MEMS陀螺误差建模与滤波方法

从实际工程应用角度出发,探讨了微机电系统(micro-electro-mechanical systems,MEMS)陀螺误差的有效滤波降噪方法.基于随机序列时序分析法的基本原理,采用实时平均算法对陀螺原始量测数据进行常值补偿预处理,得到随机漂移信号.对去除渐进项后的差分漂移信号进行AR模型建模,并依据该模型进行改进卡尔曼滤波,在输出差分信号滤渡值的同时解算当前陀螺输出滤波值.通过对某MEMS陀螺实测数据的误差补偿结果表明,提出的滤波方法能够有效地抑制其漂移误差,提高实际应用中的测量精度.     

基于模型误差补偿的星敏感器/陀螺卫星定姿方法及其仿真

针对经典扩展卡尔曼滤波(EKF)依赖于未知参数动态模型的准确程度这一问题,提出了一种基于当前星敏感器观测信息的模型误差补偿算法.该算法利用状态估计信息及当前矢量观测值,以预报误差最小为准则,对陀螺输出模型中的陀螺漂移进行补偿,进而利用修正后的陀螺测量模型预报卫星姿态,从而显著地提高了系统的定姿性能.仿真实验表明,在无陀螺漂移先验信息的情况下,该算法能够有效地补偿陀螺漂移引起的模型误差,定姿效果优于EKF.     

基于优化KF的MEMS陀螺阵列信号融合方法

针对微机电系统(micro electro mechanical system,MEMS)陀螺仪准确度低、噪声大的问题,采用陀螺阵列技术降噪以提高陀螺的使用精度。采用Allan方差法分析陀螺信号误差噪声项,依据分析结果对测量模型进行了简化,利用噪声相关性设计了一种卡尔曼滤波器(Kalman filter,KF)对陀螺阵列进行数据融合,并对最优估计过程进行了改进,降低了数据处理的复杂度和计算量,同时从理论上分析了各参数对阵列性能的影响。为提高滤波器的动态性能,将自回归(autoregressive,AR)模型应用于陀螺真实角速率的建模。采用6个陀螺构成的阵列进行了验证实验。实验结果表明:与单个陀螺相比,陀螺阵列的噪声在静态条件下降低了144.2倍,在恒速率和正弦速率条件下噪声分别降低了18.18倍和5.36倍,证明了此建模方法和融合方法的有效性。     

基于卡尔曼滤波的极限学习机在线盲均衡算法

针对正交振幅调制(quadrature amplitude modulation, QAM)信号, 在预测方法的盲均衡框架下, 基于卡尔曼滤波(Kalman filter, KF)提出了一种新的神经网络在线盲均衡算法。采用复数型极限学习机(complex extreme learning machine, C-ELM)作为非线性预测滤波器(prediction filter, PF), 用KF实时更新C-ELM的输出权值以使预测误差达到最小, 再通过自动增益装置调整信号的幅度变化, 最后引入相位调整因子纠正信号的相位旋转。仿真结果表明, 所提算法实现了良好的实时均衡效果, 具有较快的收敛速率和较小的稳态均方误差, 不仅适用于方形, 同时也适用于十字形QAM信号的盲均衡。     

基于UKF的导弹SINS/CNS姿态估计方法

针对中远程弹道导弹的特点,在分析研究捷联惯性导航系统/天文导航系统(strapdown inertial navigation system/celestial navigation system, SINS/CNS)组合导航测量修正方案的基础上,建立了导弹四元数运动学方程、陀螺测量模型,星敏感器测量模型等系统方程,将无轨迹卡尔曼滤波(unscented Kalman filter, UKF)算法应用于主动段关机点环境,通过对陀螺常值漂移、一阶漂移的在线估计,达到高精度导弹姿态的实时输出。与EKF、QUEST、MLS和捷联惯性迭代递推算法比较,仿真结果表明了UKF算法具有更高的精度,收敛快,适于在无控飞行阶段的工程应用。     

激光驾束导弹制导控制辅助惯性器件滤波

针对某型激光驾束导弹微机电(micro electro mechanical systems, MEMS)速率陀螺仪和加速度计测量噪声大的问题,提出采用姿控舵偏角和过载指令实现陀螺仪和加速度计的滤波。首先,基于姿态运动学建立MEMS速率陀螺滤波方程;其次,结合局部模型跟踪控制律特点,引入过载指令与实际过载的近似数学描述,建立加速度计滤波方程;最后,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)实现对三轴角速率、两轴加速度、攻角及侧滑角的辅助估计。半实物仿真试验表明,该算法可以将速率陀螺误差及加速度计误差分别降低至16%和30%,同时对攻角和侧滑角的估计偏差约为0.03°,证明算法有效。     

一种基于DSP+FPGA的陀螺控制方法

针对在陀螺控制过程中陀螺基准信号频率和相位角测量不准确,从而导致陀螺控制过程中定位不准确,产生漂移的难题,研究了一种基于DSP FPGA的陀螺控制方法。利用FPGA进行基准信号频率和相位的测量可得到精确的测量量,而通过DSP和FPGA进行数据交换,在DSP中解算陀螺基准信号的频率和相位角以及进动信号,具有高速、实时及算法可升级等特性。实验表明,该方法能够快速、稳定引导陀螺跟踪目标,并且定位准确,不产生漂移。     

非高斯环境下船变测量最大熵卡尔曼滤波方法

在进行惯性量匹配船体变形测量时, 光纤陀螺组件(Fiber Gyroscope Unit, FGU)往往暴露在复杂海况的外扰环境中, 经典卡尔曼滤波误差较大甚至出现发散。针对于此, 引入最大熵准则(Maximum Correntropy Criterion, MCC)和基于权重矩阵的加权最小二乘(Weighted Least Squares, WLS)方法改进KF迭代过程, 推导了一种用于噪声模型未知和非高斯环境中的MCC卡尔曼滤波器(MCC Kalman filter, MCCKF)。最后, 基于角速度匹配法开展多组对比实验。实验证实相较于自适应和传统MCC滤波器, 新算法无需实时调参, 抑制外扰能力更优, 可实现更高精度的变形角估计, 满足快速收敛和抗复杂外扰的鲁棒性要求。     

基于小波去噪和TLS算法的全姿态寻北

为提高捷联寻北仪在动态干扰下的寻北精度,同时解决寻北过程中需要人工调平而耗时较长的问题,结合全姿态多位置寻北模型,提出采用小波去噪处理陀螺输出信号和总体最小二乘寻北算法的组合滤波方法。针对硬阈值函数和软阈值函数去噪的局限性,使用改进阈值函数处理陀螺噪声,能够更好滤掉动态干扰;根据多位置寻北解算特点,创新性引入总体最小二乘寻北算法,有效补偿了寻北仪的静态误差。仿真数据和实验结果表明,该组合算法能显著提高寻北仪的抗干扰能力,实现全姿态高精度寻北。     

KF/UPF在SINS大方位失准角初始对准中的应用

为解决捷联惯导系统大方位失准角初始对准中状态维数较高,直接应用无迹粒子滤波(unscented particle filter, UPF)会带来维数灾难的问题,提出了基于卡尔曼滤波(Kalman filter, KF) /UPF组合滤波的初始对准方法。将非线性初始对准模型分解为线性与非线性两部分,采用KF实现对线性部分的最优估计,采用UPF对系统的非线性部分进行状态估计。通过仿真比较不同粒子数下KF/UPF组合滤波算法和UPF算法,结果表明,KF/UPF组合滤波算法在保证初始对准精度和收敛速度的同时,将需要进行UPF滤波的状态维数由10 维降为3 维,减少了计算量,运算时间分别缩短至原来的52.69%和6.0%,提高了初始对准的实时性。     

基于LMD-WSVD的半球谐振陀螺混合去噪方法

为了减少半球谐振陀螺(hemispherical resonant gyroscope, HRG)输出噪声对导航精度的影响，提出了一种基于局部均值分解-排列熵-小波变换-奇异值分解的混合去噪方法。首先，使用局部均值分解方法对HRG信号进行分解，然后排列熵将其划分为两类：低频分量和混合分量；之后将小波变换和奇异值分解级联以构成两级滤波器，对混合分量进行降噪处理，最后重构得到最终的信号。通过实验验证了该方法的有效性，实验结果表明，相比原始信号，所提出的方法有效地减少了HRG的输出噪声，提高了其测量精度，其中角度随机游走降低了99.9%,零偏稳定性降低了60.3%。     

基于自适应多重渐消因子卡尔曼滤波的

针对传统卡尔曼滤波器在模型失配和噪声时变情况下滤波精度下降甚至发散的问题,设计了一种新的多重渐消因子卡尔曼滤波算法。该算法通过一个基于渐消记忆指数加权的新息协方差估计器来计算新息协方差估计值,并依此引入多重渐消因子对预测误差协方差阵进行调整,使得各滤波通道具有不同的调节能力,克服了单渐消因子对多变量跟踪能力差的局限性,从而提高滤波算法的精度和鲁棒性。仿真和试验结果表明,新算法能有效抑制滤波器发散,其滤波精度和鲁棒性优于常规卡尔曼滤波与单渐消因子卡尔曼滤波,能够更好地满足工程应用的要求。     

一种微捷联惯导系统姿态角最优估计算法研究

回顾了捷联惯导系统姿态角的传统解法,分析了这种算法在基于MEMS-IMU的捷联惯导系统中导致姿态角计算误差过大的基本原因。针对MEMS陀螺具有较大漂移的特点,引入了一种新的基于卡尔曼滤波器的姿态角最优估计算法,并对算法进行了数值仿真。结果表明,该方法能极大提高姿态角的计算精度。     

MEMS陀螺仪冗余配置故障检测方法

针对姿态测量系统的可靠性问题,提出了一种冗余配置方式的微机电系统(micro-electro-mechanical system,MEMS)陀螺仪故障检测方法。首先,基于三轴MEMS陀螺仪研究了冗余配置的形式,给出了相应的故障评价函数,并给出了最优配置角度的计算方法;其次,根据冗余配置建立陀螺仪故障检测数学模型,设计了MEMS陀螺仪硬故障检测方法,并进一步证明了陀螺仪的软故障和陀螺仪输出噪声的相关性,通过最大似然估计给出了软故障检测判决函数;最后,利用自主构建的故障检测硬件平台进行了实验验证,成功实现了对发生硬故障及软故障陀螺仪敏感轴的检测。该方法将MEMS陀螺仪的冗余配置扩展到了敏感轴水平,提高了MEMS陀螺仪的数据利用率,增加了系统可靠性。     

Filtering of long-term dependent fractal noise in fiber optic gyroscope

Stochastic noises of fiber optic gyroscope (FOG) mainly contain white noise and fractal noise whose long-term dependent component causes FOG a rather slow drift. In order to eliminate this component, a two-step filtering methodology is proposed.Firstly, fractional differencing (FD) method is introduced to transform fractal noise into fractional white noise based on the estimation of Hurst exponent for long-term dependent fractal process, which together with the existing white noise make up of a generalized white noise. Further, an improved denoising algorithm of wavelet maxima is developed to suppress the generalized white noise. Experimental results show that the basic noise terms of FOG greatly decrease, and especially the slow drift is restrained effectively. The proposed methodology provides a promising approach for filtering long-term dependent fractal noise.     

SR-CH∞KF用于弹丸飞行姿态测量研究

为提高弹丸姿态测量精度,提出一种基于H∞滤波的平方根容积卡尔曼滤波.该方法通过三轴地磁传感器和陀螺仪组合测量模型,采用欧拉角算法模型减少状态维数并使状态方程呈现线性化,可以减少计算量.该方法可以适用于量测噪声不确定的情况,引入新息序列不断修正误差限定参数来更新量测噪声估计值,可以提高滤波的精度和鲁棒性.奇异值分解能够保...     

条件线性高斯模型的Gauss Hermite filter-Kalman filter算法

针对条件线性高斯状态空间模型,提出了高斯厄密特滤波-卡尔曼滤波(Gauss Hermite filter-Kalmanfilter,GHF-KF)滤波算法。算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,由GHF获得非线性状态的估计;再将非线性状态的估计均值代入线性状态方程与观测方程,由KF获得线性状态的估计;获得的非线性状态估计方差还用于修正由KF估计的线性状态,以提高精度。将GHF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Blackwellized粒子滤波器RBPF相比,新方法在保证估计精度的同时,明显提高了实时性,计算时间仅约为RBPF的5%。