傳感器整合是一套數字濾波算法，用于修正每個獨立傳感器的缺陷，然后輸出精確的響應快速的動態的（俯仰/滾轉/偏航）姿態測量結果。傳感器整合的目的是把每個傳感器的測量數據作為輸入數據，然后應用數字過濾算法對輸入數據進行相互修正，最后輸出精確的響應快速的動態的姿態測量結果。因此，航向或方位不受環境磁干擾的影響，沒有陀螺儀的零偏漂移問題。

　　能夠修正傾斜度的數字羅盤是由一個3軸加速度計和一個3軸磁力計組成，可提供以地球北極為參考的航向信息。但是這個航向信息容易受到環境磁力的干擾。如果安裝一個3軸陀螺儀，開發一個9軸傳感器整合解決方案，則可以隨時隨地保持精確的航向信息。

　　在設計一個使用多個MEMS傳感器的系統時，了解下表所列的每個MEMS傳感器的優缺點是很重要的。

　　加速度計:在靜態或慢速運動狀態下可用于傾斜度修正型數字羅盤；可用于計步器的檢測功能，檢測步行人當前的狀態是靜止還是運動。不過，當系統在3D空間靜止時，加速度計無法區分真正的線性加速度與地球重力，而且容易受到震動和振蕩的影響。

　　陀螺儀:可以連續提供從系統載體坐標到局部地球水平坐標的旋轉矩陣，當磁力計受到干擾時，陀螺儀可輔助數字羅盤計算航向數據。長時間的零偏漂移導致無限制的姿態和定位錯誤。

　　磁力計:可計算以地球北極為參考方向的絕對航向，并且可用于校準陀螺儀的靈敏度，但容量受到環境磁場的干擾。

　　壓力傳感器:在室內導航時，壓力傳感器可告訴你身處哪一樓層，輔助GPS計算高度；當GPS信號變弱時，輔助GPS提高定位精度，但是容易受到氣流和天氣狀況的影響。

　　基于以上各方面考慮，卡爾曼濾波器是最常用的整合不同的傳感器輸入信息的數學方法。這種方法權衡不同的傳感器的作用，給性能最高的方面最高權數，因此，與基于單一媒介的導航系統相比，卡爾曼濾波器算法的估算結果更精確可靠。

　　目前基于四元數的擴展型卡爾曼濾波器(EKF)是一個很受歡迎的傳感器整合方案，因為四元數只有4個元素，而旋轉矩陣有9個元素，此外，四元數法還避免了旋轉矩陣的特殊問題。

　　結論

　　隨時隨地精確定位是增強實境等先進移動應用面臨的主要挑戰，因為增強實境與行人航位推算（PDR）或定位服務（LBS）的關系密切。鑒于GPS接收器的接收限制，MEMS傳感器對室內行人航位推算應用很有吸引力，因為這些傳感器大多數已經出現在智能手機內。

　　要想取得5%的室內行人航位推算定位誤差，需要開發MEMS傳感器整合算法，以修正每個傳感器的缺陷，使這些傳感器實現優勢互補。隨著MEMS傳感器的性能不斷提高，在不遠的將來，與用戶無關的SINS/GPS一體化導航系統將會成為智能手機的標準配置。