基于动态Allan方差的MEMS惯性测量单元的性能评价

为了对受温度等外界环境影响下的MEMS惯性测量单元进行性能评估,针对经典Allan方差法不能反映各喷性器件的时变特陛的缺陷,提出了采用动态Allan方差（DAVAR）法对MEMS陀螺仪和加速度计进行随机误差项的辨识和时变特性分析．经典Allan方差法和DAVAR法的随机误差辨识结果和仿真结果表明：在随机误差辨识方面,DAVAR法相比经典Allan方差法的辨识结果更为准确;在变温环境下,DAVAR法的仿真结果还能够反映出惯性器件输出信号受温度变化等环境影响下的时变特性,DAVAR法能够对MEMS惯性测量单元进行准确评价．     

GPS卫星钟差分析、建模及仿真

卫星钟差是卫星导航系统中的一项重要误差源,本文根据IGS观测数据分析GPS卫星铷钟和铯钟的噪声特性,并对星钟误差进行建模和仿真.首先采用修正Allan方差表征和分析了GPS卫星上不同种类原子钟随机噪声的时域特性;然后基于最小二乘分段拟合确定了卫星钟差确定性分量的时差、频差、线性频漂参数值;对于多项式拟合后的残差部分,利用随机噪声幂律谱模型建立了随机性分量误差模型;最后利用修正Allan方差反演的方法模拟产生了各噪声分量的独立随机序列并进行合成;对合成序列与原始数据进行了对比分析以验证本文所提出建模与仿真方法的正确性.     

MEMS惯性器件误差系数的Allan方差分析方法

全球卫星导航系统和惯性导航系统（GNSS/INS）组成的组合导航系统已经在很多应用场景下发挥了巨大的作用,随着组合导航系统的发展,低成本INS也得到了广泛的应用,微机电系统（MEMS）惯性器件在组合导航系统的应用当中也日益受到重视,MEMS惯性器件体积小,功耗低,便于低成本系统的实现.但是MEMS惯性器件的误差较大,为了对其误差项进行分析和识别,可以使用Allan方差方法对惯性器件长时间测量数据进行处理.本文分析了MEMS惯性器件具有的典型误差项,介绍了Allan方差分析方法的原理和实现方法,利用该方法可以对MEMS惯性器件的各个误差项进行辨识.通过对一种商用级MEMS陀螺仪和加速度长时间实测得到的数据进行处理和分析,验证了Allan方差分析方法应用于误差项辨识的可行性,并给出了该MEMS惯性器件的各个误差项识别结果.使用Allan方差方法得到的误差项系数可以直接应用于惯性器件误差建模,对于GNSS/INS组合导航系统的实现和改进有重要意义.     

光纤陀螺随机误差的测定方法研究

针对光纤陀螺的随机噪声，分析了其产生的来源；对于5种主要的噪声源，运用IEEE公认的在时域上对频域稳定性进行分析的方法——Allan方差法，进行了特性分析，并给出了误差系数的计算公式．同时介绍了只测定角度随机游走系数时的2种简单测定方法：模型拟合法、归一化计算法；对于一组实际的陀螺零偏数据进行了测定．     

基于递归图理论的飓风信号非平稳特征定量分析

为解决传统时频域分析方法无法定量表征风信号的非平稳特征问题,提出采用递归定量分析方法对风场的非平稳特征进行可视化和定量化分析,该方法适用性强且噪声对计算过程的影响较小.首先,采用相空间重构技术和递归图理论对飓风Gustavo(2008)典型时间序列做非平稳性分析;然后,通过引入递归率、确定率、信息熵、对角线平均长度、层状度和捕获时间等6项递归定量分析指标对飓风过境的全过程进行信号特征的定量分析,并给出飓风信号和良态风信号的6项定量指标界限;最后用台风梅花(1109)进行了上述指标的验证.研究发现,飓风过境前期信号具有一定的周期性和平稳性,中期信号的非线性、非平稳性比较突出;6项递归定量分析指标能够客观区分开飓风信号和良态风信号;递归定量分析方法完全适用于风信号系统的研究,能够更全面、定量地描述风信号的非平稳特征.     

星载原子钟性能分析方法比较研究

卫星导航时间系统是影响导航系统性能的决定性因素。原子时钟作为频率标准,能够产生高准确度和高稳定度的标准频率信号,可以实现精确计时。因此在导航卫星上广泛使用原子钟作为频率标准。讨论了原子时钟频率稳定度的Allan方差、重叠Allan方差、Hadamard方差及重叠Hadamard方差算法,并对GPS卫星真实数据进行了频率稳定度分析。得出了不同的GPS卫星,星载卫星钟的稳定度不同。对于同一种类的GPS卫星,卫星钟的稳定度也存在差异,且GPS BLOCK IIR卫星具有较好的频率稳定度。     

环形激光陀螺仪随机误差模型的研究

为了减少陀螺仪的误差并提高其精度,需要对陀螺仪误差进行估算与补偿,因而建立了陀螺仪的随机误差模型。在环形激光陀螺仪（ＲＬＧ）随机误差模型分析方法中,有功率谱密度（ＰＳＤ）分析,时序ＡＲＭＡ模型,及Ａｌａｎ方差分析。Ａｌａｎ方差分析是在时域上对频率稳定性进行分析的一种通用方法。在Ａｌａｎ方差与ＰＳＤ之间存在定量的关系。通过分析Ａｌａｎ方差,可以分辨出存在于ＲＬＧ中的各种类型噪声。Ａｌａｎ方差分析比在频域上分析ＰＳＤ简单得多。该文用Ａｌａｎ方差对Ｌ－１环形激光陀螺仪进行了具体的分析,得到了存在于Ｌ－１环形激光陀螺仪中的各误差源。表明Ａｌａｎ方差是建立激光陀螺仪随机误差模型的一种很实用的方法。     

基于时频分析的海洋激光探测信号检测与识别

针对机载海洋激光探测系统接收信号中噪声的非平稳性及与信号的相关性问题 ,利用信号的 Gabor展开在时间和频率域局部化信号的能力 ,对信号进行时频相关检测和分析 ,提出了一种基于时频分析的相关检测方法以及基于时频特性描述的信号分析和识别 .实验结果表明该方法是一种抗噪性能强 ,自适应性能好的弱信号检测与识别方法     

动态负荷电流游程长度特性对电能表误差的影响

针对动态负荷电流游程长度特性对电能表误差影响的问题,首先重点分析了典型动态负荷信号的随机波动时变特性,据此建立动态负荷信号的非平稳调制模型;其次通过模型分解研究动态负荷电流信号的游程特性,建立智能电能表各单元的动态模型,采用典型游程长度信号作为仿真测试信号,仿真分析了负荷典型电流游程长度特性对电能表动态误差的影响;最后采用具有典型游程长度特性的二进制通断键控（OOK）动态测试信号进行实验验证。实验结果表明,动态负荷电流游程长度特性是导致智能电能表动态误差的重要因素。     

顾及多因素影响的地表移动信息的动态处理

构造地表垂直位移y与影响它的外界多因素x_1、x_2……之间的关系的动态数学模型,可定量描述地表垂直位移与各因素之间相互作用的惯性特性,并能对影响因素随时间而引起的变化作出反映。本文研究和提出了顾及多因素影响的动态处理的数学模型。     

集合经验模式分解在柴油机机械故障诊断中的应用

针对柴油机表面振动信号非平稳、非线性等特点,引入集合经验模式分解(EEMD)的信号分析方法,对原始振动信号叠加适当的随机高斯白噪声,从而改变信号的局部时间跨度,有效抑制了经验模式分解(EMD)的模式混叠现象.通过Hilbert变换作边际谱曲线以提取故障特征信息.仿真试验和发动机故障实例证实了EEMD算法可以提高振动信号的分析精度,在柴油机机械故障诊断领域应用前景广泛.     

小波变换在靶场动态测试中的应用

为提高靶场动态测试数据精度,提出利用小波变换对靶场动态测试信号进行消噪处理的方法,从而抑制了陀螺仪漂移率。并应用Matlab软件对实际靶场动态测试数据进行分析、处理及仿真。仿真结果证明,该方法可以很大程度提升靶场动态测试数据的精度。     

基于改进阈值的提升小波变换在探地雷达信号去噪中的应用

针对探地雷达采集的为非平稳信号且存在尖峰或突变状的特点,为了除去信号中的噪声,引入了基于提升算法的小波变换去噪方法.考虑到传统软硬阈值函数去噪方法存在的不足提出了改进的新阈值函数.通过对探地雷达二维正演仿真模型的去噪效果分析,综合计算时间和去噪效果考量,基于改进阈值的提升小波变换在探地雷达信号去噪方面具有一定的应用价值.     

基于小波的回归分析

在变形回归分析处理前消除或减弱误差的影响,可以有效地改善回归分析的质量.通过一元回归试验对比可以看出,经过小波消噪以后,线性关系之外因素引起的数据波动性减小,拟合的效果得到了改善,线性关系显著增强.     

谱减在基于动载的路面不平度识别中的应用

分析了路面激励和发动机振动引起的汽车垂直动载的特点,提出了采用谱减法去除用于路面不平度识别的垂直动载中周期性噪声的方法.谱减之前对染噪信号和噪声模板都作静态小波滤波,可有效消除随机噪声谱引起的"音乐噪声".对发动机怠速时和在光滑水泥路面测得的信号比较后采用了后者作为噪声模板,并使用基本谱减方法对信号进行了滤波.试验数据处理发现谱分辨率取2Hz时谱估计方差较小,相应"音乐噪声"也较少.仿真表明,在数据点数为1024个时,使用谱减去噪使信噪比由7.2 dB提高到31.5 dB.     

基于变分模态分解的相关能量熵自适应阈值去噪

为有效抑制噪声对地震数据的影响,根据地震信号的时频特性,提出了基于变分模态分解的相关能量熵阈值去噪方法。采用变分模态分解算法将地震信号分解为频率由高频到低频且具有一定带宽的模态分量,计算各模态分量与地震信号的规范化相关系数,实现对各模态分量中的有效信息和噪声的定位。将去除有效信息的各模态分量分成若干子区间,分别计算各子区间的噪声能量熵,选取能量熵最大区间的模态分量系数作为该分量的噪声方差获得该分量的阈值,再将经阈值处理后的各模态分量重构得到去噪信号。通过对合成地震模型和实际地震信号进行去噪处理,并与直接去除高频分量的变分模态分解去噪方法进行了对比,结果表明,该方法能在强噪声环境下更有效地提取地震信号中的有效成分,提高信噪比。