Allan方差分析测量数据噪声特性的性能研究

针对白噪声、闪烁噪声、随机游走以及一阶高斯马尔科夫过程4种典型噪声,采用模拟数据,详细研究随机序列特性对Allan方差分析结果的影响,包括数据长度、采样率、不连续性以及可能存在的粗差。实验表明,随机序列的不同特性对Allan方差分析结果均有不同程度的影响,由此给出Allan方差分析法在实测数据应用中的策略,并对惯导数据进行分析。

硅微阵列陀螺仪的信号滤波技术

为了提高硅微陀螺仪的性能,基于四质量块结构形式,设计了一种全新的单芯片集成硅微阵列陀螺仪.根据Allan方差分析方法对漂移信号进行了研究,建立了系统的随机误差模型.利用冗余检测技术、信号差分技术、目标动态跟踪技术和粒子滤波算法构建了系统的两级动态滤波器,分析了系统的状态方程和观测方程,并对测量信号进行了滤波研究.实验结果表明:根据该动态滤波器模型,对于转动角速度为50(°)/s的动态滤波实验,原始信号的标准差由0.481 0(°)/s减小为0.214 9(°)/s,动态测量信号的信噪比得到了有效提高,而经过动态滤波后的漂移信号的零偏不稳定性与原始漂移信号相比提高了2.54倍.

关于小波分解原子时算法的有效性

小波分解原子时算法已经在导航定位领域获得了应用,人们也试图将该算法推广到其他工程领域,已取得了初步的进展。但该方法究竟是一种偶然的现象还是有其数学基础,是迫切需要解决的一个问题。从小波分析理论出发,从数学上解释了小波分解原子时算法优于经典加权算法的数学原理。数学分析结果表明:小波分解原子时算法的计算精度优于经典加权算法,为该算法的推广应用奠定了数学基础。最后,通过实例验证了小波分解原子时算法的有效性。

一种MEMS加速度计的噪声处理与参数训练方法

为进一步提高微机电系统(MEMS)加速度计的测量精度,建立以测量值为输入、真实值为输出的MEMS加速度计误差补偿模型,利用Allan方差和最小均方(LMS)自适应滤波算法对加速度计在6个位置下的多组实际测量数据进行噪声分析和预处理,处理后的全部测量数据作为样本训练模型参数,利用最小二乘和批量梯度下降相结合的方法获得样本数据对真实模型参数的最优拟合,并利用该模型对加速度计进行误差补偿,实现MEMS加速度计的高精度标定。实验验证表明,利用该模型对MEMS加速度计进行误差补偿后,输出值的均值误差为(0.72~1.19)×10^-4 g,标准差为(0.75~1.61)×10^-4 g,相对于补偿前,均值误差降低了2个数量级,标准差降低了1个数量级,有效提高了MEMS加速度计的测量精度和稳定性。

基于FPGA的阵列式MEMS惯性测量单元的采集系统设计

针对阵列式微机电系统(MEMS)惯性测量单元数据采集需要实时性、高精度和高同步性问题,选取ICM20602六轴MEMS惯性测量单元构建阵列式惯性测量单元。采用基于现场可编程门阵列(FPGA)的同步并发方法实现同步数据采集,结合均值融合算法有效降低系统噪声水平,并使用阿伦方差进行随机误差辨识。实验结果表明,该系统实现了稳定可靠的阵列式MEMS惯性测量单元数据采集,能够显著降低随机误差的影响,为低成本惯性导航系统提供一种有效设计方案。

基于最小方差预报的嵌入式测控网络系统研究

介绍RS-232/RS-485总线结构的单片机嵌入式测控网络系统的功能、最小二乘参数估计算法、预报的方法、单片机系统硬软件和现场实验效果情况.依据系统多站各点的可测变量参数,由上位管理微机进行计算,综合数据库历史事件的记录,把监测参数的限位值和该参数变化率情况结合起来,进行智能预报.实现对电力电缆接头故障发生的前提报警.此方法比单一参数限位值的传统作法在报警时间上提前,并大大提高了预报故障的准确性.

基于新陈代谢双时序模型的激光多普勒测速仪漂移数据滤波

为了有效抑制激光多普勒测速仪输出数据的随机漂移,提高其测量精度,在传统时序模型的基础上采用新陈代谢双时序模型进行激光多普勒测速仪漂移数据滤波.该模型由两级新陈代谢时序模型级联而成,每一级新陈代谢时序模型均依次对13个数据点时序建模.依据此模型分别对激光多普勒测速仪静态及动态漂移数据进行建模和滤波.利用方差分析法及Allan方差法对滤波前后的测速仪静态漂移数据进行分析并利用频谱分析法对比了滤波前后的测速仪动态漂移数据.结果表明:新陈代谢双时序模型将静态漂移数据标准差减小为原始数据的44%,将角度随机游走降为原始数据的41%;该方法不仅能实时降低激光多普勒测速仪的静态随机漂移误差,而且能够实时有效抑制其动态输出噪声.

基于MEMS陀螺仪和加速度计的自适应姿态测量算法

针对MEMS陀螺仪以及加速度计传感器单独测姿时,传感器数据中存在复杂噪声和测量误差导致测量得不到最优姿态角的问题,设计了一种基于MEMS陀螺仪和加速度计的自适应姿态测量算法.算法采用扩展卡尔曼滤波方法实现数据融合,并且在利用Allan方差估计MEMS陀螺动态噪声的同时,加入了遗忘因子和限定记忆的算法思想,从而实时地跟踪数据的量测噪声,实时修正角度估计误差,有效地提高了姿态测量系统的精度.实验结果表明,二者组合定姿可实现高精度的姿态测量,验证了算法良好的动态噪声抑制能力,提高了系统对环境变化的适应性.

面向ADHD的利用HTC Vive采集手部运动数据的可行性研究

虚拟现实技术在辅助注意力缺陷伴多动障碍(ADHD)的客观诊断中取得了一定成效;为了分析ADHD患者与正常儿童在虚拟环境中手部交互的运动差异,需要追踪被试的手部运动并对其进行测量;消费级虚拟现实系统HTC Vive配有手持控制器,具有运动捕捉功能;然而目前临床上还未将手持控制器用于人体手部运动追踪,因此尝试探讨手持控制器用于追踪人体手部运动的可行性,并设计了两个实验;实验一评估HTC Vive系统追踪手持控制器静置时的位置和旋转精度,分析系统的随机误差;实验二评估系统追踪手持控制器的平移和旋转精度;实验一测量得出:手持控制器静置时在X、Y、Z轴的位置抖动误差均小于0.25 mm,旋转抖动误差均小于0.05°;进而采用艾伦方差方法对实测数据进行分析,得到系统量化噪声、零偏不稳定性、速率斜坡等主要误差项系数;实验二测量得出:手持控制器绕X、Y、Z轴的旋转误差均小于0.35°,沿X、Y、Z轴的平移误差均小于3 mm;实验结果表明:HTC Vive系统可用于采集人体的手部运动数据,为辅助ADHD患者的客观诊断提供了可靠的基础支持。

排队系统仿真输出数据的采集和分析

如何对计算机仿真运行后得到的信息进行采集和分析,已成为排队系统仿真研究中一个十分关键的问题.本文介绍了采集和分析输出数据的多种方法,并对其应用效果和应用范围进行了初步分析.

消费级MEMS惯性传感器的工程快速筛选方法

低成本MEMS惯性测量单元(IMU)在商业上得到广泛应用,但由于MEMS工艺、检测电路等条件的限制,MEMS惯性测量单元在精度和可靠性方面存在劣势,其中有一部分完全不能使用.针对这一问题,提出一种切实可行的MEMS惯性传感器的工程快速筛选方法,设计了24传感器的批量数据采集平台;根据Allan方差原理,对15枚MPU6050进行了原始数据曲线和Allan标准差的双对数曲线的计算和绘制.通过分析,剔除了其中的6枚不能够使用的器件,确定了9枚平均性能器件,剔除率达40%.避免了因劣质器件问题导致实验数据不可靠性以及影响用户的体验,大幅度节约MEMS惯性传感器的筛选时间,确保了后续系统集成的顺利进行.该方法也适用于高成本MEMS惯性传感器筛选出优质器件.

航向数据去噪中两种滤波方法对比研究

电控罗经因其多种优点得到广泛的使用,但是由于受多种干扰影响,其航向数据存在不同噪声。利用改进的Sage-Husa自适应滤波和抗野值算法,将其应用到罗经的数据处理中,并与经典kalman进行了比较。通过试验结果中误差方差和Allan方差系数的比较,得到Sage-Husa自适应滤波比经典kalman更适用于航向数据的处理。

虚拟陀螺随机误差分析研究

虚拟陀螺是提高MEMS陀螺测量精度的一个重要技术。为了建立MEMS陀螺的随机误差模型,更好地进行数据融合,设计了虚拟陀螺阵列硬件结构,采用Allan方差分析算法对所设计陀螺阵列中单个陀螺进行随机误差分析与建模,并与陀螺阵列滤波融合后的结果比较。实验结果表明,Allan方差分析算法可以很好地估计陀螺随机误差,对虚拟陀螺阵列的数据融合提供了比较精确的误差模型。

一种改进经验模态的原子钟数据去噪算法

原子钟受仪器内部硬件设施及外界扰动等影响,钟组频差数据会出现噪声和粗差值,严重影响原子钟信号的稳定性和准确度,因此提出了一种改进原子钟去噪算法——改进EMD-AKF算法。将原子钟数据依据3σ准则进行粗差值剔除后,结合经验模态分解和自适应卡尔曼滤波对预处理后的数据进行分析,根据皮尔逊相关系数和自相关系数确定经验模态分解后IMF分量中的主导成分,对噪声主导的IMF分量进行自适应卡尔曼滤波去噪,最终重组出新的原子钟钟差数据。通过对处理前后的钟差数据进行稳定性评估得出,改进EMD-AKF算法使得原子钟信号的频率稳定度提升一个量级,极大降低了计数器等仪器噪声对原子钟频差数据的影响。