基子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。     

微机电陀螺随机误差的非平稳模型及滤波方法

以CRS03为对象,研究了微机电陀螺的随机误差建模及滤波方法.针对输出信号非平稳的特点,采用时间序列分析方法,建立了CRS03输出信号的ARIMA模型,设计了基于此模型的Kalman滤波器,对陀螺输出数据进行了处理.结果表明,该方法可有效地抑制陀螺漂移,提高其精度.     

微机械陀螺零偏稳定性建模与滤波研究

首先介绍了时间序列ARMA模型及其建模方法,并利用该方法基于振动环式微机械陀螺的实测数据建立了振动环式微机械陀螺随机漂移的ARMA模型。在此模型基础上,设计了Kalman滤波器。仿真结果表明此方法能够有效抑制微机械陀螺的零点随机漂移。     

基于粒子滤波的陀螺漂移TVAR模型参数跟踪

在分析陀螺漂移信号的TVAR时变自回归模型及其模型参数的随机演化模型的基础上,基于粒子滤波器对TVAR模型参数做序列估计,提出粒子滤波的陀螺信号漂移估计算法.实验结果表明,算法可以很好地跟踪非平稳信号,采用该方法预测带嗓的陀螺漂移信号精度有明显提高.     

基于ARIMA模型的光纤陀螺随机漂移滤波方法研究

对光纤陀螺随机漂移输出进行了非平稳性检验,并建立了非平稳求和自回归滑动平均(ARIMA)模型,在此模型的基础上对光纤陀螺随机漂移进行卡尔曼(Kalman)滤波,并对滤波结果进行Allan方差分析。与基于自回归(AR)模型的Kalman滤波结果进行比较,实验结果表明:基于ARIMA模型的Kalman滤波比基于AR模型的Kalman滤波更能减小光纤陀螺的零偏不稳定性和角度随机游走。     

基于时间序列模型的激光陀螺随机漂移数据处理

采用时间序列分析方法建立激光陀螺随机误差模型,应用递推最小二乘(RLS)法估计模型的参数,在此基础上对激光陀螺的漂移数据进行了卡尔曼滤波,结果表明:该方法能有效地抑制激光陀螺的随机误差,提高了激光陀螺的精度。     

微机电陀螺随机漂移建模与卡尔曼滤波

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.     

基于多分辨率分析的硅微陀螺随机漂移时间序列建模

针对硅微陀螺的随机漂移误差,根据多尺度分析理论,提出了随机漂移趋势项提取算法,并应用于时间序列分析,采用波克斯-詹金斯法建立了ARMA模型。进一步采用长自回归-白噪化建模方法对模型进行了辨识和适用性检验。最后,构造Kalman滤波器对ARMA模型进行了滤波,滤波后方差减小了一个数量级,硅微陀螺原始漂移的零偏稳定性为34.428°/h,Kalman滤波后零偏稳定性为2.34°/h,有效地提高了陀螺的使用精度。     

MC-ROV导航系统研究

针对研制的新型模态切换水下机器人(Mode-Converted ROV, MC-ROV),设计了一套以MEMS器件为主的微惯性组合导航系统,包括陀螺仪、加速度计、磁力计、深度传感器及微处理器等。系统采用互补滤波方法抑制陀螺漂移,设计卡尔曼滤波器计算姿态角。本文采用了改进的自适用卡尔曼滤波器,增大新近数据的作用,减小陈旧数据的作用,避免滤波发散,提高导航精度。水池实验表明结合互补滤波、自适应卡尔曼滤波能够获得比较精确、稳定的水下机器人导航信息。同时,基于实测数据进行的算法仿真表明改进后的渐消记忆指数加权自适应卡尔曼滤波可以在一定程度上改善导航效果。     

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。     

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.     

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。     

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。     

MEMS陀螺随机漂移的状态空间模型分析及应用

利用Kalman滤波器对MEMS陀螺随机漂移进行估计和补偿,需要将随机漂移的自回归滑动平均(ARMA)模型转化为相应的状态空间模型,从而有必要对模型之间的转换问题进行深入研究。针对国内外有关文献提出的三种转化形式,从数学角度进行了证明,并结合MEMS陀螺的试验数据,分别采用这三种状态空间模型进行了随机漂移和角速率估计试...     

自主姿态测量算法研究

航姿系统一般不实时计算速度和位置信息,无法补偿地球自转和表观运动引起的分量误差,同时陀螺漂移较大,载体长时间持续机动时,出现姿态精度不高,甚至发散的问题。提出了一种基于卡尔曼滤波的姿态融合算法,将等效陀螺漂移列入系统状态,利用卡尔曼滤波的新息对运动状态进行判别,在一定条件下,用加速度计的输出作为量测量进行卡尔曼滤波的量测更新过程。实验结果表明,所提出的姿态融合算法考虑了陀螺漂移,能提高载体长时间机动时的姿态精度。     

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.     

环形激光陀螺的零偏热效应补偿模型

热效应对激光陀螺零偏的影响非常明显且难以精确建模。根据对环形激光陀螺的大量温度试验的数据,分析了温度变化、温度梯度与温变速率对陀螺零偏漂移影响的规律,进而提出了一种适用于工程应用的环形激光陀螺的零偏热效应补偿方法。经试验验证,此模型能在一定程度上改善热效应对环形激光陀螺零偏稳定性的影响,为建立最后的误差补偿模型,进一步提高环形激光陀螺的精度打下基础。