基于改进小波阈值的激光陀螺漂移信号降噪

针对固定阈值法对激光陀螺漂移信号去除噪声会出现"过扼杀"小波系数的现象,提出一种称为E-median的小波阈值。信号进行平稳小波变换,计算各尺度高频小波系数的E-median阈值,采用软阈值法修正高频小波系数,通过平稳小波逆变换重构信号。对激光陀螺漂移仿真信号和实测信号去除噪声,该阈值均能保留原信号的特征并有效去除噪声。仿真结果表明相对于固定阈值、混合阈值以及Minimax阈值,采用该阈值消除噪声信噪比更高。

光电稳定平台中陀螺随机漂移的处理方法

在详细分析陀螺随机漂移对光电稳定平台精度影响的基础上,提出了Allan方差与功率谱相结合的分析和评价标准,采用了时间序列分析法进行建模。针对光电稳定平台不同的应用环境,分别比较了陀螺随机漂移的处理方法。实验证明,前向线性滤波在中高频段的噪声滤除方面,要优于低通滤波器;同时在保留低频段的有用信号和了解噪声特性方面,要优于卡尔曼滤波;而且在实时的在线应用方面,要优于小波滤波。结果表明:前向线性滤波适合于高带宽光电稳定平台系统的实时在线应用。

MEMS陀螺随机漂移的状态空间模型分析及应用

利用Kalman滤波器对MEMS陀螺随机漂移进行估计和补偿,需要将随机漂移的自回归滑动平均(ARMA)模型转化为相应的状态空间模型,从而有必要对模型之间的转换问题进行深入研究。针对国内外有关文献提出的三种转化形式,从数学角度进行了证明,并结合MEMS陀螺的试验数据,分别采用这三种状态空间模型进行了随机漂移和角速率估计试验。试验结果分析表明,采用状态空间模型1不能同时对陀螺随机漂移和角速率做出正确的估计,采用状态空间模型2、3的估计结果正确且滤波效果好、实时性强,更适用于对MEMS陀螺随机漂移的估计和补偿。

基于改进陀螺漂移模型的卫星姿态确定算法

三轴稳定卫星的有陀螺姿态确定系统需要对陀螺漂移误差进行建模。针对目前采用的白噪声驱动陀螺漂移模型会引起陀螺漂移估计误差曲线不光滑,进而导致姿态角估计误差和姿态角速度估计误差曲线不光滑的问题,提出两种改进的陀螺漂移误差模型,并从理论上分析了该方法的正确性和实用性。仿真实验表明,改进后的陀螺漂移模型可以有效降低漂移估计误差的稳态误差,提高姿态角和姿态角速度的估计精度。

基于经验模分解的陀螺信号消噪

陀螺随机漂移是影响惯性导航精度的重要因素。小波消噪方法对异常噪声效果不明显,且对小波基和分解尺度等因素依赖性较强。提出陀螺信号经验模分解(EMD)消噪方法,将信号进行经验模分解得到一个本征模态函数(IMF)组,先基于2σ准则处理异常噪声IMF分量,再利用相关系数确定高频噪声IMF分量个数,将噪声分量去除以实现陀螺信号消噪。详细对比小波方法与EMD方法,利用交叠式Allan方差分析两者的消噪效果,通过惯导算例进一步验证EMD方法的实效性。结果表明,相比小波方法,EMD消噪法能剔除异常噪声,可以更有效地抑制陀螺漂移。

光纤陀螺随机漂移ARMA模型研究

从理论上证明了由多个ARMA过程组成的平稳随机过程,可以由一个等效ARMA模型描述,并推导该模型的数学表达式。提出了一种新的平稳随机过程建模的有效方法,并应用于光纤陀螺随机漂移建模。采用功率谱密度分析光纤陀螺随机漂移组成,从而确定随机漂移的ARMA模型的形式和阶数。通过对实际光纤陀螺数据分析和建模,利用所得随机漂移模型对陀螺输出数据补偿,检验模型的适用性。结果表明该建模方法正确可行,采用该方法建立的光纤随机漂移模型具有很好的适用性,可以有效抑制光纤陀螺随机漂移。

光纤陀螺随机漂移模型

随机漂移是光纤陀螺的主要误差,建立数学模型在输出中补偿是抑制该项误差、提高光纤陀螺精度的有效方法.光纤陀螺静态输出为随机过程,对该随机过程的平稳性和正态性进行分析,拟合趋势项、周期项并补偿,使其成为平稳随机序列.采用时间序列分析法建立光纤陀螺随机漂移模型,根据随机漂移自相关和偏相关系数的特性辨识模型的类型和阶数,利用最小二乘方法估计模型参数,得到光纤陀螺随机漂移模型为AR(2).对陀螺输出数据补偿,检验模型的适用性.结果表明,该模型具有很好的适用性,能够有效抑制随机漂移,提高光纤陀螺精度,可以作为惯导系统卡尔曼滤波器状态变量的数学模型.

改进小波阈值法在MEMS陀螺信号去噪中的应用

陀螺随机漂移是影响MEMS陀螺仪精度的重要指标,有效减小MEMS陀螺仪的随机漂移误差是提高MEMS陀螺仪使用精度的关键技术之一。文中在分析了小波阈值法的去噪原理和存在的缺陷的基础上,构造了一种新的阈值函数,并利用3σ准则提取阈值,提出了一种改进的小波阈值去噪法,并将其应用于MEMS陀螺仪输出信号的滤波处理中,取得了良好的去噪效果。实验结果表明,文中提出的方法可以有效减少信号中的高频噪声,很好地抑制MEMS陀螺仪的随机漂移,去噪效果明显优于传统的小波阈值法。

基于小波方差的光学陀螺随机误差特性研究

Allan方差法是对光学陀螺随机误差频率稳定性进行分析的一种通用方法。根据光学陀螺信号零漂移的频率特性,提出了利用小波变换所具有的时频局部化的优点对其随机过程进行小波方差分析。由于小波方差可以更好地防止能量泄露,所以小波方差比Allan方差更为精确。经过对光学陀螺零漂数据的方差分析证明了Allan方差和小波方差法的一致性,并且小波方差更能准确地描述不同频率的方差变化。

基于异方差分析的多MEMS陀螺随机误差补偿方法

针对具有异方差性的多MEMS陀螺随机漂移误差的补偿问题,提出基于广义自回归条件异方差建立单个MEMS陀螺随机漂移的误差模型,并在此基础上进行多元异方差时间序列的相关性分析,研究基于多元广义自回归条件异方差分析多MEMS陀螺随机漂移信号的协方差矩阵和时变相关系数。将该分析方法应用于多MEMS陀螺的在线融合补偿中,验证了多元异方差分析方法对多MEMS陀螺随机误差补偿的有效性。仿真结果表明该方法对随机漂移信号具有很好的融合补偿效果,可以提高多MEMS陀螺的测量精度。

激光陀螺随机漂移数据建模与滤波

在对激光陀螺漂移数据建立时间序列模型的基础上,对激光陀螺的漂移数据进行了卡尔曼滤波。结果表明此方法能有效地抑制激光陀螺的随机误差。

自适应格型算法对动调陀螺仪随机漂移的建模

针对动力调谐陀螺仪启动过程中随机漂移模型参数的缓慢变化及逐次启动漂移模型系数的不同 ,提出了一种利用递归最小平方格型 (LSL)算法对动力调谐陀螺仪随机漂移模型系数进行自适应估计的方法 .格型相同节级联的特殊结构决定了 LSL算法在自回归 (AR)模型阶数增加时不必改变算法结构 .使得该算法可以在线进行 ,并且收敛非常迅速 ,可以针对动力调谐陀螺仪不同次启动快速建立该次启动的随机漂移模型 .通过对动力调谐陀螺仪启动 1 min后的 4组实测漂移数据处理及模型检验 。

AR模型在动力调谐陀螺仪漂移补偿中的应用

根据静基座上动力调谐陀螺仪的漂移特性，运用时间序列分析方法建立了动力调谐陀螺仪随机漂移的时序模型，提出了一种动力调谐陀螺仪漂移自适应实时控制补偿方法。文中详细介绍了ＡＲ模型参数估计算法，列举了采用ＡＲ（２）模型进行漂移自适应补偿的实验数据，证明了该方法的可行性。

激光陀螺捷联惯导系统中惯性器件误差的系统级标定

为评估激光陀螺SINS的性能 ,需对系统中的惯性器件误差 ,包括随机漂移误差、刻度系数误差与安装误差角等 ,进行系统级标定 .提出了卡尔曼滤波校准法 ,此方法利用激光陀螺SINS六位置静基座测试数据来标定系统中的惯性器件误差 .其实现过程包括两步 :首先 ,基于降阶处理思想 ,利用SINS的静基座测试数据 ,通过卡尔曼滤波来估计SINS系统中激光陀螺随机漂移误差及其他误差参数的耦合参量 ;第二步 ,比较两组不同位置的静基座测试数据的滤波辨识结果 ,对不同形式的耦合参量估值进行标量运算 ,即可获得SINS系统中其它惯性器件误差参数的校准值 .卡尔曼滤波校准法的方法比较简单 ,测试易于实现 ,只需要一台精度比较高的手动三轴定位转台即可 .另外 ,卡尔曼滤波法具有对测量噪声及环境干扰的影响不敏感、校准精度高的优点 .卡尔曼滤波校准法的有效性与可行性已通过仿真测试得到了验证 .

非平稳时间序列的陀螺随机漂移数据处理方法

以挠性陀螺的随机漂移为研究对象,采用非平稳时间序列分析法和基于小波分解的平稳时间序列分析法,建立相应的随机漂移模型。实验研究结果表明,论文采用的建模方法,具有建模精度高、符合陀螺随机漂移实际特性的特点。

一种微机电系统陀螺信号基于小波域的Karhunen-Loeve变换去噪方法

为了减少梳状音叉微机电系统(MEMS)陀螺的随机漂移误差,提出了一种小波域上的Karhunen-Loeve变换(KLT)的MEMS陀螺漂移信号的去噪方法。其主要思想是:先对分段的MEMS陀螺漂移信号进行小波分解;然后对各个中高频子带进行6抽头滤波,插值成和最高频带相同长度的样本点后,利用小波各尺度间的相似性进行高频分量的KLT变换,在一定程度上去除不相干噪声;最后对KLT降噪后的信号再进行小波阈值处理完成进一步的降噪。实验结果表明,所提方法相对于基于小波变换的各种阈值方法,陀螺输出信号的方差、零偏稳定性和随机游走误差都有了明显的改善。

一种用于陀螺随机漂移预测的多尺度混合建模方法

针对陀螺随机漂移时间序列由于非平稳和非线性造成单一预测模型难以准确跟踪其变化趋势的问题,提出了一种基于集合经验模态分解(EEMD)和灰色极端学习机(GELM)的多尺度混合建模方法。首先,利用集合经验模态分解将随机漂移时间序列按照频率高低分解为多个本征模式分量和一个余量;然后针对不同类型时频特性分量选择合适激活函数和隐层神经元数目的GELM分别进行预测;最后,以等权相加的方式得到最终预测结果。将该方法用于某型激光陀螺随机漂移预测中,仿真结果表明:混合预测模型能够准确预测陀螺随机漂移,预测精度比残差GM(1,1)和GELM预测模型分别提高了33.43%和23.47%,可为激光陀螺的漂移补偿、故障预报和可靠性诊断提供依据。

基于时间序列模型的激光陀螺随机漂移数据处理

采用时间序列分析方法建立激光陀螺随机误差模型,应用递推最小二乘(RLS)法估计模型的参数,在此基础上对激光陀螺的漂移数据进行了卡尔曼滤波,结果表明:该方法能有效地抑制激光陀螺的随机误差,提高了激光陀螺的精度。

半球谐振陀螺仪随机误差分析

为了研究半球谐振陀螺仪的随机误差特性,评定陀螺仪的静态精度,测试了陀螺仪处于静态工作条件下的零漂数据,对陀螺仪的输出的噪声功率谱进行了分析,最后用Allan方差分析方法得出了半球谐振陀螺仪随机误差系数。根据功率谱密度分析的结果与Allan方差分析的结果,分析了不同时期的半球谐振陀螺的噪声源特性。表明Allan方差可以评定半球谐振陀螺仪的噪声水平,指出了新研制的半球谐振陀螺仪的随机噪声明显小于以前的陀螺仪的噪声,精度有了大幅度的提高。

光纤陀螺随机漂移分析与建模方法

随机漂移是影响光纤陀螺精度的重要因素。根据光纤陀螺静态漂移测试信号,利用Allan方差法对光纤陀螺随机漂移误差进行了分离和辨识,并分析了系数拟合过程中最小二乘法的病态矩阵问题。最后探讨了利用AIC准则和长自回归法建立光纤陀螺随机漂移ARMA模型的方法,为进一步对光纤陀螺输出信号进行滤波处理奠定了基础。