基于Kalman滤波的MEMS陀螺仪滤波算法

针对MEMS陀螺仪精度不高、随机噪声复杂的问题,研究了某MEMS陀螺仪的随机漂移模型.应用时间序列分析方法,采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模,进而基于该AR模型并采用状态扩增法设计Kalman滤波器.速率试验和摇摆试验仿真结果表明,在静态和恒定角速率条件下,采用该算法滤波后的MEMS陀螺仪的误差均值和标准差都比滤波前有了明显的降低.针对摇摆基座下该算法随摆动幅度的增大效果变差的问题,从提高采样率和选择自适应Kalman滤波2个方面对算法进行改进.仿真结果表明,2种方法都能改善滤波效果,然而考虑到系统采样频率和CPU计算速度的限制,自适应滤波有更高的实用性.

基于时间序列分析的Kalman滤波方法在MEMS陀螺仪随机漂移误差补偿中的应用研究

从工程实用的角度出发,探讨了MEMS陀螺仪随机漂移误差的有效补偿方法.首先采用时间序列分析的方法建立了MEMS陀螺仪的随机漂移误差模型,然后阐述了用基于时间序列模型的Kalman滤波方法减小该漂移误差的具体方法.对某MEMS陀螺仪实测数据的误差补偿结果表明,所介绍的滤波方法能够有效地抑制其漂移误差,提高MEMS陀螺仪在实际系统中使用精度.

MEMS微陀螺仪研究进展

回顾了MEMS微陀螺仪的研究进展,简单介绍了MEMS微陀螺仪的市场应用。微陀螺仪是MEMS器件中非常重要的一类器件。它的运用已经从单纯的航空领域逐渐转向汽车、消费电子行业等低端市场,这意味着微陀螺仪除了传统意义上的高精度高稳定性的要求,也可以向低精度商品化发展。传统的振动式陀螺,由于原理的局限性和加工技术的限制,很难达到战术级和惯性级的要求。导航级集成微陀螺(NGIMG)项目建议使用其他途径,以减少器件的可移动部件和降低工艺难度,从而提高其精度和抗干扰能力。各种设计方法近年来层出不穷,其中悬浮转子式微陀螺是目前精度最高的陀螺仪,微集成光学式陀螺也将在未来一段时间拥有巨大的研究潜力和发展空间。

MEMS陀螺仪随机误差的辨识与降噪方法研究

针对微机电系统(MEMS)陀螺仪随机误差成为制约其精度和应用范围的主要因素,提出基于回归滑动平均(ARMA)模型的卡尔曼滤波估计方法。首先基于Allan方差分析结果,确定出量化噪声、角度随机游走、零偏不稳定性是MEMS陀螺随机噪声主要组成部分;然后采用时间序列分析法对MEMS陀螺仪随机噪声的平稳性进行检验;最后基于随机漂移ARMA模型建立离散卡尔曼滤波方程对其开展误差估计与补偿。开展车载静、动态环境下的数字降噪与卡尔曼滤波估计补偿对比实验,结果表明基于ARMA模型的卡尔曼滤波估计法在MEMS陀螺随机误差补偿效果上具有更明显优势。

多项式拟合在MEMS陀螺仪零点随机漂移抑制中的应用研究

MEMS(Micro-Electro-Mechanical Systems)传感器精度相对较低限制了其应用范围,从实际工程应用出发,针对MEMS陀螺仪零点随机漂移误差探讨了有效的补偿方法。推导了不同阶数拟合曲线的回归方程,根据实测MEMS陀螺零点数据对不同阶数拟合曲线的补偿效果进行对比,选取最优方案并通过跑车试验进行验证,证明该方法能够有效抑制陀螺仪零点漂移误差,提高微惯性导航系统的导航精度。

基于卡尔曼滤波算法的MEMS陀螺仪误差补偿研究（英文）

为了补偿MEMS陀螺仪的漂移误差,本文采用了一种新的卡尔曼滤波算法。文中对MPU3050陀螺仪进行分析,提出其漂移模型。通过分析陀螺仪的误差,建立陀螺仪的误差模型。卡尔曼滤波的效果通过阿伦方差进行评估,与其他滤波算法比较,在MEMS陀螺仪中采用卡尔曼滤波算法可以有效的减少SCM(单片机)计算,并在转台上对陀螺仪进行测试。实验结果表明,结合误差模型和卡尔曼滤波算法可有有效的减少陀螺仪的漂移误差。

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。

基于支持向量机的MEMS陀螺仪随机漂移补偿

针对传统方法的不足,将支持向量机应用于MEMS陀螺仪随机漂移的补偿。建立了支持向量机预测模型,通过相空间重构技术,将标量的随机漂移时间序列嵌入到一个辅助的相空间中进行模型的训练和测试,并使用最优化算法得到了核函数和预测模型的各项参数。训练和预测结果均表明,该方法具有很好的预测效果,是一种有效的MEMS陀螺仪随机漂移补偿方法。

MEMS陀螺随机误差的建模与分析

为了更全面地了解微机电系统(MEMS,Micro-Electro-Mechanical Systems)陀螺仪的随机漂移误差随时间变化的特性,利用动态Allan方差分析法对MEMS陀螺仪输出信号特性进行了全面分析.首先介绍了Allan方差和动态Allan方差分析法原理,然后分别利用Allan方差分析法和动态Allan方差分析法对MEMS陀螺仪的实测数据进行了特性研究与性能分析.研究结果表明:速率斜坡、量化噪声和速率随机游走是MEMS陀螺的主要随机噪声,并且MEMS陀螺的随机漂移具有随时间变化的不稳定性.动态Allan方差不仅可以分离和辨识出MEMS陀螺的主要随机误差源,而且可以跟踪和描述信号随时间变化的稳定性,因此动态Allan方差较经典Allan方差分析法能够更全面地表征MEMS陀螺仪的性能.

一种MEMS陀螺仪温度漂移误差补偿方法

为了降低温度对MEMS陀螺仪测量的影响,提高自制惯性测量系统的测量精度,研究了三轴MEMS陀螺仪的零偏、比例因子、安装误差等参数受温度影响的特性,建立了带有温度参数的三轴MEMS陀螺仪误差模型。在该模型的基础上进行了全温区(-20~60℃)的温变实验,拟合出三轴MEMS陀螺仪各个参数与温度的关系,确定了模型中的相关参数,并通过此模型对不同温度下的陀螺仪输出结果进行误差补偿。实验结果表明,该三轴MEMS陀螺仪温度漂移误差补偿模型能够有效地抑制陀螺仪测量误差,补偿后,测量误差可控制在0.05°/s^0.1°/s,具有一定的工程应用价值。

小波阈值去噪和FAR建模结合的MEMS陀螺数据处理方法

为解决MEMS陀螺输出信号中噪声大、随机漂移严重的问题,提出了一种小波阈值去噪和函数系数自回归FAR建模结合的MEMS陀螺数据处理方法。采用小波阈值去噪法对MEMS陀螺输出信号去噪,提高其信噪比;为克服常用的自回归AR模型无法解决MEMS陀螺随机漂移存在的非线性问题,引入FAR模型对MEMS陀螺的随机漂移进行建模。实验结果表明,此数据处理方法可有效抑制MEMS陀螺输出噪声,且与AR模型相比,FAR模型能更精确地对MEMS陀螺随机漂移进行建模及预测。

石英MEMS陀螺漂移周期性误差补偿研究

为提高基于石英MEMS陀螺仪的微小型惯性导航系统的性能,本文对应用于MIMU的石英MEMS陀螺仪零点漂移中周期性误差补偿方法的原理和特点进行分析研究,得到一种新的补偿方法。该方法先利用数据平滑前的数据确定误差折算公式的系数,再以折算公式补偿数据平滑后得到的低频数据。从实验结果来看,这种方法在保证实时性要求的前提下,能避开数据平滑过程对周期性误差频率稳定性的影响,提高补偿精度,是一种有效的石英系列MEMS陀螺仪漂移实时补偿方法。

基于遗传小波神经网络的MEMS陀螺误差建模

研究了一种基于遗传算法改进的小波神经网络。该方法采用小波神经网络为主要逼近手段,并通过遗传算法优化网络的关键参数。由于小波神经网络兼容了神经网络的自学习特性和小波分析的时—频局部性,而遗传算法具有较强的全局搜索能力,二者结合形成的遗传小波神经网络因此具有较高的逼近与容错能力,从而弥补了传统的方差建模方法的不足。将该算法应用到某型MEMS陀螺仪的随机误差建模中,结果表明:遗传小波网络对原始信号的逼近精度误差在1.75%以内,较之传统的方差建模方法有了显著的提高,这一精度基本上可以满足MEMS陀螺工程化应用的要求。

基于小波去噪和AR建模的MEMS陀螺数据处理方法

为解决MEMS陀螺输出信号中噪声大、随机漂移严重的问题,提出了一种基于小波去噪和AR建模的MEMS陀螺组合数据处理方法。采用小波去噪法对MEMS陀螺输出信号去噪,自适应确定小波分解层数,提高了其信噪比。采用AR(auto-regressive,自回归)模型对MEMS陀螺的随机漂移进行建模,利用平均均方预测误差确定模型的最佳阶数,并与传统的一阶马尔可夫模型进行了比较。实验结果表明,该组合数据处理方法可有效抑制MEMS陀螺输出噪声,且能更精确地对MEMS陀螺随机漂移进行建模及预测。

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。

基于角速度估计的MEMS陀螺随机误差动态滤波方法

针对MEMS陀螺仪受随机误差影响较大需要进行滤波处理,采用时间序列分析法建立的随机误差模型无法直接用于动态条件下滤波的问题,提出了一种基于角速度估计的随机误差动态滤波方法。首先,采用时间序列分析法对MEMS陀螺仪随机误差进行分析与模型构建;然后,将角速度估计假设模型建模为三维线性模型,并与陀螺仪随机误差模型结合构建动态滤波模型;最后,采用强跟踪卡尔曼滤波方法直接估计出角速度值以实现对随机误差滤波,并进行试验验证。结果表明:无论是静态还是动态条件下,该滤波方法估计的角速度值精度均较高,可以有效降低MEMS陀螺仪的随机误差,提升MEMS陀螺仪精度。

石英MEMS陀螺漂移的周期性误差标定及补偿

实验发现石英系列微机电系统(MEMS,Micro Electromechanical System)陀螺仪零点漂移中含有很强的规律性误差,短时间高频采样尤为明显.为提高器件精度和系统性能,研究了其周期性误差各重要参数的特点,以误差分析理论分析了各误差传递系数,提出了一种精确标定方法.实验结果表明经过精确标定和补偿,进一步提高了器件精度和在线长时间补偿效果.说明了本精确标定方法具有良好的补偿效果.

UKF在MEMS陀螺随机噪声补偿的应用

论述了MEMS陀螺静态随机噪声与动态随机噪声的特点;系统分析了无迹卡尔曼滤波(UKF)的特点,将UKF用于MEMS陀螺随机噪声估计;针对MEMS陀螺静态噪声与动态噪声补偿用同一方法处理达不到一定性能的难题,提出了一种由阈值决策静态和动态滤波的工程方法;指出将时间序列用于建立随机噪声的数学模型的缺陷,指出欧美等使用的MEMS陀螺随机噪声补偿的优点与缺点。

MEMS陀螺仪随机误差KF补偿方法的普适性验证

针对MEMS陀螺仪随机误差成为影响系统导航精度的主要因素及建模存在的普适性等问题,提出一种3次卡尔曼迭代估计的误差补偿方法。采用Allan方差对MEMS陀螺仪随机误差参数进行辨识,同时结合MEMS陀螺仪输出数据自相关与偏相关函数具备的拖尾性,设计基于时间序列ARMA的MEMS陀螺仪误差卡尔曼滤波模型。采用同型号6只MEMS陀螺仪惯性测量单元搭建测试环境,并开展导航验证实验,结果表明,经过滤波处理后的MEMS陀螺仪各项误差系数明显降低,且滤波效果随滤波次数的增加而增强。6组MEMS陀螺仪测试设备显现出的误差减弱趋势具有一致性,姿态误差对比结果也进一步验证了该方法的可行性。

一种MEMS陀螺随机误差的灰色RBF神经网络建模方法

为了提高MEMS陀螺仪的精度,利用基于灰色累加累减操作能够减小MEMS陀螺仪随机性的特点,提出一种将灰色理论与径向基函数(RBF)神经网络相结合的MEMS陀螺随机误差建模补偿方案:采用Allan方差分析法对MEMS陀螺输出数据构成的样本空间进行处理并辨识信号中的随机误差项;通过灰色累加累减过程与RBF神经网络的嵌入式耦合,实现MEMS陀螺随机误差预测模型的建立。实验结果表明,与MEMS陀螺实测数据比对后可发现灰色RBF神经网络方法能够有效预测多种随机误差,可进一步提高MEMS陀螺仪输出的预测精度。