小波去噪在激光陀螺漂移信号分析与处理中的应用

用Allan方差法对激光陀螺漂移数据的各种误差源及其整个噪声统计特性进行细致的表征和辨识.根据有效信号与各种噪声信号的频谱差异,用Mallat算法对RLG漂移信号进行塔式分解,采用软阈值消噪法去除噪声.对小波去噪前后的激光陀螺零漂信号用Allan方差进行对比分析表明,小波变换有效的减小了激光陀螺零漂信号中的角度随机游走、角速度随机游走、速率斜坡和量化噪声,提高了激光陀螺零偏输出的稳定性.     

塞曼激光陀螺补偿技术研究

对塞曼激光陀螺的补偿模型修正项、偏频原理进行了研究,由激光陀螺的输出特性,推导出补偿模型修正项最佳数量.在激光陀螺的工作温度范围内,其偏频量与温度具有良好的线性关系,可采用偏频量作为激光陀螺输出零偏的补偿基准,建立了一种基于偏频量的补偿模型,补偿后的激光陀螺精度得到显著的提高,新型补偿模型可以准确表征由于温度变化引起的激光陀螺输出误差,无需温度传感器及其配套电路,具有很好的工程应用前景.     

基于小波变换的光纤陀螺信号去噪方法

摘要：为提高光纤陀螺的使用精度,提出一种基于小波变换的光纤陀螺信号去噪方法。根据小波变换的原理, 使用四阶Daubechies 小波对光纤陀螺信号进行分解,选择改进阈值法对小波系数进行重构。该方法能有效滤除噪声 并保留有用信号,克服了硬阈值与软阈值的缺陷,能有效地提高光纤陀螺的使用精度。     

小波分析在陀螺信号检测中的应用

基于陀螺漂移信号模型,利用小波分析对含第一类间断点的陀螺漂移信号进行仿真分析.假设系统工作到100s时发生故障,频率发生突变,持续到200s时恢复正常,信号分析采用的小波函数为Daubechies小波.在利用db6小波对信号进行三层分解之前,同样利用小波信号分析技术,采用默认阀值对信号进行消噪处理.实验表明,小波分析技术可即时检测出陀螺发生故障位置和时间,并有效提高陀螺可靠性.     

捷联惯导系统圆锥误差分析

圆锥运动是刚体运动的一种几何效应，在圆锥运动下产生的圆锥误差是捷联惯导系统的重要误差源。产生圆锥误差的运动学机理表明，该误差在捷联惯导系统中只能通过系统设计和算法补偿等方法使其尽量减小而无法完全消除。本文在分析了圆锥误差的运动学机理的基础上推导了由于安装误差、陀螺量化误差、陀螺频带选取等因素影响下圆锥误差的大小。同时介绍了描述刚体圆锥运动的Goodman Robinson理论，应用该理论推导出了圆锥误差的一种有效修正算法，并通过仿真进行了验证。仿真结果表明，采取提高硬件精度和软件补偿的方法可以有效地降低圆锥误差对系统精度的影响。     

微陀螺零偏在线补偿方法及仿真

由于微机械陀螺零偏重复性和稳定性差,若不能实时跟踪零偏变化,则由此产生的导航误差较大。结合光纤陀螺特点,通过光纤陀螺与微机械陀螺的冗余配置,可以实现基于规则的在线陀螺零偏估计和零偏补偿。补偿后的数据与光纤陀螺数据进行融合,将融合后的数据作为观测值,通过根据机动目标“当前”统计模型和IMU动态模型建立的卡尔曼滤波器滤波进行动态误差和安装误差补偿。仿真结果说明该方法可行有效,能较好地提高数据测量精度。     

一种微机电系统陀螺信号基于小波域的Karhunen-Loeve变换去噪方法

为了减少梳状音叉微机电系统(MEMS)陀螺的随机漂移误差,提出了一种小波域上的Karhunen-Loeve变换(KLT)的MEMS陀螺漂移信号的去噪方法。其主要思想是:先对分段的MEMS陀螺漂移信号进行小波分解;然后对各个中高频子带进行6抽头滤波,插值成和最高频带相同长度的样本点后,利用小波各尺度间的相似性进行高频分量的KLT变换,在一定程度上去除不相干噪声;最后对KLT降噪后的信号再进行小波阈值处理完成进一步的降噪。实验结果表明,所提方法相对于基于小波变换的各种阈值方法,陀螺输出信号的方差、零偏稳定性和随机游走误差都有了明显的改善。     

小波包在异步电机转子断条故障检测中的应用

在异步电机转子断条故障检测中,将原信号最优小波包分解,经自适应滤波后再信号重构.先计算出每个子频带代价,选择相应频率空间构成最优小波包.再定义最优小波包选择的代价函数,并保留自相关函数和最大频率空间.对得到的频率空间上原信号分量进行自适应滤波,最后将滤波后原信号所保留的频率空间经同样的小波包重构,由此完成对频率分量的剔除.     

微机电系统陀螺仪随机漂移误差建模与滤波研究

随机漂移是微机电系统(MEMS)陀螺的主要误差,建立其数学模型并在输出中加以补偿是抑制该项误差、提高MEMS陀螺精度的有效方法。采用Allan方差对MEMS陀螺实测数据进行了分析,并采用时间序列分析法建立了随机漂移模型。根据建立的漂移模型,就如何利用Kalman滤波抑制随机漂移误差进行了分析和研究。     

小波分析在微机械陀螺随机漂移建模中的应用

对陀螺随机漂移建模之前需要先对信号进行预处理。传统的预处理方法是逐步回归法,其对陀螺漂移趋势项的提取相当烦琐,且往往会产生模型误差。基于此种情况,研究了基于小波分析的信号趋势项提取方法,实现对微机械陀螺漂移趋势项以小波系形式加以提取。最后对预处理后的数据用时间序列分析法建模。试验结果表明,此方法简单易行且建模精度明显优于传统方法。