MEMS陀螺随机误差建模及补偿算法研究

为减小随机误差对MEMS陀螺输出角速度的影响,提出一种结合ARMA模型和Kalman滤波的MEMS陀螺随机误差补偿方法。采用Allan方差辨识MEMS陀螺的5项随机误差,利用Matlab对MEMS陀螺随机误差时间序列分析建模,建立MEMS陀螺随机误差的ARMA模型,设计3次Kalman滤波器对MEMS陀螺随机误差进行滤波处理,并对陀螺输出进行补偿。实验结果表明:基于ARMA模型的3次Kalman滤波算法将MEMS陀螺随机误差均值和方差降低了两个数量级。     

运动状态下MEMS IMU随机误差的Allan方差分析方法

在车载全球卫星导航系统（global navigation satellite system,GNSS）/微机械系统（micro-electro mechanical system,MEMS）惯性测量单元（inertial measurement unit,IMU）组合导航滤波解算时,通常使用MEMS厂商标定的加速度计和陀螺仪的随机模型参数（简称为标称参数）。这些标称参数由传感器厂商在静止状态或通过实验室转台设备来测定,是否适用于运动状态下的组合导航滤波解算并获得最优的定位精度,需要进一步研究和评估。本文提出了一种运动状态下MEMS IMU随机误差的Allan方差分析方法,将不同精度等级的IMU安装在同一车载平台上同步采集观测数据,用高精度IMU观测数据提取车辆运动信息,然后从低精度MEMS IMU观测数据中剔除车辆运动信息得到类似静止的观测数据,进行Allan方差分析,获得运动状态下的MEMS随机模型参数,并将其应用于GNSS/惯性导航系统（inertial navigation system,INS）组合导航解算。试验结果表明,采用运动状态下标定的随机模型参数,组合导航的定位精度优...     

基于Allan方差的陀螺随机误差分析

随机误差是陀螺误差分析中重要的一部分,将Allan方差用于陀螺随机误差分析中,首先介绍了Allan方差的计算步骤,其次详细论述了随机误差的类型及其在Allan方差双对数图中的表现形式,最后通过仿真以及实测数据进行验证,结果表明Allan方差可以对各种误差源的统计特性进行辨识,是一种简单实用的陀螺随机误差识别方法。     

基于Allan方差和SVR的MEMS陀螺仪随机误差分析与预测

为了使低成本MEMS陀螺仪数据的精度更高,本文提出了一种混合核函数支持向量回归（SVR）的MEMS陀螺仪随机误差预测模型,并通过粒子群优化（PSO）算法对模型参数和核函数参数进行优化;同时通过Allan方差法对SVR预测前后的MEMS陀螺仪随机误差数据进行分析。试验结果表明：混合核函数SVR对MEMS陀螺仪随机误差的预测准确度可达99.99%;当MEMS陀螺仪所处状态不同,但噪声特性相同时,可采用统一的SVR预测模型预测随机误差,研究结果为进一步用于MEMS陀螺仪的实时误差补偿中提供依据。     

随机误差对七参数转换模型的影响分析

针对在七参数坐标转换过程中,控制点本身含有的各种误差会对坐标转换的结果产生影响的问题,该文探讨了随机误差对七参数转换模型的影响:以七参数坐标转换模型为研究对象,模拟不同尺度范围的空间直角坐标,给定七参数数值求解另一组空间直角坐标,然后加入不同幅度的随机误差,利用最小二乘准则求解参数,从数值角度分析随机误差对七参数数值以及坐标转换结果的影响。实验结果显示,大范围的七参数模型解算的稳定性优于小范围的模型解算,以及X、Y、Z方向某一方向上的误差对另两个方向的解算结果影响较小。     

利用ARMA模型改进GPS高程时间序列的研究

ARMA可用于时间序列建模,本文利用ARMA模型改进了部分IGS连续跟踪站GPS高程时间序列。计算了改进前后时间序列的线性速度,可以发现时间序列线性速度变化不明显,但精度却提高很多。通过研究表明利用ARMA模型有利于降低GPS高程时间序列噪声,可用于GPS高程时间序列的分析和研究。     

基于ARMA模型的GPS基准站坐标时间序列分析

由于利用GAMIT/GLOBK软件对连续运行多年的GPS基准站数据进行处理的原始结果存在一定的噪声,本文利用ARMA模型对GPS基准站坐标进行时间序列分析,其中采用Pandit-Wu方法确定ARMA模型的阶数.试验结果表明,采用Pandit-Wu方法能够准确地确定ARMA模型的阶数,并且基于ARMA的时间序列有效地消除了一定量的噪声,让GPS基准站随着时间的变化规律与趋势更加明显,说明ARMA模型在GPS基准站坐标时间序列分析中剔除噪声及突显变化量与趋势具有良好的效果.     

石英振梁式重力传感器测量误差消除方法研究

为了有效地消除石英振梁式重力传感器的测量误差,本文提出根据时间序列分析理论对石英振梁式重力传感器测量误差数据进行建模,根据所建时间序列数学模型来逼近重力传感器测量系统的状态方程,并采用Sage-Husa自适应卡尔曼滤波来消除重力传感器测量误差。理论分析和实验表明:石英振梁式重力传感器的测量误差可以采用AR模型来表征,并且Sage-Husa自适应卡尔曼滤波可有效地消除石英振梁式重力传感器测量误差。     

基于Allan方差的BDS随机误差分析

BDS观测数据噪声的辨识对提高BDS定位精度具有非常重要的意义,大量研究表明GPS非差随机模型并不服从高斯白噪声分布,北斗系统由于其星座和频率的多样性,噪声特征将明显不同于GPS。本文利用iGMAS大量高频实测数据,通过Allan方差分析,对比研究了BDS的噪声成分与其参数。试验结果表明,BDS非差噪声成分与GPS相同,主要为白噪声与一阶马尔科夫过程噪声,但是具体参数不同。BDS相位白噪声为2.50 mm,大于GPS的2.33 mm;GM过程噪声为2.38 mm·s^-1/2,小于GPS的4.43 mm·s^-1/2,相关时间为77.07 s,大于GPS的55.51 s。大量试验数据表明BDS的噪声参数聚集程度大于GPS,对环境的敏感程度低,噪声相关时间更长,过程噪声更小,这在北斗精密定位中还有待精化。     

顾及有色噪声的光纤陀螺随机噪声自适应滤波方法

作为光纤陀螺误差的重要组成部分,随机噪声严重影响着光纤陀螺的精度,对光纤陀螺随机噪声进行准确建模和补偿是提升陀螺精度的有效方式。本文针对光纤陀螺随机噪声的复杂性,难以对其进行精确分析,ARIMA （auto-regressive moving average）模型Kalman滤波中有色噪声不能使用状态扩充法建模的问题,扩展了Harvey方程,实现有色噪声白化。同时,考虑先验噪声的不确定性以及模型参数在线更新导致的参数与状态噪声相互耦合,分析了动态Allan方差估计量测噪声的不足,使用VBAKF （variational Bayesian adaptive Kalman filter）实时修正滤波状态噪声与量测噪声。试验表明,Harvey法较传统滤波建模方式,随机噪声序列方差降低40%,Harvey法结合VBAKF使序列方差降低了54%;VBAKF较动态Allan方差,可以更好地估计量测噪声。结果表明,此方法可有效抑制随机噪声Kalman滤波中有色噪声和随机模型不准确的影响,提高随机误差补偿精度。     

顾及模型误差的卡尔曼滤波相位解缠

本文提出一种顾及模型误差的卡尔曼滤波相位解缠算法,该算法在卡尔曼滤波的状态空间模型中引入一与误差因素有关的控制变量,对相位误差进行补偿,通过在解缠过程中将卡尔曼滤波增益限制在一定范围内,把误差阻遏在相当小的区域,最后对解缠相位进行卡尔曼滤波平滑操作,减少了误差的传播。分别采用仿真数据和真实InSAR数据进行实验,并与原卡尔曼滤波相位解缠结果进行对比分析,验证了本文方法的有效性。     

基于时间序列分解的GPS卫星钟差预报

根据二次多项武和灰色模型在卫星钟差预报中的特点,本文提出以ARMA(Autoregressive Moving Aver-age)模型分别进行改进;对IGS(International GPS Service for Geodynamic)提供的精密钟差进行时间序列分解,根据预报时间的长短,趋势项分别采用二次多项式和灰...     

基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

基于MEMS的室内定位误差修正方法研究

根据室内惯性定位存在误差累积的特点,建立广义似然比检测的方法进行零速度检测,利用Kalman滤波对检测到的"零速度"时刻进行零速修正(zero velocity update,ZUPT),从而有效降低系统累积误差。但行人行走过程中存在的无效振动,导致测得的加速度和角速度数据中出现明显的噪声,这对长时间定位精度产生较大的影响。文中提出在利用Kalman滤波进行误差校正之前首先采用Butterworth低通滤波滤除加速度和角速度数据中由无效振动引起的高频部分,即噪声部分,从而消除行人运动过程中的无效振动对定位精度的影响。     

基于InSAR与随机森林的滑坡敏感性评价与误差改正北大核心CSCD

滑坡不仅影响社会经济的可持续发展,而且威胁人类的生命安全。滑坡敏感性图(LSM)被认为是预测滑坡空间位置的有效手段之一,但现有方法生成的LSM因受假阴性误差的影响,难以得到可靠的预测结果。针对该问题,本文提出了基于InSAR形变结果的LSM改进方法。在甘肃省舟曲县的试验结果表明,研究区范围内滑坡敏感性等级提升2.74%。对两个具体区域的原始LSM和改进后LSM进行比较,结果表明,利用改进后的方法,可在受滑坡蠕动现象影响的区域制作更可靠的LSM。     

卡尔曼滤波粗差修正方法应用

基于标准卡尔曼滤波,提出对含有粗差的观测值进行整体修正和局部修正。最后,通过工程实例验证,两种修正方法均能够有效抵抗粗差的影响,并可获得比标准卡尔曼滤波更准确的滤波结果。     

动态Kalman滤波模型误差的影响

动态Kalman滤波模型误差的影响与静态平差模型误差影响不同。它包括观测异常误差影响和动力学模型异常的影响。本文分别讨论了观测异常误差和动力学模型异常误差对当前历元滤波结果的影响及对后续历元滤波结果的影响;构建了异常误差影响表达式,并对各类异常误差的检测方法进行了分析。     

MEMS惯导系统的误差自修正技术研究

针对当前MEMS惯性器件漂移误差大的问题,提出一种无需外界信息辅助的误差自补偿方案。通过引入旋转调制技术实现器件偏差的对称平均,通过理论推导分析惯性器件标度因数误差和安装误差对于误差旋转调制技术的影响。利用高精度惯性测试转台搭建误差旋转实验平台并进行误差自修正方法的实际性能验证。实验结果有效地验证了IMU旋转调制技术对于改善系统测姿定位精度的可行性,在现有MEMS器件精度基础上实现更高精度导航成为可能。