MTR Multisensorsysteme: 1D-Kalman-Filter

Dozent:	Prof. Dr.-Ing. Schneider
Modul	Multisensorsysteme (Wahlpflichtprofil „Systems Design Engineering“), Wintersemester
Modulbezeichnung:	MTR-B-2-7.10
Modulverantwortung:	Ulrich Schneider
Lehrveranstaltung:	Praktikum Multisensorsysteme
Lektionen:	5, 6 - Anwendung des 1D-Kalman-Filter

Lernziele

Die Studierenden sollen Messdaten mit einem Smartphone aufnehmen, Rauschen identifizieren und mithilfe eines Kalman-Filters glätten. Dabei lernen sie, reale Sensordaten auf ein mathematisches Modell (konstante Geschwindigkeit / Position) abzubilden.

Aufgabe 1

Benötigtes Material

• Ultraschall Messstrecke
• Arduino Baukasten
• PC mit Arduino IDE

Durchführung

1. Lesen Sie den Ultraschallsensor mit dem Arduino ein.
2. Schreiben Sie ein Kalman-Filter in C, um die Messwerte in Echtzeit zu glätten.
3. Geben Sie das Ergebnis auf dem seriellen Plotter aus.

Aufgabe 2

Benötigtes Material

• Ultraschall Messstrecke
• Arduino Baukasten
• PC mit Arduino IDE und MATLAB^®

Durchführung

1. Lesen Sie den Ultraschallsensor mit dem Arduino ein und geben Sie die Zeit in s und Entfernung in cm über die Serielle Schnittstelle aus.
2. Lesen Sie die Messwerte über die serielle Schnittstelle mit MATLAB^® ein.
3. Schreiben Sie ein Kalman-Filter in MATLAB^®, um die Messwerte in Echtzeit zu glätten.
4. Geben Sie das Ergebnis als Plot aus.
5. Diskutieren Sie Ihr Ergebnis.

Aufgabe 3

Benötigtes Material

• Smartphone mit Phyphox-App (Android/iOS, kostenlos)
• PC mit MATLAB^®
• Möbelrolle
• Gliedermaßstab

Durchführung

1. Öffne Phyphox → Beschleunigung (linear).
2. Legen Sie das Smartphone flach auf einem Tisch auf eine Möbelrolle.
3. Starten Sie die Messung und bewege das Smartphone geradlinig (z. B. leicht anschubsen).
4. Stoppen Sie die Messung nachdem das Smartphone zum Stehen gekommen ist.
5. Messen Sie die zurückgelegte Strecke $s_{Ref}$ mit dem Gliedermaßstab.
6. Exportiere die Daten als CSV (über „Teilen → CSV-Datei“).
7. Importieren Sie die CSV-Datei in MATLAB^®.
8. Wählen die Achse der Bewegungsrichtung (z. B. ax).
9. Nutzen Sie ein 1D-Kalman-Filter, um den Zustandsvektor $\underset{\_}{x}=\left[\begin{array}{c}{s}_x\\ v_x\\ a_x\end{array}\right]$zu schätzen.
10. Vergleichen Sie den Endwert für s mit der Referenzmessung $s_{Ref}$.
11. Diskutieren Sie Ihr Ergebnis.

---

→ zurück zum Hauptartikel: MTR Multisensorsysteme WS 25/26