基于Allan方差的MEMS陀螺随机误差建模

针对由于MEMS陀螺随机误差较大而影响MEMS惯性测量系统测量精度的问题,提出一种利用Allan方差分析随机误差并建模的方法。在分析Allan方差原理的基础上,通过Allan方差分析法分离和辨识了MEMS陀螺仪的各项随机误差以及误差系数,并利用随机误差系数进行了数学建模。通过与ARMA模型比较,表明利用Allan方差建立的模型更加精确。该方法为MEMS惯性导航系统中姿态测量的误差补偿和滤波提供了新的思路,对提高MEMS惯性测量系统的测量精度具有一定的实际应用价值。     

基于Allan方差的MEMS陀螺仪随机误差辨识与抑制

为了提高某型微机电系统(MEMS)陀螺仪输出精度,静态采集该型MEMS陀螺仪原始数据,通过Allan方差分析法,对陀螺仪随机误差成分进行辨识;以z轴输出为例,利用时间序列分析法,建立其随机误差的自回归滑动平均(ARMA)模型。根据拟合后的模型参数设计卡尔曼滤波器,对原始数据进行滤波处理,再对预滤波后的数据进行Allan方差分析。结果表明:滤波后的量化噪声、角度随机游走、零偏不稳定性误差系数分别减小了2. 8%,19. 8%和8. 1%。卡尔曼滤波器能够有效抑制MEMS陀螺仪的随机误差,提高输出精度。     

基于Allan方差的MEMS陀螺误差分析

利用Allan方差法对国外一款MEMS陀螺仪进行误差分析,通过长时间静态数据分析,对陀螺误差系数进行标定,验证了Allan方差法用于陀螺误差分析的可行性。     

阵列式MEMS惯性传感器及噪声抑制研究

针对惯导系统中MEMS惯性传感器随机噪声较大的问题,本文利用MEMS惯性传感器体积小的特点,采用32个消 费级MEMS惯性传感器,组成惯性传感器阵列,设计了阵列形式的MEMS惯性传感器测量单元。通过对阵列传感器建模与分析,将32个惯性传感器数据进行数据融合,以此降低消费级MEMS惯性传感器的随机噪声误差与零偏不稳定性。最后利用Allan方差分析了惯性传感器的噪声特性。实验结果表明,在静态状况下,阵列式MEMS惯性传感器有效的抑制了惯性传感器的随机误差,提高了惯性传感器的精度。     

基于MEMS陀螺仪的随机误差分析

为了提高MEMS陀螺仪测量精度,减少随机误差的影响,对产生随机误差的噪声源及其随机误差模型进行了分析;通过分析MEMS陀螺仪自身结构的缺陷并且对其输出数据进行了相应的滤波处理与平稳性检验,确立了合适的误差模型并利用Kalman滤波进行误差补偿,验证了模型的有效性;同时运用Allan方差法对MEMS陀螺仪噪声项进行了分析,确定了影响MEMS陀螺仪测量性能的主要因素以及比较了滤波前后的各项噪声源系数,检验了滤波效果且实验结果证明误差模型显著提高了MEMS陀螺仪的测量精度。      

MEMS加速度计噪声分析与降噪方法研究

针对微机电系统(MEMS)加速度计的随机噪声对输出信号干扰的情况,提出了对加速度计噪声源及噪声类型进行辨识、估计与建模,并确定误差补偿的降噪方法,以提高加速度计精度.采用Allan方差分析法对MEMS加速度计的随机噪声进行分析,得到了影响MEMS加速度计性能的几种主要随机噪声,使用自回归滑动平均模型(ARMA)对加速度计输出数据进行数学建模,以最终预测误差(FPE)准则确定使用的模型与阶次.设计了Kalman滤波算法,对加速度计进行降噪,通过Allan方差方法对Kalman算法滤波效果进行分析.实验结果表明:Kalman滤波能有效降低加速度计的随机噪声.     

改进的卡尔曼滤波在MEMS陀螺仪信号处理的应用

针对MEMS陀螺仪的输出随机漂移误差影响测量精度的问题,提岀一种改进的卡尔曼滤波方法进行MEMS陀螺仪误差补偿。传统的卡尔曼滤波方法是针对时域内的随机序列采用统计特性进行递推估计,从而得到测量所需要的信号。本文在传统卡尔曼滤波算法的基础上引入衰减因子和差分控制项,以此自适应地估计卡尔曼滤波量测噪声方差,并结合硬件系统将该算法进行静态性能试验和动态性能试验,使用Allan方差分析法对原始陀螺仪信号以及误差补偿后的陀螺仪信号进行对比分析。对比数据结果表明,陀螺仪静态随机误差得到了有效的抑制,从而验证了该算法在陀螺仪静态数据处理方面具有一定的应用价值。     

MEMS惯性组件的误差特性分析与标定

针对惯性器件输出受工作环境及器件自身噪声影响,导致惯性组件输出信噪比低进而影响系统定位测姿精度等问题,提出MEMS惯性组件误差分析与标定方案。利用Allan方差对MEMS输出进行辨识,对输出信息曲线拟合并确立MEMS器件误差项的误差取值,建立MEMS几何误差模型并设计分立式标定方案。转台实验结果表明,24位置及速率标定方法可实现惯性组件常值误差系数的有效分离与求取,对比器件误差补偿前后的结果,验证了误差修正方案的可行性。     

MEMS传感器随机误差分析

根据MEMS传感器中随机误差较大,有时会覆盖传感器中有用信号的问题,提出采用Allan方差方法对MEMS传感器实测数据进行分析。系统地分析了引起MEMS传感器误差的随机噪声种类及其来源和特性,Allan方差分析方法的优势不仅在于能确定各类随机误差的误差特性,而且可以确定出其误差系数,由此可与相应的各种滤波方法相结合更好地实现其滤波效果。实验证明:Allan方差分析是对MEMS传感器随机误差进行研究的有效方法。     

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。