共查询到20条相似文献,搜索用时 573 毫秒
1.
针对动态Allan方差运用固定长度的分析窗截取信号导致样本数据量减少,长相关时间下方差估计值置信度降低,首先,针对动态信号跟踪能力与置信度的提高不能兼顾的问题提出了一种改进算法。引入截断窗内峭度值作为表征信号短时稳定度的参数,并建立以峭度为变量的窗宽函数,该函数可以使截断窗长随着信号的平稳程度自动变化。其次,再用窗宽自适应的滑动窗分段截取陀螺随机误差,分别对每个截断窗内样本进行总方差计算以增加方差估计的自由度。最后,计算延伸后样本的Allan方差,并将其以三维形式排列出来。结果表明:应用该方法对光纤陀螺启动信号进行分析,该算法既能更有效地跟踪信号的非平稳变化,又能大幅降低长相关时间下方差的估计误差。 相似文献
2.
3.
基于#1理论方差的光学陀螺长期随机误差分析 总被引:2,自引:0,他引:2
为解决Allan方差计算的平均时间只能够达到数据持续时间长度的一半,以及长相关时间下置信度较低的问题,根据光纤陀螺随机误差信号的频率特性,提出了采用#1理论方差对光学陀螺的随机误差特性进行分析的方法。分析比较了Allan方差和#1理论方差的性质和特点,并对比了两者分析白噪声特性以及辨识光纤陀螺实测数据中随机噪声的类型和噪声水平的结果。结果表明,当相关时间较长时,#1理论方差值和实际的幂律谱噪声的行为特征不仅一致;且能够比Allan方差更有效提高方差估计值的置信度,估计精度优于Allan方差方法。 相似文献
4.
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。 相似文献
5.
6.
7.
8.
基于Allan方差的MEMS陀螺仪性能评价方法 总被引:1,自引:0,他引:1
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。 相似文献
9.
随机漂移是影响船用光纤陀螺精度的主要因素。对随机漂移进行建模并在系统中加以补偿是提高船用光纤陀螺及其导航系统精度的关键。本文对可用于精密仪器随机漂移研究的Allan方差法加以改进,将数字信号处理中加窗函数的方法应用于计算Allan方差,解决了某些频段内由于频混造成的随机漂移表征不唯一的问题。通过对光纤陀螺仿真数据进行计算,得出各种随机漂移的系数,仿真试验表明这是对光纤陀螺随机漂移进行研究的有效方法。 相似文献
10.
随机漂移是影响船用光纤陀螺精度的主要因素。对随机漂移进行建模并在系统中加以补偿是提高船用光纤陀螺及其导航系统精度的关键。本文对可用于精密仪器随机漂移研究的Allan方差法加以改进,将数字信号处理中加窗函数的方法应用于计算Allan方差,解决了某些频段内由于频混造成的随机漂移表征不唯一的问题。通过对光纤陀螺仿真数据进行计算,得出各种随机漂移的系数,仿真试验表明这是对光纤陀螺随机漂移进行研究的有效方法。 相似文献
11.
12.
13.
14.
针对Allan方差法确定光纤陀螺ARW(angle random walk)噪声系数的一些不足,如大量存储数据、非实时处理、计算量大、耗时长等,提出了基于自适应卡尔曼滤波的光纤陀螺ARW系数在线估计方法.在角度随机游走、零偏不稳定性、角速率随机游走等主要噪声数学特性分析基础上,建立了光纤陀螺现代状态空间噪声误差模型,基于新息自适应卡尔曼滤波量测噪声协方差阵的迭代计算,实现光纤陀螺ARW系数的在线、实时估计,从而避免了存储大量历史数据,显著地减小了计算量,缩短了陀螺数据处理时间.数字仿真试验和光纤陀螺实测数据试验结果均验证了本文方法的可行性和有效性. 相似文献
15.
16.
17.
18.
小波分析和灰色神经网络融合的光纤陀螺误差建模与补偿 总被引:1,自引:0,他引:1
为补偿捷联姿态测量系统中光纤陀螺因外界干扰引起的高频噪声和强漂移,提出一种基于第二代小波变换和灰色Elman神经网络融合的误差建模和补偿方法。采用Allan方差法分析了在外界干扰下的光纤陀螺输出信号,利用第二代提升小波单独重构的方法分离出陀螺误差模型中的漂移误差和白噪声,灰化漂移误差数据后建立了Elman神经网络模型并进行了补偿。实验结果表明,相较于传统的灰色理论模型和单一的Elman神经网络模型,新算法有效滤除了白噪声,并将预测模型的精度提高到96%以上,证实了模型的有效性。 相似文献
19.