基于Kalman滤波和神经网络的MEMS陀螺温度漂移补偿

MEMS陀螺温度漂移严重影响系统的测量精度。传统的BP神经网络建模补偿容易使权值和阈值陷入局部极小值,导致网络训练失败。陀螺输出信号中的高频噪声也会影响模型精度。针对上述问题,该文提出一种Kalman滤波结合粒子群算法(PSO)优化BP神经网络的MEMS陀螺温度漂移补偿方法。首先对陀螺进行了温度漂移测试实验,然后采用Kalman滤波对实验数据进行降噪,最后建立陀螺温度漂移模型,从而实现温度漂移的补偿。实验结果表明,采用该方法补偿后MEMS陀螺在不同温度下的输出方差降低了65.09%,与传统的BP神经网络相比补偿精度明显提高。     

MEMS陀螺漂移误差建模与滤波

MEMS陀螺漂移误差直接影响光电稳定跟踪平台伺服机构的控制精度.针对MEMS陀螺随机漂移误差慢时变、弱非线性、难以准确补偿的特点,基于随机序列时序分析法的基本原理,对预处理后的MEMS陀螺漂移残差信号进行建模,并根据模型对残差信号进行Kalman滤波.结果显示滤波前后信号的方差提高了1到2个数量级,表明有效抑制了漂移误差,提高了MEMS陀螺的精度.     

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Kalman滤波的陀螺降噪技术研究

在自适应滑动平均技术基础上针对光纤陀螺的动静态输出设计了混合Kalman滤波算法,首先用窗口分割原始数据,接着用自适应滑动平均法检测窗口内的间断点;没有间断点的窗口内部,使用修正值为M1的Kalman滤波进行信号降噪;窗口内部具有间断点的使用修正值为M2的Kalman滤波进行信号降噪.使用DWT算法、普通Kalman滤波法、混合Kalman滤波对陀螺的动态和静态输出信号进行降噪,仿真结果表明只有混合Kalman滤波同时适用于陀螺的动静态输出.     

惯性导航系统陀螺漂移补偿算法研究

分析了几种计算惯导系统导航陀螺漂移的方法，构思了一种组合导航系统模式，在水下即可完成对惯导的校正，对导航陀螺漂移进行补偿。同时还提出了对导航陀螺漂移补偿的优化组合算法。理论分析及计算机仿真结果均表明，应用该组合导航系统可大大提高潜艇的导航定位精度和隐蔽性。     

硅微陀螺漂移数据滤波方法研究

针对硅微陀螺测量信号特点,建立其测量信号-阶差分后的AR(2)信号模型,得到了硅微陀螺测量系统的状态方程和输出方程,根据该模型,采用鲁棒性很强的H_∞滤波方法,可以将静态漂移测量信号的标准差提高了一个数量级,动态信号的信噪比提高了6 dB,大大提高了硅微陀螺的测量精度.H_∞滤波效果和实时性比小波变换要好.     

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.     

混合式自适应Kalman滤波算法

采用虚拟噪声补偿模型误差和有偏的噪声方差估值器、滤波器收敛性判据相结合的方法来解决自适应Kalman滤波发散的问题。首先若模型不准确,则引入虚拟噪声对模型误差进行虚拟补偿,然后采用有偏的噪声方差估值器、滤波器收敛性判据对噪声方差估计值进行监控,阻止滤波器发散。采用混合式自适应Kalman滤波算法对Gill公司的风向风速仪实时采集的数据进行处理,实验结果表明,该方法能有效的提高性能、抑制滤波发散,具有较强的实用性、自适应能力。     

一类含陀螺安装误差角的惯导平台漂移模型的修正

研究陀螺安装误差角对惯导平台漂移运动的影响， 在此基础上推导了修正的平台漂移运动模型，并指出了以往平台漂移运动方程中与陀螺安装误差有关的错误。分析表明，以往模型中出现的从陀螺敏感轴系到平台轴系的变换阵是多余的。在实际惯导平台上通过测漂实验对新模型进行了验证，结果表明，由基于新模型的EKF得到的参数估计收敛性远好于基于未修正模型的情况。     

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。     

自适应Kalman滤波在MEMS陀螺仪信号处理中的应用

通过中值滤波和均值滤波的有机结合,可以去除MEMS陀螺仪漂移中的"野点"信号。基于Haar小波基的小波变换,寻找到了一种易于实时在线实现的漂移特征提取方法。对残差信号进行二阶AR模型分析建模后,利用改进的自适应Kalm an滤波算法,对残差信号进行滤波,提高了被处理漂移信号的精度。实际测量数据的处理结果验证了该MEMS陀螺仪去漂移方法的有效性。     

MEMS陀螺仪静态漂移模型与滤波方法研究

针对移动机器人上安装的MEMS陀螺仪进行研究,根据MEMS陀螺仪的实测数据,分析了其噪声特性,采用时间序列分析方法建立MEMS陀螺仪漂移的AR模型,进而通过Kalman滤波降低随机噪声对MEMS陀螺仪精度的影响。仿真结果表明:静态漂移的建模和滤波方法对提高MEMS陀螺仪精度是有效的。     

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。     

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.     

改进的自适应Kalman滤波在SINS/GPS组合导航中的应用

全球定位系统（GPS）因信号受到遮挡和干扰而产生观测量突然失准,使捷联式惯性导航系统（SINS）/GPS组合导航的卡尔曼滤波器性能急剧下降。针对上述问题,提出了一种改进的自适应卡尔曼滤波的方法,通过失准时的新息对先验状态均方误差阵进行自适应调节,解决了新息协方差与实际严重不符的问题。仿真实验中,对比了传统的卡尔曼滤波、自适应卡尔曼滤波、自适应抗差卡尔曼滤波和改进的自适应卡尔曼滤波的估计性能,证明了所提出算法的有效性。     

数字滤波器在微机械陀螺系统中的应用

给出了应用数字滤波技术改善微机械陀螺准确度的方法,提出了数字滤波器的设计方法,通过测试数据分析表明效果显著。     

多传感器自适应容积卡尔曼滤波融合算法

当容积卡尔曼滤波的系统模型不准确或测量出现异常时容易出现滤波发散。为了解决这一问题,提出了一种自适应容积卡尔曼滤波算法,构造了一组噪声统计估计器对噪声的统计特征进行在线实时估计,并在测量异常时采用修正函数对滤波过程进行修正,有效提高了滤波估计的精度和对滤波发散的抑制能力;在集中式滤波结构和联邦式滤波结构的基础上,设计了一种基于自适应容积卡尔曼滤波算法的多传感器系统混合式组合滤波结构,并给出了融合各传感器的局部滤波信息以得到全局滤波估计的计算方法。以对车辆的定位导航为应用背景进行了仿真实验,仿真结果证明了所提方法的有效性。