基于改进小波变换的MEMS陀螺信号去噪算法

为提高MEMS陀螺仪测量精度,抑制测量噪声对其造成的影响,该文分析了某型号MEMS陀螺仪误差特性,提出基于递归最小二乘法(RLS)多重小波分解重构的强追踪自反馈模型,建立新的软阈值函数。由于模型处理后的数据带有部分奇异值,该文提出了一种改进的中值滤波算法。对于陀螺仪零偏噪声问题,提出零偏不稳定性抑制算法,并对该算法模型进行了详细的描述。将某项目研究中列车姿态测量系统的实验数据应用到该算法模型中。测试实验分为静态、动态两组,其结果均表明:该算法减小了信号中的噪声,有效地抑制了MEMS陀螺仪随机漂移,提高了姿态解算的精度。肯定了该算法对陀螺仪输出信号噪声去除,以及使用精度提升的可行性和有效性。     

基于Allan方差的MEMS陀螺仪性能评价方法

介绍了Allan方差的基本定义,以及采用Allan方差对陀螺零偏数据进行处理所需的测试系统构成及测试要点。详细推导了采用Allan方差法对陀螺仪噪声进行估算的过程,描述了应用MATLAB进行数据处理平台建设的主要流程。最后运用Allan方差理论对MEMS陀螺信号进行了定量分析,得到了MEMS陀螺仪的量化噪声系数、角度随机游走系数、偏差不稳定性系数、速率随机游走系数和速率斜坡系数5个误差源系数,实验表明该方法能有效地辨识微机械陀螺的各项随机误差成分,可以正确评价陀螺仪的性能指标,为陀螺仪的设计改进提供了依据。     

基于AHRS的改进自适应互补滤波算法研究

针对基于MEMS传感器的航姿参考系统精度不高、数据易漂移导致测量无人载体航姿数据不准确的问题,设计了基于四元数与自适应互补滤波相结合的改进自适应互补滤波算法。通过对MEMS加速度计与磁强计输出数据、MEMS陀螺仪的积分数据进行补偿、数据融合,减小积分漂移。仿真实验数据表明,该改进互补滤波算法可抑制外部噪声对输出数据准确性的影响,提高了姿态角输出数据准确性。     

Si MEMS陀螺仪的正交耦合补偿技术

为了减小正交耦合误差对硅微电子机械系统(MEMS)陀螺仪性能的影响,提高陀螺仪零偏精度,对MEMS陀螺仪正交耦合补偿技术进行研究.建立MEMS陀螺仪动力学模型,分析正交耦合产生的原因,介绍了各类正交耦合补偿机理.设计了一款可实现静电刚度补偿的MEMS陀螺仪,并利用绝缘体上硅(SOI)工艺进行制备.利用现场可编程门阵列(...     

MEMS陀螺仪ΣΔ闭环系统优化设计

为解决传统ΣΔ闭环控制系统存在的量化增益不可控问题,设计了基于3-level量化技术的改进系统;针对此系统应用于微电子机械系统(MEMS)陀螺仪时引入的非线性反馈误差,提出了一种调整反馈脉冲宽度的矫正技术;并基于课题组研制的新型类蛛网环式谐振陀螺仪验证了改进系统的实用性。首先采用Simulink建立了四阶机电耦合ΣΔ系统等效模型,理论分析与仿真结果表明,3-level量化技术在降低量化噪声的同时解决了量化增益不可控问题,进而有效提高了陀螺仪量程和噪声水平性能。然后基于现场可编程逻辑门阵列(FPGA)设计制作了相应的数字测控电路,实验结果显示,陀螺仪的角度随机游走由0.094°/√h降低为0.062°/√h,量程由100°/s提高到130°/s,系统性能得到了有效提升。     

MEMS陀螺的抗野值自适应滤波降噪方法

针对微机电系统(MEMS)陀螺随机漂移较大及量测信息中野值对滤波的不利影响,提出了一种抗野值自适应滤波降噪方法。该方法采用Allan方差信息估计量测噪声方差参数,避免了Kalman滤波器与量测噪声估值器之间的相互关联,能有效抑制滤波发散。在此基础上引入新息抗野值算法,通过修正新息去除野值的不利影响,增强对随机漂移的滤波效果。实测数据试验结果表明,采用该文方法滤波后的MEMS陀螺输出信号均方差及角度随机游走都比滤波前明显降低,验证了提出的滤波方法在MEMS陀螺降噪中的有效性。     

MIMU中陀螺仪漂移误差滤波与温度补偿技术

微惯性测量单元(MIMU)具有体积小、重量轻、成本低、可靠性高等特点,在军事及民用领域具有广阔的应用前景。从工程实际出发,给出了一种基于新型CORTEX-M4内核ARM和MEMS惯性传感器的低成本、高性能微型惯性测量单元。介绍了采用三轴MEMS陀螺和三轴MEMS加速度计设计微惯性测量单元的硬件实现方法。针对MEMS陀螺仪的随机漂移误差,对MEMS陀螺仪采样数据应用FIR滤波器和卡尔曼滤波器进行滤波处理;并针对MIMU对温度影响敏感的特点,对陀螺的温度特性进行分析,采用离线辨识的方法确定温度补偿模型参数,进行温度补偿。实验结果表明,滤波后陀螺仪随机漂移误差明显减小,补偿后的陀螺零偏稳定性明显降低。     

BPNN辅助KF的MEMS陀螺仪数据处理方法

针对微机电系统(MEMS)陀螺仪数据误差建模不精确或无法给出模型的情况,提出了误差反馈（BP）神经网络辅助卡尔曼滤波对陀螺仪数据进行降噪处理的方法。分析卡尔曼滤波器的系统噪声方差Q矩阵可知,当模型不精确时可通过Q补偿。基于BP神经网络优化Q值原理,首先把采集到的MEMS陀螺仪数据输入卡尔曼滤波器得到Q;再把新息、滤波增益、量测噪声方差输入神经网络,把Q作为神经网络的输出,神经网络优化系统噪声协方差矩阵得到Q*;最后将Q*作为卡尔曼滤波算法系统噪声方差矩阵。实验结果表明,在建模不精确的情况下该方法也能有效提高陀螺仪的精度。     

基于角速度估计的MEMS陀螺随机误差动态滤波方法

针对MEMS陀螺仪受随机误差影响较大需要进行滤波处理,采用时间序列分析法建立的随机误差模型无法直接用于动态条件下滤波的问题,提出了一种基于角速度估计的随机误差动态滤波方法.首先,采用时间序列分析法对MEMS陀螺仪随机误差进行分析与模型构建;然后,将角速度估计假设模型建模为三维线性模型,并与陀螺仪随机误差模型结合构建动态滤波模型;最后,采用强跟踪卡尔曼滤波方法直接估计出角速度值以实现对随机误差滤波,并进行试验验证.结果表明:无论是静态还是动态条件下,该滤波方法估计的角速度值精度均较高,可以有效降低MEMS陀螺仪的随机误差,提升MEMS陀螺仪精度.     

基于改进小波阈值的MEMS陀螺去噪算法

随机误差是影响MEMS陀螺仪精度的重要因素,为了有效处理MEMS陀螺仪的随机误差,采用Allan方差对其进行辨识,通过对比选取Brideg Massart策略确定阈值,在分析硬阈值、软阈值和折中阈值小波去噪的基础上,提出了一种改进的小波阈值去噪算法,该算法构造了一种改进的阈值函数,它具有良好的连续性,一定程度减少了恒定偏差问题。利用MEMS 陀螺仪输出信号,分别采用硬阈值、软阈值、折中阈值和改进阈值小波去噪算法进行对比实验。结果表明:改进的小波阈值去噪算法能更好地抑制MEMS陀螺仪的随机误差,处理信号的高频噪声,去噪效果较优。     

基于SHAKF滤波器的MEMS陀螺随机误差建模补偿

MEMS陀螺随机漂移误差是制约惯性导航精度的关键因素。本文针对标准kalman滤波器陀螺漂移处理方法中,随机动态系统的结构参数和噪声统计特性参数不准确的问题,采用自适应SHAKF(Sage-Husa Adaptive Kalman Filter)滤波器进行参数实时估计,提高陀螺漂移精度。基于此思想,建立了ARMA随机误差模型,搭建了MEMS陀螺组件实验系统,通过高精度三轴转台静态测试采集陀螺数据。Aallan方差分析表明,零偏不稳定性经线性KF滤波后提升17.4%,经自适应SHAKF滤波后提升26.2%。     

基于Kalman滤波器的MEMS陀螺随机误差分析与建模补偿

MEMS陀螺随机漂移是影响MEMS惯性导航精度的主要原因。为提高MEMS陀螺使用精度,本文通过时间序列分析方法,建立MEMS陀螺角速率信号ARMA模型,进而利用线性KF(Kalman Filter)滤波方法处理陀螺角速率信号。本文通过搭建MEMS陀螺组件,进行三轴精密转台实验,将得采存陀螺信号进行KF滤波处理。利用Allan方差分析滤波前后MEMS陀螺角速率信号,结果表明陀螺仪零偏不稳定性经KF滤波后提升18.7%。     

MEMS陀螺随机误差建模与Kalman滤波方法

探讨了一种 MEMS 陀螺随机误差建模与滤波方法,对原始采集数据进行了预处理, 使之变成零均值、平稳、正态的随机时间序列,以此为基础建立时间序列模型,并对其进行 Kalman 滤波。结果表明,该方法能有效降低 MEMS 陀螺的随机误差,具有一定的工程实用性。     

基于MFFAKF的微惯导磁匹配粗对准方法

针对微机电系统(MEMS)陀螺仪精度低,无法完成惯导系统方位对准的问题,该文提出一种采用加速度计与磁强计输出完成MEMS惯导系统粗对准法。同时针对遗忘卡尔曼滤波法的缺点,提出将一种多遗忘因子自适应卡尔曼滤波法(MFFAKF)引入系统的对准方案中。该方法通过基于指数渐消记忆的方式计算量测噪声方差阵,并采用多遗忘因子调节不同的滤波通道。实验结果表明,采用MFFAKF得到的粗对准航向角精度满足MEMS惯导系统粗对准要求。     

MEMS陀螺漂移误差抑制方法研究

MEMS陀螺漂移误差是影响惯性测量系统精度的主要误差源,针对这一问题,引入旋转调制方法和卡尔曼滤波方法,利用旋转调制方法抑制陀螺的常值漂移,利用卡尔曼滤波方法减小随机漂移,并进行了仿真和实验,对调制和滤波前后惯性测量系统的姿态角误差进行了对比,结果表明,利用旋转调制技术和卡尔曼滤波方法分别减小陀螺的常值漂移漂移和随机漂移后,由这两种漂移误差引起的姿态角误差明显减小,惯性测量系统的测量精度显著提高。