利用Allan方差进行光纤陀螺测试

设计了一种基于Allan方差的5阶样条拟合的方法,用于测定光纤陀螺的随机游走系数、零偏不稳定性、速率斜坡、量化噪声、速率随机游走等参数,并基于LabVIEW开发了可视化数据采集程序,对KVH公司生产的E.Core 2000型光纤陀螺进行测试。结果表明,该方法简化了光纤陀螺参数测试流程,提高了测试精度。     

基于新息突变约束的自适应卡尔曼滤波研究

针对微机电系统(MEMS)陀螺仪易受影响且随机误差较大,导致建立模型不准确和测量精度低的问题,该文提出了一种改进的自适应卡尔曼滤波方法。首先建立ARMA模型,在传统卡尔曼算法中引入衰减系数以减小系统旧值的影响,同时引入基于系统新息突变的预测误差矩阵清除系统的突变值。使用Allan方差对原始陀螺仪数据和滤波后的陀螺仪数据进行分析对比。结果表明,实验所用陀螺仪的角度随机游走、零偏不稳定性和角速率随机游走至少小了1个数量级,标准差明显减小,这表明改进算法有效抑制了随机噪声,提高了MEMS的性能。     

基于Kalman滤波器的MEMS陀螺随机误差分析与建模补偿

MEMS陀螺随机漂移是影响MEMS惯性导航精度的主要原因。为提高MEMS陀螺使用精度,本文通过时间序列分析方法,建立MEMS陀螺角速率信号ARMA模型,进而利用线性KF(Kalman Filter)滤波方法处理陀螺角速率信号。本文通过搭建MEMS陀螺组件,进行三轴精密转台实验,将得采存陀螺信号进行KF滤波处理。利用Allan方差分析滤波前后MEMS陀螺角速率信号,结果表明陀螺仪零偏不稳定性经KF滤波后提升18.7%。     

MEMS陀螺的抗野值自适应滤波降噪方法

针对微机电系统(MEMS)陀螺随机漂移较大及量测信息中野值对滤波的不利影响,提出了一种抗野值自适应滤波降噪方法。该方法采用Allan方差信息估计量测噪声方差参数,避免了Kalman滤波器与量测噪声估值器之间的相互关联,能有效抑制滤波发散。在此基础上引入新息抗野值算法,通过修正新息去除野值的不利影响,增强对随机漂移的滤波效果。实测数据试验结果表明,采用该文方法滤波后的MEMS陀螺输出信号均方差及角度随机游走都比滤波前明显降低,验证了提出的滤波方法在MEMS陀螺降噪中的有效性。     

基于微小型稳定平台的MEMS陀螺信号调理电路设计与测试

为提高MEMS陀螺的使用精度,本文基于微小型稳定平台应用背景设计了高精度MEMS陀螺信号调理电路,实验表明该电路提升了陀螺仪的使用精度。本文设计的调理电路采用高速24位Δ-Σ型A/D转换电路和高精度差分放大器对陀螺信号进行处理。基于MEMS陀螺仪搭建了两轴陀螺组件,并将两轴陀螺组件安装于高精度三轴转台,进行测试。采集MEMS陀螺模拟输出和数字输出数据,分别进行Allan方差分析。结果表明：该调理电路使X轴MEMS陀螺零偏不稳定性指标提升13.63%,Y 轴MEMS陀螺零偏不稳定性指标提升19.347%。     

MEMS陀螺仪随机误差的动态辨识

针对经典Allan方差在分析和定量描述微机电系统(MEMS)陀螺仪噪声项时存在的问题,提出将动态Allan方差用于MEMS陀螺仪输出信号分析并加以改进。根据Allan方差的原理,实现误差项系数的动态辨识,得到各类型误差随时间的变化规律。普通最小二乘法求解误差系数时存在个别为负的问题,因此,将非线性最优化的单纯形法用于方差曲线的拟合。实验结果表明,改进后的方法不仅能准确描述数据的噪声量值,还能反映信号的频率稳定性和误差项的变化特征。     

数字滤波对激光陀螺随机误差分析的影响

详细讨论了数字滤波对激光陀螺随机误差分析的影响，给出了理想低通滤波情况下的角度随机游走噪声Allan方差的解析表达式，指出滤波后的Allan方差分量一般相异于未经滤波的Allan方差分量。针对这一差异，提出了一种简易方法来处理经过滤波的陀螺数据。     

机抖陀螺锁区补偿的角度随机游走改善分析EI北大核心CSCD

二频机抖陀螺每个抖动周期要两次经过锁区,每次过锁区时的随机误差会使激光陀螺产生随机游走。在工程上实现了二频机抖陀螺的锁区补偿,并采用Allan方差方法分析了锁区补偿前后输出数据的角度随机游走,实验结果表明,锁区补偿后随机游走具有大幅度的改善。首次报道了机抖激光陀螺中锁区补偿对角度随机游走的改善。     

小波域中值滤波在激光陀螺信号处理中的应用

各种随机噪声是导致激光陀螺产生误差的主要因素，且其性质特殊，很难用传统的滤波方法去除。为了减小激光陀螺的随机误差，提高测量精度，提出了小波域的中值滤波器滤波方法，对激光陀螺零漂数据进行了滤波，并采用Allan方差法对滤波效果进行了定量分析。结果表明，此方法的滤波效果优于中值滤波和小波软阈值滤波效果，能有效地减小激光陀螺零漂信号中的角度随机游走、角速度随机游走、速率斜坡、零偏不稳定性和量化噪声，提高激光陀螺零漂输出的稳定性。     

机抖陀螺锁区补偿的角度随机游走改善分析

二频机抖陀螺每个抖动周期要两次经过锁区，每次过锁区时的随机误差会使激光陀螺产生随机游走。在工程上实现了二频机抖陀螺的锁区补偿，并采用Allan方差方法分析了锁区补偿前后输出数据的角度随机游走，实验结果表明，锁区补偿后随机游走具有大幅度的改善。首次报道了机抖激光陀螺中锁区补偿对角度随机游走的改善。     

光纤陀螺漂移误差动态Allan方差分析

提出采用动态Allan方差(DAVar,Dynamic Allan variance)方法对光纤陀螺实测数据进行分析,系统地分析了引起光纤陀螺漂移误差的随机噪声种类及其来源和特性,DAVar分析方法的优势在于不仅能确定各种随机漂移的系数,而且可以跟踪和描述信号随时间变化的稳定性.实验证明,DAVar分析是对光纤陀螺随机漂移进行研究的有效方法.     

MIMU随机误差分析与建模

分析了MEMS惯性测量组件(MIMU)的主要误差源,采用功率谱密度(PSD)法和Allan方差法对MIMU进行了随机误差分析、建模和估计研究。将随机误差中的量化噪声、闪烁噪声及随机游走噪声等误差成分分离出来,并对其统计特性进行了估计,实验数据分析表明闪烁噪声和随机游走误差在MIMU随机误差中占主要分量。     

BPNN辅助KF的MEMS陀螺仪数据处理方法

针对微机电系统(MEMS)陀螺仪数据误差建模不精确或无法给出模型的情况,提出了误差反馈（BP）神经网络辅助卡尔曼滤波对陀螺仪数据进行降噪处理的方法。分析卡尔曼滤波器的系统噪声方差Q矩阵可知,当模型不精确时可通过Q补偿。基于BP神经网络优化Q值原理,首先把采集到的MEMS陀螺仪数据输入卡尔曼滤波器得到Q;再把新息、滤波增益、量测噪声方差输入神经网络,把Q作为神经网络的输出,神经网络优化系统噪声协方差矩阵得到Q*;最后将Q*作为卡尔曼滤波算法系统噪声方差矩阵。实验结果表明,在建模不精确的情况下该方法也能有效提高陀螺仪的精度。     

基于自适应卡尔曼滤波的光纤陀螺噪声系数估计方法

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.     

动态Allan方差改进算法及其在FOG启动信号分析中的应用

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。