基于自适应窗长的光纤陀螺随机误差实时分析方法

动态Allan方差是分析光纤陀螺随机误差的一种新方法。针对其采用固定窗长的窗函数截断信号,导致动态跟踪效果与方差估计值的置信度不能兼顾的问题,提出了一种基于峭度自动调节窗长的改进算法。算法引入峭度参数表征陀螺输出信号的平稳程度,以滑动窗内数据的峭度值为变量构造窗长截取函数,应用窗长函数根据短时信号的稳定程度自动确定截断窗窗长,并用其来截取随机信号进而进行Allan方差估计及误差系数实时辨识和提取,同时将方差估计值和误差系数时间曲线分别绘制在三维或二维图上。对仿真和实测数据分析结果表明:新算法既能在平稳性好的数据段保持较高的置信度,又能在发生动态变化时及时跟踪信号,可以更好地对光纤陀螺的随机误差系数进行实时在线提取和分析。     

基于信息熵的自适应窗长动态Allan方差研究

近年来有学者将动态Allan方差引入惯性器件的随机信号处理中,实现了对随机信号误差的特性分析。但是由于动态Allan方差采用固定窗长的函数截取随机信号,导致信号动态跟踪效果与方差估计置信度不能同时兼顾。针对此问题,提出一种基于信息熵的自适应窗长动态Allan方差,首先用截断窗内信号的信息熵表征陀螺动态信号非平稳性,根据信号信息熵的大小自适应地选取下一时刻合适窗长,并对窗内信号进行Allan方差计算,通过实验仿真,证明了该改进方法的有效性,提高了对陀螺信号动态特性的分析能力。     

基于#1理论方差的光学陀螺长期随机误差分析

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。     

基于动态Allan 方差的光纤陀螺随机误差分析

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。     

改进Allan方差法在船用光纤陀螺随机漂移分析中的应用

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。     

改进Allan方差法在船用光纤陀螺随机漂移分析中的应用

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。     

线性调频连续波信号检测与参数估计算法

针对长时间积累的方法较难在线性调频连续波信号的检测和参数估计中应用的问题,该文基于归一化变窗长相干平均法,提出一种联合帧间相关法与循环平稳法的线性调频连续波信号检测与参数估计算法。该方法首先利用归一化变窗长相干平均法实现噪声方差的一致性,然后在此基础上利用帧间相关法实现周期的精确估计,最后利用循环平稳法估计信号的相位参数。该算法以较低的计算复杂度实现信号的长时间积累,在低信噪比条件下具有较好的估计性能。仿真结果验证了该方法的有效性。     

光纤陀螺随机误差特性的小波方差分析

光纤陀螺各项随机误差的频率特性各不相同.小波变换的多分辨分析兼具时频分析和尺度分析的功能,故采用小波方差法来表征噪声在不同频率分量的变化情况,从而为特定环境下光纤陀螺的故障诊断以及误差分析提供参考.通过与传统的分析光纤陀螺随机误差特性的Allan方差法对比可知,只要小波基函数的支撑区间足够小,小波方差就能克服Allan方差能量泄露的缺点.利用60Co辐照源模拟空间辐照,进行光纤陀螺整机辐照实验,分析实验数据,证明小波方差比Allan方差能够更加精确地反映光纤陀螺各项随机误差的变化情况.     

采用分段法估算Allan方差中的各噪声系数

指出采用传统的最小二乘拟合法估算存在于Allan方差中各噪声系数存在的问题,提出采用分段法来估算Allan方差中的各噪声系数,并通过对多组实测陀螺数据进行分析,证明了分段估算法与最小二乘拟合法相比是一种更有效的、科学的噪声估算方法.提出了一种根据数据点的多少自动改变Allan方差积分时间的算法,可在保证估算精度的前提下减少不必要的计算过程,有效地缩短了Allan方差的计算时间.     

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。     

振动基座下光纤陀螺信号消噪方法对比研究

为了减小动态环境下光纤陀螺信号的随机误差,采取振动试验对光纤陀螺的动态误差进行激发,通过对试验数据的Allan方差分析,得到了振动过程中光纤陀螺信号随机误差的变化特性。采用基于AR(2)模型的Kalman滤波方法和小波滤波方法对光纤陀螺信号进行消噪处理,分析结果显示上述两种方法都能够有效地消除振动基座下FOG信号的随机误差,并且小波滤波方法要优于Kalman滤波方法。     

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.     

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

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。     

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。     

Adaptive instantaneous frequency estimation of multicomponent FMsignals using quadratic time-frequency distributions

An adaptive approach to the estimation of the instantaneous frequency (IF) of nonstationary mono- and multicomponent FM signals with additive Gaussian noise is presented. The IF estimation is based on the fact that quadratic time-frequency distributions (TFDs) have maxima around the IF law of the signal. It is shown that the bias and variance of the IF estimate are functions of the lag window length. If there is a bias-variance tradeoff, then the optimal window length for this tradeoff depends on the unknown IF law. Hence, an adaptive algorithm with a time-varying and data-driven window length is needed. The adaptive algorithm can utilize any quadratic TFD that satisfies the following three conditions: First, the IF estimation variance given by the chosen distribution should be a continuously decreasing function of the window length, whereas the bias should be continuously increasing so that the algorithm will converge at the optimal window length for the bias-variance tradeoff, second, the time-lag kernel filter of the chosen distribution should not perform narrowband filtering in the lag direction in order to not interfere with the adaptive window in that direction; third, the distribution should perform effective cross-terms reduction while keeping high resolution in order to be efficient for multicomponent signals. A quadratic distribution with high resolution, effective cross-terms reduction and no lag filtering is proposed. The algorithm estimates multiple IF laws by using a tracking algorithm for the signal components and utilizing the property that the proposed distribution enables nonparametric component amplitude estimation. An extension of the proposed TFD consisting of the use of time-only kernels for adaptive IF estimation is also proposed     

一种用于光纤陀螺降噪的鲁棒平滑滤波算法

为了降低光纤陀螺(FOG)的随机噪声以及消除异常采样信号的干扰,提出一种鲁棒平滑滤波算法。利用权重函数为FOG每个采样数据迭代加权,给异常值分配较低权重给高质量数据分配较高权重,有效提高了平滑滤波的鲁棒性。采用广义交叉验证估计平滑参数再利用离散余弦变换计算原始FOG数据的平滑值,提高了平滑滤波的运算速度。软件仿真和实际实验结果表明,相比传统最小二乘平滑滤波算法,所提算法能够有效抑制FOG随机噪声和异常采样信号的干扰,并且对时变的FOG信号具有较好的跟踪能力。     

Estimation of wavefield power distribution in the remotely sensed environment: Bayesian maximum entropy approach

The problem of estimating, from one random realization of the remotely sensed signal, the spatial spectrum pattern (SSP) of the wavefield sources distributed in the environment is cast in the framework of Bayesian estimation theory. The kernel spectral estimation method that is familiar, for the classical SSP estimation problem, with the Fourier transform operator and white noise in the observations is extended to incorporate spatial correlation in the data, the system-oriented model of the signal formation operator, and the maximum entropy (ME) statistical a priori information about the SSP. To derive the estimate of the SSP, we applied the Bayesian strategy for maximization of the a posteriori probability density function of the randomized ME model of the SSP. The estimator was obtained as a nonlinear adaptive algorithm that also permits a concise robust implementation. The optimal algorithm implies formation of the second-order sufficient statistics of the data and their smoothing by applying the window operator. The new formalism of the sufficient statistics and windows, explaining their adjustment to the metrics in a solution space, a priori nonparametric model and assumed correlation properties of the desired SSP, is developed. Simulation results are included to illustrate the overall performance of the proposed method in an example of application to radar image formation.