改进的卡尔曼滤波在MEMS陀螺仪信号处理的应用

针对MEMS陀螺仪的输出随机漂移误差影响测量精度的问题,提岀一种改进的卡尔曼滤波方法进行MEMS陀螺仪误差补偿。传统的卡尔曼滤波方法是针对时域内的随机序列采用统计特性进行递推估计,从而得到测量所需要的信号。本文在传统卡尔曼滤波算法的基础上引入衰减因子和差分控制项,以此自适应地估计卡尔曼滤波量测噪声方差,并结合硬件系统将该算法进行静态性能试验和动态性能试验,使用Allan方差分析法对原始陀螺仪信号以及误差补偿后的陀螺仪信号进行对比分析。对比数据结果表明,陀螺仪静态随机误差得到了有效的抑制,从而验证了该算法在陀螺仪静态数据处理方面具有一定的应用价值。     

基于改进型卡尔曼滤波的运动载体姿态估计

针对MEMS陀螺零偏导致运动载体姿态精度下降的问题,本文以MEMS惯性测量器件MPU6050为核心,提出了一种基于改进型卡尔曼滤波的姿态估计算法,采用欧拉角作为姿态解算的基础,通过惯性测量单元(IMU)测量运动载体的姿态数据,采用改进型卡尔曼滤波,对陀螺仪和加速度计数据进行融合,并实时估计陀螺零偏。实验结果表明,本文提出的算法能够获得较高精度的姿态信息,抑制MEMS陀螺零偏引起的姿态发散,可以准确地表示运动载体在静态和动态情况下的方位。     

基于补偿卡尔曼滤波的姿态估计算法实现

九轴的姿态测量单元包括加速度计、磁力计和陀螺仪,它采用微机电加工工艺,价格低廉但精度较差.为了获得更好的滤波稳定性和估计精度,基于补偿卡尔曼滤波原理,讨论了姿态估计算法的实现.具体过程如下:基于补偿卡尔曼滤波原理,讨论九轴测量信息的融合方法;利用加速度计和磁力计估算姿态初始值;使用手动转台实现静态标定,纠正零偏;使用高精度陀螺仪STIM210实现动态标定,设置滤波系数.结果表明,估计算法具有良好性能.     

基于Kalman滤波算法的陀螺仪动态漂移补偿研究

应用MEMS陀螺仪测量人体手臂运动姿态时,针对陀螺仪受线加速度干扰导致测量姿态发散的问题,提出基于Kalman滤波算法的姿态误差补偿方法;该方法首先将陀螺仪采集到的角速度通过方向余弦算法解算得到姿态角,并将陀螺仪动态漂移造成的姿态角误差视为时变信号,通过建立姿态角漂移误差的状态方程及观测方程,应用卡尔曼滤波算法,实现对姿态角漂移误差的估计,最终达到对陀螺仪动态漂移误差的补偿;实验与仿真结果表明,应用该算法能够有效的抑制线加速度干扰导致的陀螺仪测量的姿态发散,适用于陀螺仪对人体手臂运动姿态的测量。     

基于互补滤波算法的移动机器人姿态检测

移动机器人的姿态检测能够反映出机体相对于路面的实时姿态,有利于机器人对行进过程中的当前姿态做出相应的控制.针对移动机器人姿态检测的要求,采用MEMS陀螺仪和加速度计对移动机器人在移动过程中相对于路面的姿态倾角进行测量并通过互补滤波算法对其测量的角度进行解算.互补滤波算法将加速度计静态特性和陀螺仪动态特性有效融合到一起,并对互补滤波算法进行了微分处理,提高了系统的动态特性,计算量小,从而实现对机器人行进过程的路面起伏状况进行实时测量.     

基于MEMS惯性传感器的机器人姿态检测系统的研究

提出了一种基于MEMS惯性传感器的机器人姿态检测系统,并对检测系统的原理,组成以及数据采集进行了研究.并对陀螺仪和加速度计的影响因素进行说明,利用硬件对采集的数据进行滤波处理.通过卡尔曼滤波方法实现数据融合,充分地利用惯性传感器的信息,从而有效地提高姿态检测系统的检测精度.仿真试验表明了卡尔曼滤波方法对于提高检测精度是切实有效的.在实际的试验中也取得了很好的效果,并应用于实际的机器人姿态检测.     

基于MEMS陀螺仪的铁路轨道塌陷监测系统设计

针对铁路轨道经常塌陷、事故频发现状,为有效监测轨道塌陷情况,设计了一种基于微机电系统(MEMS)陀螺仪的铁路轨道塌陷监测系统.分析了系统的基本设计原理,以MEMS陀螺仪、GPS模块为姿态测量元件,采用可编程逻辑控制器(PLC)对陀螺仪和全球定位系统(GPS)模块信息进行实时采样,定制了Win CE操作系统的ARM存储控制.同时,应用卡尔曼滤波算法在Matlab上实现陀螺仪和GPS数据融合、消除噪声.系统测试前使用专用水平仪传感器进行静态检测.测试结果表明:在平整和颠簸两种路段下,系统检测值准确可靠.当系统检测出倾角误差绝对值大于0.4°时,能够准确反映塌陷超标并反馈信息.系统符合我国铁路轨道动态检测指标,可广泛应用于铁路轨道塌陷监测.     

捷联惯导互补滤波姿态融合算法设计

为了满足低成本、高性能的载体测姿需求,针对MEMS器件漂移导致载体姿态无法准确测量的问题,提出了一种基于方向余弦矩阵（DCM）更新的多轴显式互补滤波载体姿态估计算法。利用陀螺仪和辅助传感器的噪声所处频段互补的特点,运用互补滤波进行信息融合,发挥各个传感器的优点,提升系统的姿态测量精度。分别以三轴转台与实验车辆为验证平台,设计了静态与动态实验。实验结果表明,该姿态融合算法能够稳定输出高精度的姿态信息,抑制陀螺漂移导致的姿态发散,有效提高载体姿态的测量精度,满足捷联惯导系统的测姿需求。     

一种动态环境下载体定姿方法

针对载体线加速度存在的动态条件下,加速度计已不能完全描述重力场信息,提出最速下降法处理地磁与加速度计数据,来减小测量的误差,并引入无迹卡尔曼(UKF)滤波融合陀螺仪信息,抑制微机械陀螺仪漂移,加入飞行状态判别条件一定程度上规避加速度计动态测量精度差的问题。实验结果表明,算法有效地融合了陀螺仪较好的动态性能以及加速度计与地磁的静态性能,避免了由于线加速度存在,姿态解算产生的误差,改善了系统的整体性能。     

基于四元数的低成本姿态测量系统设计

针对运动载体姿态测量的需求,以MEMS惯性测量器件MPU6050为核心,设计了一种低成本姿态测量系统.系统采用四元数作为姿态解算的基础,融合陀螺仪和加速度计数据以修正陀螺仪累积误差引起的姿态漂移.为了降低MCU负担提高系统实时性,数据融合采用运算量较小的梯度下降和互补滤波相结合的方法.实验结果表面:此测量系统实时性好,输出姿态角稳定,且成本低,具有一定的实用价值.     

基于自适应滤波的MEMS姿态确定方法

针对消费类电子设备对姿态测量系统的需求,本文提出了一种基于MEMS加速度计、陀螺仪和磁强计的九轴姿态确定算法.针对实际系统中传感器量测噪声未知的情况,首先介绍了一种基于矢量观测器的矩阵Kalman滤波姿态确定算法,然后利用残差匹配技术,设计了一种基于残差匹配的自适应滤波方法.论文采用自适应滤波对传感器量测噪声进行估计,并将估计的量测噪声代入线性矩阵Kalman滤波算法,有效解决了线性矩阵Kalman滤波需要准确量测噪声统计信息的缺陷.最后设计了仿真实验验证本文提出的算法,并将其与线性矩阵Kalman滤波算法比较.仿真结果表明,自适应矩阵Kalman滤波的姿态旋转误差角为0.6091°,标准差为0.3009°,能够有效的估计传感器量测噪声,并具有更高的姿态确定精度和稳定性.     

自适应MEMS加速度计滤波算法

简要分析了微机电系统（MEMS）加速度计使用模型中的噪声来源,介绍了一种自适应平滑滤波器的设计方法,通过增设滤波阈值来调节滤波系数,实现了对 MEMS 加速度数据的动态降噪处理。实验结果表明：自适应平滑滤波器能有效抑制加速度计输出信号中的高频噪声,滤波前噪声信号均方根误差为2.32×10－5 m/ s2,经过滤波后,噪声信号均方根误差为4.79×10－7 m/ s2,提高了加速度计的测量精度,取得了良好的滤波效果。     

基于自适应Kalman滤波的MEMS陀螺随机误差分析

针对某型MEMS陀螺随机误差较大、精度不高的问题,通过时间序列分析法,建立自回归滑动平均 ARMA(Auto-Regressive and Moving Average)模型,采用ARMA(2,1)模型将预处理后的MEMS陀螺随机误差进行建模.设计基于ARMA模型的经典Kalman滤波器.静态试验和恒定速率试验结果表明在经典Kalman滤波器作用下,静态试验下其均值与均方差下降32.62%和66.31%;恒定速率试验下,其均值有明显的降低,其均方差减小了一个数量级.针对经典Kalman滤波器不能解决振动试验中大振幅时滤波发散问题,提出一种新的自适应Kalman滤波法,通过寻找合适的标定因子s解决滤波发散问题.振动试验结果表明,当振幅为100°时,滤波后的均值和均方差分别下降8.25%和8.36%.     

基于CEEMDAN的MEMS加速度计输出信号降噪方法

针对微机电系统(MEMS)加速度计输出信号存在误差,导致高压输电杆塔倾斜监测系统的输出倾角数据精确度不高的问题,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)联合奇异值分解(SVD)对杆塔的加速度计输出信号降噪方法。利用CEEMDAN对原始加速度计输出信号进行分解,得到一系列模态分量,分别计算其排列熵(PE),筛选出特征分量和含噪特征分量,然后再将需进一步降噪的特征分量通过SVD进行二次滤波,最后将降噪后的特征分量与未处理的特征分量进行叠加即得到降噪后的加速度计输出信号。仿真实验结果表明,所提出的方法可以有效地抑制噪声干扰,通过与扩展卡尔曼滤波和CEEMDAN-PE对比说明该方法滤波效果更好,有效提高了加速度信号分析精度和杆塔倾斜角测量精度。     

基于MEMS三维磁阻传感器的电子指南针的研究

介绍了一种基于MEMS的三维磁阻传感器和加速度传感器的电子指南针系统.相对于由两轴磁阻传感器制造的电子指南针,该系统能够有效补偿倾斜角产生的误差.重点介绍了该系统的测量原理、硬件设计、软件流程.通过中位置均值滤波、限幅滤波、一阶滞后滤波,最大误差控制在1°以内.实验结果表明:本系统可以满足于一般导航领域的要求.     

卡尔曼滤波在应变式力传感器中的应用

由于应变式力传感器系统中存在较大的随机噪声,降低了系统的标定精度和测量准确性,而卡尔曼滤波适合实时滤除干扰信号。在建立传感器测试模型基础上,通过推导卡尔曼滤波算法,确定了滤波初值和滤波参数。在传感器—A/D转换器—DSP硬件平台上,进行了滤波算法验证。实验表明：卡尔曼滤波有效地滤除了随机干扰信号,适用于静动态测量过程,提高了系统标定精度。     

基于卡尔曼滤波的陀螺仪降噪处理

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.     

Optimal distributed Kalman filtering fusion for a linear dynamic system with cross-correlated noises

In this article, we study the distributed Kalman filtering fusion problem for a linear dynamic system with multiple sensors and cross-correlated noises. For the assumed linear dynamic system, based on the newly constructed measurements whose measurement noises are uncorrelated, we derive a distributed Kalman filtering fusion algorithm without feedback, and prove that it is an optimal distributed Kalman filtering fusion algorithm. Then, for the same linear dynamic system, also based on the newly constructed measurements, a distributed Kalman filtering fusion algorithm with feedback is proposed. A rigorous performance analysis is dedicated to the distributed fusion algorithm with feedback, which shows that the distributed fusion algorithm with feedback is also an optimal distributed Kalman filtering fusion algorithm; the P matrices are still the estimate error covariance matrices for local filters; the feedback does reduce the estimate error covariance of each local filter. Simulation results are provided to demonstrate the validity of the newly proposed fusion algorithms and the performance analysis.     

基于共轭梯度法和互补滤波相结合的姿态解算算法

为了提高姿态解算精度,提出了一种基于共轭梯度和互补滤波相结合的多传感器数据融合策略。系统采用四元数方法进行姿态解算。利用加速度计和磁强计的输出数据,通过共轭梯度方法对姿态四元数进行寻优估计,再将其和利用陀螺仪输出数据更新的四元数进行互补滤波,解算出姿态角。实验测试表明,这种融合策略使姿态检测系统静态性能和和动态性能均有所提高,尤其在姿态剧烈变化时,其性能明显优于卡尔曼滤波和梯度下降法。