基于Allan方差分析的陀螺仪漂移误差辨识与仿真复现

针对传统阿伦(Allan)方差分析法中容易引起误差类型错误识别的问题,提出了一种新的Allan方差曲线拟合方法,开发了软件程序辅助人工操作,实现陀螺仪漂移误差类型识别并完成误差参数估计,曲线拟合过程可视化、直观简便。对一组实测的陀螺仪数据进行了Allan方差分析,求得它的漂移误差类型和相应的噪声参数,基于噪声参数进行了虚拟陀螺仪漂移的仿真复现,复现数据的误差特征与实测数据吻合,验证了Allan方差分析方法的正确性,研究结果可为提高陀螺仪性能提供参考。

MEMS陀螺仪漂移和噪声的分析和补偿

对陀螺仪数据分析的传统方法是使用kalman滤波器做尾数据处理来降低随机误差,由于陀螺仪传感器随着外界环境的变化的影响会有非线性误差,传统的kalman滤波算法处理的是线性误差,因此引进了适用于非线性系统的EKF滤波。为了快速滤除系统在实际环境中产生的噪声,对传统的中值滤波算法进行了改进,降低其计算复杂度,提出差分-均值中值滤波法。本文首先使用阿伦(ALLAN)方差分析了陀螺仪的误差特性,对于这些误差源分别提出了偏移校正的方法,之后建立自动回归-滑动平均模型(ARMA模型)对陀螺仪数据进行误差建模分析,最后使用EKF算法降低随机误差。实验结果表明该方法比传统的方法滤波效果好、计算复杂度低、实时性好。