小波分析法在光纤陀螺随机误差补偿中的应用

光纤陀螺随机漂移是惯性导航系统产生误差的重要因素。尽量降低陀螺仪的漂移率是进一步提高惯性导航系统精度的重要途径,也是保证光纤陀螺静态误差补偿精度的前提。从抑制光纤陀螺随机噪声的角度出发,利用小波分析法对光纤陀螺的静态输出进行滤波处理,通过对比滤波前后陀螺的输出曲线、标准差以及各项随机误差系数,能够看出:该方法有效地补偿了光纤陀螺的随机误差。     

一种光纤陀螺漂移数据建模和滤波技术在捷联罗经法自对准中的应用

针对基于高精度光纤陀螺仪(FOG)的捷联惯导系统开展研究.采用时间序列分析法对光纤陀螺随机漂移进行分析,建立自回归滑动平均(ARMA)模型,并在捷联惯导系统罗经法自对准过程中对光纤陀螺漂移数据进行实时滤波估计.样机实验结果表明,所提出的方法可以有效地提高光纤陀螺捷联惯导系统罗经法自对准的精度.     

基于相关向量机的MEMS陀螺仪随机漂移补偿

提出了一种基于相关向量机的MEMS陀螺仪随机漂移预测方法。针对MEMS陀螺仪随机漂移误差的非线性、不确定性等特点,建立了相关向量机预测模型,并采用EM算法获得模型的参数。针对随机漂移的混沌特性,利用相空间重构技术,将重构后的漂移序列作为输入变量进行模型的训练和预测。训练和测试结果均表明,该方法具有很好的预测效果,优于常用的时间序列分析法和支持向量机法。利用预测结果对随机漂移进行补偿,有效地提高了陀螺的使用精度。     

基于ARMA模型和狼群算法的陀螺随机漂移建模研究

光纤陀螺的随机漂移误差是影响惯性导航系统精度的关键因素之一,根据陀螺随机漂移数据的数学模型进行补偿,可有效地提高系统精度.在大量实验的基础上建立陀螺随机漂移的自回归移动平均(ARMA)模型,同时使用长自回归模型法求解模型参数,再对参数进行优化.实验结果证明:经狼群算法优化后的陀螺随机漂移模型更加准确,建模精度相对于传统的时间序列分析法有了较大提高.研究内容对光纤陀螺随机漂移建模精度的提高有较好的参考价值.     

由TMS320C32芯片实现陀螺仪漂移卡尔曼滤波算法研究

陀螺仪漂移数据经过处理后将是一组高度相关的平稳随机时间序列.在对陀螺仪漂移数据建立时间序列AR模型的基础上,考虑到精度与实时性的要求,采用卡尔曼滤波算法对捷联陀螺"模拟漂移"数据进行了处理,并运用基于TI公司的TMS320C32型DSP对算法进行了实验.通过实时考察实验系统算法程序的运行情况可以看出,卡尔曼滤波算法能有效地提高陀螺精度,并且对于实时性要求高而计算量大的卡尔曼滤波算法,应用DSP技术实现具有良好的发展前景.     

基于余弦基网络的弹载捷联惯导系统研究

捷联惯导系统是精确制导弹药中的一种高精度自主导航系统;针对目前弹载捷联惯性导航系统中陀螺仪精度不够理想的问题,建立了MEMS陀螺随机漂移信号的数学模型,并运用基于余弦基函数神经网络的数据融合技术对采集到的陀螺仪信号进行处理;实验结果表明,基于余弦基函数神经网络的数据融合技术可以有效地提高捷联惯导系统中MEMS陀螺信号处理的精度,融合后的信号精度平均提高38.45%。     

基于小波能量元激光陀螺漂移信号去噪方法研究

为了减少陀螺仪的误差并提高其精度,需要对陀螺仪误差进行估算与补偿,本文应用Allan方差法对激光陀螺的输出数据进行定性分析,得出激光陀螺所包含的各种误差及其整个噪声统计特性,并且应用基于小波能量元的方法对激光陀螺的漂移输出数据进行处理,结果表明小波能量元的方法可以有效的出量化噪声外的消除激光陀螺的各种噪声.     

一种弹载低精度陀螺仪的随机常值漂移估计方法

弹载低精度陀螺仪的随机常值漂移严重影响到弹体姿态解算的精度.为了解决这一问题,提出了以装订值作为姿态基准,采用姿态匹配传递对准对弹载低精度陀螺仪的随机常值漂移进行估计的算法.对随机常值漂移为10°/h的低精度陀螺仪进行仿真,结果表明采用该算法经过40 s的估计后,随机常值漂移估计值趋于稳定且估计精度较高,从而证明该方法是行之有效的.     

多项式拟合在MEMS陀螺仪零点随机漂移抑制中的应用研究

MEMS(Micro-Electro-Mechanical Systems)传感器精度相对较低限制了其应用范围,从实际工程应用出发,针对MEMS陀螺仪零点随机漂移误差探讨了有效的补偿方法.推导了不同阶数拟合曲线的回归方程,根据实测MEMS陀螺零点数据对不同阶数拟合曲线的补偿效果进行对比,选取最优方案并通过跑车试验进行验证,证明该方法能够有效抑制陀螺仪零点漂移误差,提高微惯性导航系统的导航精度.     

阈值去噪与RBF神经网络在MEMS陀螺仪误差补偿中的应用

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。     

基于自适应卡尔曼滤波器的MEMS陀螺零点漂移的研究

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。     

基于低成本MEMS陀螺的小波阈值去噪应用研究

通过有效抑制微机电系统(MEMS)陀螺的随机漂移误差,实现了提高低成本MEMS陀螺的测量精度.研究了小波阈值去噪算法的基本原理,分析了影响小波阈值去噪质量的主要因素;确定了小波函数类型、小波分解的层数、去噪阈值以及去噪阈值函数;利用小波阈值去噪算法对实际陀螺信号进行了去噪处理,结果表明:陀螺随机漂移得到了明显的抑制,取得了良好的去噪效果.     

微惯性传感器零点漂移融合滤波算法研究

为提高微惯性传感器的测量精度,提出了基于指数平滑的GM（1,1）改进模型,通过该模型对漂移中的确定性漂移信号进行提取,运用AR（3）模型对提取趋势项后的随机漂移进行了建模分析,并在AR（3）模型基础上进行了Kalman滤波处理,经Allan方差分析表明：经模型补偿后的漂移噪声降低了1-3个数量级,有效减小了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MEMS陀螺零漂输出的稳定性。     

海洋传感器的内嵌陀螺仪偏航角校正方法

海洋传感器通常工作在复杂的磁场环境下,其姿态检测系统一般使用陀螺仪确定偏航角输出。针对短时部署的海洋传感器,分析了MEMS陀螺仪的偏航角漂移误差模型,并在对陀螺仪原始数据补偿的基础上,给出了随机漂移的拟合估值与补偿方法,以提高陀螺仪偏航角输出在一定时间内的精度。使用高精度平台进行实验,结果验证了该补偿校正方法的有效性。     

Modeling the Random Drift of Micro-Machined Gyroscope with Neural Network

In this paper a new combined method was applied to model the random drift of a micro-electro-mechanical system (MEMS) gyro to enhance its performance. The gyro is used to set up a micro-inertial -measurement unit (MIMU) for its low cost, low power consumption and small dimensions. To improve the MIMU’s performance, we model the gyro’s random drift by a statistic method. Given the paucity of the knowledge of fabrication of the gyro, we select a neural network model instead of making a delicate physical-mathematical model. Since the gyro we used is a tuning fork micro-machined sensor with large random drift, the modeling performance is affected by the randomness inherent in the output data when neural network approach is applied. Therefore, radial basis network structure, which was successfully applied to model temperature drift of fiber optical gyros, was chosen to build the model and the grey neural network. Compared with autoregressive model, the standard error of the gyro’s random drift is reduced dramatically by radial basis model and grey radial basis model.     

卡尔曼滤波在激光陀螺信号处理中的应用

各种随机噪声是激光陀螺误差的主要来源;设计了基于激光陀螺漂移数据时间序列模型的卡尔曼滤波器,对激光陀螺漂移数据进行了滤波,并采用Allan方差法分析了滤波结果;结果表明,基于时间序列模型的卡尔曼滤波器有效地减小了随机误差。     

基于AR多变量模型的半球谐振陀螺温度漂移建模

在半球谐振陀螺工作过程中,环境温度的变化是不可避免的.温度的变化影响陀螺的结构和谐振频率,导致陀螺产生温度漂移,为了提高半球谐振陀螺的精度,根据温度漂移和温度变化的相关性,本文利用时间序列中的AR多变量模型对温度漂移数据进行分析,建立了漂移和温度的两个变量的随机数学模型,为温度补偿打下了基础.     

小型尾坐式飞行器航姿参考系统

针对小型尾坐式飞行器姿态实时解算问题,研究了低成本的航姿参考系统(AHRS).由于MEMS惯性器件精度较低,设计了混合卡尔曼滤波器,以姿态四元数和陀螺随机漂移为状态变量,抑制了载体长时间飞行时陀螺漂移造成的累积误差.由于加速度计输出值在除重力加速度之外的附加加速度较大时不可信,完善了判断载体运动状态的方法,根据加速度计的实际输出,选择加速度值或者磁场强度作为观测量.实验结果表明,设计的算法在精度和计算效率方面都能满足控制系统的需求,更加适用于对实时性有较高要求的飞行器.     

卡尔曼滤波在陀螺仪随机漂移中的应用

本文针对MIMU中微机械陀螺的静态随机漂移,采用时间序列分析的方法建立了其随机漂移误差的AR模型,并在此基础上,探讨了利用Kalman滤波降低该随机噪声的具体方法.对实测数据的仿真结果表明,本文所介绍的滤波方法是正确、有效的。