 x ∈ [ 0.6 , 1.4 ] x \in [0.6, 1.4] x∈[0.6,1.4]区间进行计算.
C语言实现
float inverse_sqrt(int interates, float x)
{float y;y = 1.5 - (x / 2);while (interates--){y = y * (1.5 - 0.5 * x * y * y);}return y;
}// 使用 0.5 ~ 2.1 之间的数字测试, 分别迭代5次
int main(int argc, char *const argv[])
{int i, j;for (i = 0; i < 17; i++){printf("%4.1f ", i*0.1 + 0.5);for (j = 0; j < 5; j++){printf("%11.9f ", inverse_sqrt(j, i*0.1 + 0.5));}printf("\r\n");}return 0;
}
快速反正弦(Arcsin)计算
原文最终选择的是多项式近似, 避免了取绝对值等复杂处理, 只是在 x = ± 1 x = \pm 1 x=±1 附近的绝对精度较差, 输出值规范化为 π \pi π,即定义 arcsin ( x ) = π × a s i n ( x ) \arcsin(x) = \pi \times asin(x) arcsin(x)=π×asin(x). 计算式为
a s i n ( x ) = x 2 × a 0 + a 2 x 2 + a 4 x 4 + a 6 x 6 b 0 + b 2 x 2 + b 4 x 4 + b 6 x 6 asin(x) = \frac{x}{2} \times \frac{a_0 + a_2x^2 + a_4x^4 + a_6x^6}{b_0 + b_2x^2 + b_4x^4 + b_6x^6} asin(x)=2x×b0+b2x2+b4x4+b6x6a0+a2x2+a4x4+a6x6
对应的系数数值为
a 0 = 0.318309886 a 2 = − 0.5182875 a 4 = 0.222375 a 6 = − 0.016850156 b 0 = 0.5 b 2 = − 0.89745875 b 4 = 0.46138125 b 6 = − 0.058377188 a_0 = 0.318309886 \\ a_2 = -0.5182875 \\ a_4 = 0.222375 \\ a_6 = -0.016850156 \\ \\ b_0 = 0.5 \\ b_2 = -0.89745875 \\ b_4 = 0.46138125 \\ b_6 = -0.058377188 a0=0.318309886a2=−0.5182875a4=0.222375a6=−0.016850156b0=0.5b2=−0.89745875b4=0.46138125b6=−0.058377188
当 ∣ x ∣ < 0.75 |x|<0.75 ∣x∣<0.75时, 绝对误差小于 1 × 1 0 − 5 1 \times 10^{-5} 1×10−5, 当 ∣ x ∣ < 0.91 |x|<0.91 ∣x∣<0.91时, 绝对误差小于 4.2 × 1 0 − 5 4.2 \times 10^{-5} 4.2×10−5, 在 x ≈ 0.997 x \approx 0.997 x≈0.997时, 最大误差为 0.011 0.011 0.011.
C语言实现
const float coeffa[4] = {// a0 ~ a60.318309886,-0.5182875,0.222375,-0.016850156
};const float coeffb[4] = {0.5,-0.89745875,0.46138125,-0.058377188
};const float pi = 3.14159265358979;float arcsin(float x)
{int i;float x2 = 1, a = 0, b = 0;for (i = 0; i < 4; i ++){a = a + coeffa[i] * x2;b = b + coeffb[i] * x2;x2 = x2 * x * x;}return (x * pi / 2) * (a / b);
}int main(int argc, char *const argv[])
{int i;float x, alpha, expect;for (i = 0; i < 20; i++){x = 0.01 + (i * 0.05);alpha = arcsin(x);expect= asin(x);printf("x:%4.2f a:%9.6f e:%9.6f\r\n", x, alpha, expect);}
}
计算结果, 最右侧一列为 math.h 的 asin() 函数, 用于对比
x:0.01 a: 0.010000 e: 0.010000
x:0.06 a: 0.060036 e: 0.060036
x:0.11 a: 0.110223 e: 0.110223
x:0.16 a: 0.160691 e: 0.160691
x:0.21 a: 0.211575 e: 0.211575
x:0.26 a: 0.263022 e: 0.263022
x:0.31 a: 0.315193 e: 0.315193
x:0.36 a: 0.368268 e: 0.368268
x:0.41 a: 0.422454 e: 0.422454
x:0.46 a: 0.477996 e: 0.477995
x:0.51 a: 0.535185 e: 0.535185
x:0.56 a: 0.594386 e: 0.594386
x:0.61 a: 0.656060 e: 0.656061
x:0.66 a: 0.720815 e: 0.720819
x:0.71 a: 0.789485 e: 0.789498
x:0.76 a: 0.863278 e: 0.863313
x:0.81 a: 0.944073 e: 0.944152
x:0.86 a: 1.035139 e: 1.035270
x:0.91 a: 1.143404 e: 1.143284
x:0.96 a: 1.291451 e: 1.287002
将0.9附近细分一下
x:0.90 a: 1.119760 e: 1.119769
x:0.91 a: 1.143404 e: 1.143284
x:0.92 a: 1.168431 e: 1.168081
x:0.93 a: 1.195150 e: 1.194413
x:0.94 a: 1.224027 e: 1.222630
x:0.95 a: 1.255752 e: 1.253236
x:0.96 a: 1.291451 e: 1.287002
x:0.97 a: 1.333107 e: 1.325231
x:0.98 a: 1.384628 e: 1.370462
x:0.99 a: 1.455034 e: 1.429257
在 0 < x < 0.6 0 < x < 0.6 0<x<0.6区间的精度最高, 在 0.6 < x < 0.9 0.6 < x < 0.9 0.6<x<0.9区间结果数值偏小, 在 0.9 < x < 1 0.9 < x < 1 0.9<x<1区间结果数值偏大. 越接近1精度越差, 实际使用时在大于 0.97 0.97 0.97时需要做一些补偿.
参考
- 用多项式快速计算三角函数等 https://www.olliw.eu/2014/fast-functions/