最大时间间隔误差与Allan方差关系研究

最大时间间隔误差和Allan方差都是常用于对时间频率信号生成与传递系统进行分析或评价的统计量。在有些应用中,测量最大时间间隔误差较测量Allan方差更为方便。为了确定一个信号的最大时间间隔误差和Allan方差之间是否存在一定的统计关系以及是否可以通过最大时间间隔误差对Allan方差做出估计,介绍了最大时间间隔误差和Allan方差的数学定义,通过数学分析推导,得到了最大时间间隔误差与Allan方差之间不能直接换算,而最大时间间隔误差一定时Allan方差存在上限。该关系对不同取样时间都成立。对幂律谱模型中常见的5种噪声类型,使用计算机程序生成每种噪声条件下的数值数据,对这一关系做了验证。数学推导计算和数值数据验证都表明:根据数据的最大时间间隔误差可以确定其Allan方差的上限。

基于Allan方差的改进自适应滤波SINS/GNSS导航算法

针对系统噪声和量测噪声均发生变化时,现有自适应卡尔曼滤波容易发散导致SINS/GNSS导航精度下降的问题,提出了一种基于Allan方差的改进自适应滤波SINS/GNSS导航算法。该方法在对自适应滤波进行改进的基础上,结合Allan方差估计法计算量测噪声协方差阵,克服了自适应滤波中噪声参数耦合以及高维度系统出现奇异性导致滤波发散问题,并利用残差χ2故障检测法对系统状态进行判断,对遗忘因子进行动态调整,对噪声特性跟踪效果更快速,相比其他改进方法简单易实现。仿真结果表明,与卡尔曼滤波,Sage-Husa自适应滤波相比,所提出的算法对噪声有较好的估计效果,且导航精度更高,滤波稳定性更好,速度均方误差平均可比传统Kalman滤波提高49.06%,较Sage-Husa自适应滤波提高27.19%;位置均方误差平均可比传统Kalman滤波提高41.12%,较Sage-Husa自适应滤波提高19.79%。

基于动态Allan方差的光纤陀螺随机误差分析(英文)

针对经典Allan方差不能反映光纤陀螺(FOG)随机误差的非平稳特性,动态Allan方差(DAVAR)可以反映但没有理论系统地证明其正确性和有效性的问题,通过仿真数据验证了DAVAR的正确性;利用实验数据分析光纤陀螺噪声随时间变化的动态特性,证明了DAVAR的有效性。首先,阐述了经典Allan方差和动态Allan方差的数学定义,然后利用仿真和实验数据验证其特征,并实现了光纤陀螺噪声的定量二维描述。实验结果表明:DAVAR不仅可以辨识和分离光纤陀螺随机误差,还可以确定噪声系数,更重要的是可以描述光纤陀螺随机信号动态特性。因此,DAVAR是分析光纤陀螺特性更加全面、有效且实用的工具。

交叠式Allan方差在微机械陀螺随机误差辨识中的应用

微机械陀螺随机误差的辨识对提高微机械陀螺的精度具有非常重要的意义。在相同的置信水平下,交叠式Allan方差分析方法比普通Allan方差具有更大的置信区间。论文对交叠式Allan方差在微机械陀螺随机误差辨识中的应用做了深入研究,并基于该方法对某型号微机械陀螺进行了随机误差辨识实验。实验表明该方法能有效地辨识出微机械陀螺的各项随机误差成分。

MEMS传感器随机误差Allan方差分析

MEMS传感器中随机误差较大,有时会覆盖传感器中有用信号,提出采用Allan方差(Allan variance)方法对MEMS传感器实测数据进行分析,系统地分析了引起MEMS传感器误差的随机噪声种类及其来源和特性,确定其各项系数,根据系数获得其功率谱密度,根据功率谱密度分析法与Allan方差分析法获得对应各项随机误差的数学模型,然后以数学表达式的形式得到统一的数学模型,再与卡尔曼滤波相结合得到增强的卡尔曼滤波,最后通过车载实验对MEMS-INS/GPS各个姿态进行卡尔曼滤波与改进后卡尔曼滤波2种滤波方法的比较,实验结果表明新滤波方法能很好地提高微惯性系统各个姿态精度。

基于Allan方差的磁光玻璃型光学电流互感器噪声分析

为了更有效地提高光学电流互感器(OCT)的信噪比,针对OCT的噪声特性,提出一种基于Allan方差的噪声分析方法。应用所提方法结合光电探测器结构以及实验采集得到的噪声性质将噪声分为6类:量化噪声、高斯白噪声、1/f噪声、指数相关噪声、温度相关噪声以及正弦噪声。进一步得到含有6类噪声项的OCT随机噪声模型。针对实测数据,计算辨识了磁光玻璃型OCT随机噪声模型中各主噪声源的噪声系数。实验结果表明所提方法能有效地辨识出磁光玻璃型OCT的各个噪声项系数。通过该方法得到的噪声模型能够提高输出信噪比,为OCT应用实时滤波算法提高测量精度奠定了基础。

利用Allan方差分析GPS非差随机模型特性

非差GPS定位中,通常采用以观测值服从高斯白噪声条件的估计准则进行参数求解。研究表明卫星端误差、传播路径误差、测站环境误差等会破坏观测值的白噪声特性,并且未模型化误差同样具有不利影响。这不仅破坏了估计准则的假设条件,而且部分非白噪声有可能被状态参数吸收,影响估计的准确性。本文将观测值白噪声、有色噪声和未模型化误差一同纳入GPS非差随机模型,以验后残差来表征GPS数据的随机特性,进行Allan方差分析,研究噪声成分及其参数。结果表明,GPS非差噪声组合主要为WN+GM,相位白噪声为2.392mm,GM过程噪声为4.450mm/s,相关时间为52.074s,伪距白噪声为0.936m,GM过程噪声为0.833m/s,相关时间为14.737s,相位的GM过程噪声与卫星相关性较大,而其余噪声则与测站相关性较大,大量分析结果表明GPS非差随机模型并不服从高斯白噪声假设,有待精化。

采用变异系数和Allan因子的雷电时间丛集性特征分析

雷电时间规律的分析对输电线路的防雷设计、改造和雷电预警等均有重要意义。为此,利用雷电定位系统累计的大量雷电数据,对雷电发生的时间丛集性(clustering)特征进行了研究,并以中国某城市2008—2009年雷电数据为例,基于变异系数法证实了雷电发生时间上的聚类现象,进一步使用Allan因子对这种聚类现象发生的时间尺度进行了研究,发现雷电事件在约300s的时间尺度开始出现丛集性现象,300～106.5 s(约为统计时间长度的1/10)时间尺度范围内其Allan因子在双对数图上存在2段明显不同的线性区域——即2段分形指数不同的分形自相似区域,2段区域分形指数分别为1.6373(2008年)、1.6461(2009年)和0.5297(2008年)、0.3724(2009年),最后对这2段区域的交叉点(crossover)物理意义进行了解释。

基于Allan方差的MEMS陀螺仪性能评价方法

介绍了Allan方差的基本定义,以及采用Allan方差对陀螺零偏数据进行处理所需的测试系统构成及测试要点。详细推导了采用Allan方差法对陀螺仪噪声进行估算的过程,描述了应用MATLAB进行数据处理平台建设的主要流程。最后运用Allan方差理论对MEMS陀螺信号进行了定量分析,得到了MEMS陀螺仪的量化噪声系数、角度随机游走系数、偏差不稳定性系数、速率随机游走系数和速率斜坡系数5个误差源系数,实验表明该方法能有效地辨识微机械陀螺的各项随机误差成分,可以正确评价陀螺仪的性能指标,为陀螺仪的设计改进提供了依据。

光纤陀螺随机误差的重叠分段Allan分析方法

针对光纤陀螺随机误差的特点,研究一种有效估计其各种噪声成分系数的Allan方差分析方法。首先,探讨了光纤陀螺随机误差分析中,Allan方差拟合系数为负的原因及利用经典方差方法分析的前提。而后,分析了连续分段的Allan方差分析方法。该方法针对每种噪声的不同相关时间对Allan方差曲线进行连续分段拟合,但方法人为分离了相关时间相近的噪声成分,因此将导致较大拟合误差。为此,提出基于重叠分段的Allan方差分析方法,方法根据Allan方差双对数曲线及噪声特点对相关时间进行混合重叠分段,将相关时间相近的不同噪声化为同一区段,同时为减小相邻区段噪声的方差贡献带来的拟合误差,拟合时将相邻的幂次项纳入拟合模型,提高了拟合精度。光纤陀螺实测数据的分析结果表明,该方法的拟合误差比连续分段Allan方差分析方法减小2/3。

光纤陀螺仪零漂信号的Allan方差分析

介绍了光纤陀螺零漂实验的设备环境,硬件和软件的构成及数据采集过程。在测得光纤陀螺零漂信号的基础上,运用Allan方差理论对陀螺信号进行定量的分析,得到了光纤陀螺5个误差源系数的大小,并根据误差源的产生机理,找到了光纤陀螺硬件存在误差的部分,提出了光纤陀螺的改进方案。

基于一种简化Allan方差法的IMU误差分析

为了分析惯性测量单元(IMU)的随机误差项系数,采用了Allan方差分析方法,同时,针对大数据量情况,为了减小计算量并保持Allan方差分析的准确性,结合双对数曲线特点,给出了一种简化的Allan方差算法,并使用该算法对一种微机械(MEMS)惯性测量单元的长时间静态数据进行了分析。结果表明:该方法可以有效地辨识出IMU各误差项系数。

抗差估计及Allan方差在车载组合导航系统中的应用研究

针对组合导航系统中全球定位系统(GPS)信号易丢失和干扰、惯性导航系统(INS)无法长时间单独工作的问题,通过采用带故障检测和隔离的导航算法解决GPS数据异常的问题,有效提高系统的可靠性;同时当GPS卫星信号短时间丢失时,利用Allan方差分析方法确定惯性传感器误差并进行补偿,使纯INS能够在一定精度内独立工作相对长的一段时间。车载试验结果表明:该方法能够保证组合导航系统的可靠性,且在GPS信号短时间丢失情况下提高了纯惯导系统的导航性能。

基于动态Allan方差的光纤陀螺动态特性分析

为了研究光纤陀螺的动态特性,提出采用动态Allan方差法对光纤陀螺测试得到的动态误差进行分析.根据动态Allan方差法中窗函数的原理,讨论了不同窗口长度对动态误差分析结果的影响.并且,提供了单一摇摆运动和两种复合摇摆运动的分析结果.从分析图中方差的起伏变化可以看出,动态Allan方差法可以准确地反映动态误差里的突变和周期性变化等非稳定性因素,能够清晰地辨识出隐藏在动态误差里的不同摇摆状态.由理论分析和实验结果可知,动态Al-lan方差法对光纤陀螺的动态特性分析是非常适用的.

基于Allan方差法的光纤陀螺建模与仿真

介绍了一种与实际情况相接近的陀螺模型,并给出了根据光纤陀螺的角度随机游走(ARW)和角速率随机游走(RRW)系数模拟产生陀螺随机误差数据的方法.角度随机游走和角速率随机游走系数可通过Allan方差法获得.理论分析表明,模拟产生的陀螺随机误差具有与实际的角度随机游走和角速率随机游走误差相一致的功率谱密度.通过仿真对文中所述的模拟产生陀螺随机误差的方法进行了验证,表明了方法的有效性.该方法可用于分析由陀螺和星敏感器构成的卫星姿态确定系统的性能.

基于Allan方差的激光陀螺信号分析

本文分析了激光陀螺的随机噪声的产生来源,同时分析了噪声里的量化噪声、角度随机游走、零偏不稳定性、速率随机游走、速率斜坡噪声。在利用Allan方差对激光陀螺仪输出信号进行分析基础之上,设计了IIR滤波系统对陀螺信号进行处理,并对滤波前后的陀螺测试数据进行了对比,结果表明,该滤波技术能有效提高激光陀螺的精度。

光纤陀螺仪随机误差的Allan方差分析

文中应用Allan方差法对某型光纤陀螺的静态输出信号进行了分析,为提高光纤陀螺的性能提供了依据。

基于动态Allan方差的MEMS惯性测量单元的性能评价

为了对受温度等外界环境影响下的MEMS惯性测量单元进行性能评估,针对经典Allan方差法不能反映各惯性器件的时变特性的缺陷,提出了采用动态Allan方差(DAVAR)法对MEMS陀螺仪和加速度计进行随机误差项的辨识和时变特性分析.经典Allan方差法和DAVAR法的随机误差辨识结果和仿真结果表明:在随机误差辨识方面,DAVAR法相比经典Allan方差法的辨识结果更为准确;在变温环境下,DAVAR法的仿真结果还能够反映出惯性器件输出信号受温度变化等环境影响下的时变特性,DAVAR法能够对MEMS惯性测量单元进行准确评价.

基于Allan方差的光纤陀螺随机漂移建模与仿真

随机漂移是影响光纤陀螺精度的主要因素之一,建立陀螺随机漂移模型以便在滤波时加以修正是提高系统精度的有效方法。针对传统随机漂移模型建模耗时长、过敏感等问题,提出基于Allan方差的光纤陀螺随机漂移模型。通过各噪声项的功率谱密度函数推导出随机微分方程,用Allan方差分析出光纤陀螺各噪声项量化参数,将量化参数代入以单位白噪声驱动的随机微分方程,得到随机漂移模型。实验结果表明,该模型拟合出的随机漂移单项噪声误差不超过8.6%,远低于传统模型产生的单项噪声误差58.3%,是一种有效的光纤陀螺随机漂移建模方法。

基于Allan方差的MEMS陀螺随机误差建模

针对由于MEMS陀螺随机误差较大而影响MEMS惯性测量系统测量精度的问题,提出一种利用Allan方差分析随机误差并建模的方法;在分析Allan方差原理的基础上,通过Allan方差分析法分离和辨识了MEMS陀螺仪的各项随机误差以及误差系数,并利用随机误差系数进行了数学建模;通过与ARMA模型比较,表明利用Allan方差建立的模型更加精确;该方法为MEMS惯性导航系统中姿态测量的误差补偿和滤波提供了新的思路,对提高MEMS惯性测量系统的测量精度具有一定的实际应用价值。