共查询到15条相似文献,搜索用时 109 毫秒
1.
2.
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。 相似文献
3.
4.
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。 相似文献
5.
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%。 相似文献
6.
7.
8.
9.
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。 相似文献
10.
11.
12.
13.
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。 相似文献
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.
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