共查询到17条相似文献,搜索用时 125 毫秒
1.
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(autoregressive,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. 相似文献
2.
3.
MEMS陀螺误差辨识与补偿 总被引:1,自引:0,他引:1
《传感器与微系统》2010,29(3)
由于制造工艺等原因,MEMS陀螺的随机漂移非常大,严重影响了系统的性能.通过自制的基于MEMS的捷联惯导系统的相关实验,对MEMS陀螺的确定性误差和随机误差分别进行了辨识和补偿.完成确定性误差补偿,对MEMS陀螺随机误差进行了时间序列分析,并建立了AR模型,根据所选模型参数建立了随机误差的系统方程,采用经典卡尔曼滤波进行随机误差补偿.实验结果说明:无论是静态下还是动态下,补偿后信号的方差都大大下降,说明了滤波效果较为明显,具有一定的工程应用价值. 相似文献
4.
随机噪声是影响MEMS陀螺精度的一个重要因素。本文基于时间序列分析方法建立MEMS陀螺的随机漂移AR模型后,使用自适应卡尔曼滤波器对信号进行滤波。通过比较陀螺原始信号和自适应卡尔曼滤波后的信号,可以得出结论:自适应卡尔曼滤波器在处理MEMS陀螺零点漂移中具有良好的滤波效果。 相似文献
5.
随机噪声是影响MEMS陀螺精度的一个重要因素.本文基于时间序列分析方法建立MEMS陀螺的随机漂移AR模型后,使用自适应卡尔曼滤波器对信号进行滤波.通过比较陀螺原始信号和自适应卡尔曼滤波后的信号,可以得出结论:自适应卡尔曼滤波器在处理MEMS陀螺零点漂移中具有良好的滤波效果. 相似文献
6.
小波阈值去噪和FAR建模结合的MEMS陀螺数据处理方法 总被引:1,自引:1,他引:0
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。 相似文献
7.
微机电系统(MEMS)陀螺精度较低,严重影响制导火箭弹惯导系统的精度.为了减小MEMS陀螺的随机漂移,提高其精度使其满足简易制导火箭弹的精度要求,需要对陀螺信号进行滤波,MEMS陀螺随机漂移建模与补偿是其中的难点.针对上述问题,提出采用自回归移动平均(ARMA)分析的方法建立MEMS陀螺随机漂移模型,然后基于此模型对随机漂移信号进行卡尔曼(Kalman)滤波.对某MEMS陀螺在静止条件下的观测信号的滤波效果表明,ARMA模型拟合度高,能准确描述MEMS陀螺随机漂移特性;Kalman滤波方法能有效减小随机漂移误差,提高MEMS陀螺的精度,对提高简易制导火箭弹的精度具有一定的参考价值. 相似文献
8.
9.
根据微型航姿测量系统各传感器的特点,研究出了一种基于磁传感器输出的MEMS陀螺标定方法,并根据MEMS陀螺误差参数模型设计相应的补偿算法,分别对MEMS陀螺的零偏和标度因数误差进行了补偿。与传统标定方法相比,该方法实现简单,适用于现场标定。实验结果表明,该标定方法能够有效地提高MEMS陀螺测量精度,补偿后陀螺在静态条件下2分钟内,俯仰角漂移小于0.035°,倾斜角漂移小于0.15°,航向角的漂移小于0.2°。当陀螺三轴均有角速率输入时,在角速度小于25°/s情况下误差都能保持在±2°以内。 相似文献
10.
根据一种典型结构的梳状音叉MEMS陀螺的非随机性误差特性,借助ARIMA模型对其进行描述。在ARIMA模型参数估计的过程中,引入虚拟白噪声来补偿参数估计过程中的由于噪声未知而引入的误差,根据样本的自相关函数、偏相关函数,并结合AIC与BIC准则确定模型阶数,利用最大似然估计对模型参数进行估计,在一定近似条件下,得到梳状音叉MEMS陀螺非随机性误差模型的形式。实验结果表明:采用该方法所确定的模型能够精确地描述MEMS陀螺的漂移特性,预测陀螺的输出。 相似文献
11.
针对随机误差相关性较弱的MEMS陀螺仪,提出采用多准则曲线方法辨识其带有截距项的随机误差时间序列模型.采用该模型可直接对MEMS陀螺仪的实测量数据进行在线建模,而无需零均值化离线处理.基于该模型并采用状态扩增的方法设计卡尔曼滤波器,实现了MEMS陀螺仪随机误差的实时滤波.实验结果表明,针对某MEMS陀螺仪带有截距项的AR(2)模型可以作为其随机误差模型,经过在线建模和实时滤波后,MEMS陀螺仪随机误差的标准差降低了50%,有效抑制了MEMS陀螺仪的随机误差. 相似文献
12.
针对经验模态分解(EMD)方法易产生模态混叠问题,而集成经验模态分解(EEMD)方法又存在重构误差较大的缺陷,提出了一种基于完备集成经验模态分解(CEEMD)阈值滤波和相关系数原理的MEMS陀螺信号去噪方法。首先通过CEEMD方法对陀螺信号进行有效完备的分解,并利用相关系数原理合理确定分解后噪声分量与有效分量的界限。在此基础上,通过借鉴小波阈值处理方式和EMD阈值设置方法,对信号进行阈值滤波去噪。对仿真信号和实际MEMS陀螺信号的研究结果表明,CEEMD阈值去噪方法的去噪效果要优于CEEMD、EEMD、EMD强制去噪方法和小波分析方法。这也充分体现了其在MEMS陀螺信号去噪应用中的可行性和有效性。 相似文献
13.
针对MEMS陀螺仪输出信号随机漂移误差造成测量精度低的问题,提出了一种基于BP神经网络的卡尔曼滤波降噪模型.基于BP神经网络的基本原理,首先利用BP神经网络对系统进行学习,获得系统状态方程,然后建立了基于BP神经网络的滤波模型,最后应用于卡尔曼滤波对MEMS陀螺仪信号进行降噪.半实物模拟仿真实验表明:基于BP神经网络的卡尔曼滤波后的数据的速率随机游走等系数比原始数据下降6.89倍,验证了本方法的降噪性能优于基本卡尔曼模型,在MEMS陀螺仪的数据处理方面具有一定的应用价值. 相似文献
14.
阈值去噪与RBF神经网络在MEMS陀螺仪误差补偿中的应用 总被引:1,自引:0,他引:1
针对现有MEMS陀螺仪中随机误差较大,导致器件输出信噪比低进而影响其应用范围的现状,提出一种基于小波阈值去噪与梯度径向基( RBF)神经网络结合的MEMS陀螺漂移非平稳时间序列建模预测方法。首先采用Allan方差法分析了MEMS陀螺仪的主要随机误差,随后利用小波阈值去噪分离出MEMS陀螺误差模型中的白噪声及漂移误差,最后采用RBF神经网络对漂移数据进行建模。通过实验对文中所述的误差补偿方法进行验证,表明了方法的有效性,对于基于MEMS陀螺仪的惯导系统精度提高具有重要意义。 相似文献
15.
16.
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。 相似文献