几种不同时频分析法对INS信号的分析和比较

目前用于分析INS随机噪声的方法主要有Fouirer变换、功率谱密度以及Allan方差法.针对INS信号中存在的几种噪声,分别给出了它们的功率谱密度函数和Allan方差;分析了它们在时频域表达中的不同特性;最后用模拟数据和实测数据对这3种时频域分析法进行了比较和验证.结果表明:相比于Fouirer变换和功率谱密度法,Allan方差法在随机噪声分析方面具有明显的优势,不仅能够分析出信号中不同噪声的特性,还能够确定其系数的大小.     

低精度光纤陀螺随机误差的辨识与仿真

陀螺随机漂移是影响惯性导航和组合导航精度的重要因素。为了有效辨识出光纤陀螺随机漂移噪声的参数,采用了自相关函数、功率谱密度和Allan方差对实测陀螺数据进行分析。实验结果表明:自相关函数、功率谱密度和Allan方差都能有效辨识出陀螺输出信号中的角度随机游走噪声,只有Allan方差能辨识出其中的角速率随机游走噪声。Allan方差可以为光纤陀螺随机漂移建模提供参考。     

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。     

经验模态分解阈值消噪方法及其在惯性导航系统数据处理中的应用

针对惯性元件误差中有色噪声影响远大于白噪声的情况,建立元件误差的分形高斯噪声模型,利用功率谱密度方法估计模型参数。基于噪声模型推导经验模分解(EMD)的各固有模态函数(IMF)分量中噪声的方差,以此估计各分量相应的阈值,建立EMD阈值消噪方法。将该方法应用于INS中,并与小波阈值法进行比较。结果表明,小波阈值法难以控制元件中有色噪声的影响,EMD阈值法与噪声模型紧密结合,能够更有效地削弱元件中的随机误差,提高INS精度。     

GPS卫星钟噪声类型分析

介绍了原子钟的噪声模型及表征原子钟稳定度的Allan方差,给出了两种(斜率法和两种Allan方差比较法)确定原子钟噪声类型的方法,并利用这两种方法分析了几颗GPS卫星钟的噪声类型,得出不同种类卫星钟的噪声类型不同,同一种类卫星钟的噪声类型也不完全相同。     

利用白噪声分解特征的EEMD阈值降噪方法

经验模态分解算法基于待分解数据本身,避免了小波分解时选取合适小波基函数的困难,具有自适应性。然而传统的经验模态分解降噪是一种强制降噪算法,容易将高频部分的有用信号与噪声一起滤除,从而造成信号失真。针对该问题,在分析白噪声EMD分解特性的基础上,提出了一种EEMD阈值降噪法。利用4组具有不同频谱特征的仿真数据,证明了该算法优于传统的EMD强制降噪法;在消除随机噪声的同时,能够有效保留信号中的高频细节分量,从而缓解了信号的失真。     

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。     

基于采样方差的卫星钟信号分析

对原子钟频率稳定度分析受到频率漂移的影响进行定性分析,明确了不同类型方差在原子钟频率稳定度分析中的适用范围,首次提出将重叠Hadamard方差应用于卫星钟信号分析。分别利用Allan方差、Hadamard方差和重叠Hadamard方差对铷钟进行了稳定度计算,结果表明Allan方差的计算结果受频率漂移影响很大,而Hadamard系列方差能够有效克服频率漂移的影响,对于卫星钟的性能表征具有良好的效果。     

分组并行的交叠式Allan方差快速算法

针对标准式Allan方差计算效率低、稳定性差的问题,该文构建了一种局部交叠的快速Allan方差算法.该算法采用分组并行运算的方法,通过局部的交叠式处理,得到指数变步长的数据簇.然后利用标准Allan方差公式获得对应数据簇的Allan方差值,最后绘制双对数曲线分析误差类型与大小.仿真与实测结果表明:与标准式Allan方差相比较,该算法不仅能够更精确地分离和计算噪声系数,而且大幅度提高了解算效率,长度为720 000个样本点的数据解算时长从26.71 min 降低到0.35 s.     

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。     

基于RWTLS的Allan方差算法简化

Allan方差是现在应用最广泛的随机误差辨识方法之一。大量的试验表明Allan方差可有效地分离出导航过程中的多项随机误差,但是Allan方差也有自身的局限性。针对Allan方差在处理大数据量时计算效率低下、辨识度受粗差的影响较大的问题,本文提出了简化Allan方差算法的方案。首先,在确保Allan方差计算准确的前提下,以提高Allan方差计算效率为目的,对Allan方差算法进行简化;然后,利用抗差加权整体最小二乘（RWTLS）模型的迭代算法对简化后的Allan方差辨识结果进行抗差拟合处理;最后,以光纤式惯性测量单元（IMU）为分析对象,设计试验方案对简化后的Allan方差进行验证。     

原子钟时域频率稳定性影响因素分析

为了明确地分析原子钟的时域频率稳定性特性，本文在给出各种方差估计式的基础上，分析了影响原子钟时域稳定性的主要因素，如能量谱噪声、频率漂移、无数据段以及周期变化分量等，并给出了相应的改正方法。     

Using Allan variance to analyze the error characteristics of GNSS positioning

Currently, we evaluate the positioning accuracy of GNSS mainly by providing statistical values that can represent the overall error level, such as CEP, RMS, 2DRMS, and maximum error. These are solid indicators of the general performance of the GNSS positioning. But some applications like GNSS/INS integrated system require a detailed analysis of the error characteristics and knowledge of the precise error model. This requirement necessitates the modeling of the error components of the GNSS positioning solutions. In our research, the Allan variance method is proposed to analyze the GNSS positioning errors, describe the error characteristics, and build the corresponding error models. Based on our research, four dominant noise terms are identified in the GNSS positioning solutions, that is, 1st order Gauss-Markov process, Gaussian white noise, random walk noise, and flicker noise, which indicates that white noise is not always enough and appropriate to model GNSS positioning errors for some applications. The results show that the Allan variance is a feasible and effective way to analyze the error characteristics of the GNSS positioning solutions.     

基于经验模分解的陀螺信号消噪

陀螺随机漂移是影响惯性导航精度的重要因素。小波消噪方法对异常噪声效果不明显,且对小波基和分解尺度等因素依赖性较强。提出陀螺信号经验模分解(EMD)消噪方法,将信号进行经验模分解得到一个本征模态函数(IMF)组,先基于2sigma准则处理异常噪声IMF分量,再利用相关系数确定高频噪声IMF分量个数,将噪声分量去除以实现陀螺信号消噪。详细对比小波方法与EMD方法,利用交叠式Allan方差分析两者的消噪效果,通过惯导算例进一步验证EMD方法的实效性。结果表明,相比小波方法,EMD消噪法能剔除异常噪声,可以更有效地抑制陀螺漂移。     

基于哈达玛总方差的卫星钟差参数估计与预报

钟差参数估计与预报是卫星导航系统应用中的一项关键技术。本文研究了基于哈达玛总方差的钟差参数预报方法。随机部分采用幂律谱模型,利用哈达玛总方差计算Kalman噪声参数,进而得到状态噪声和测量噪声协方差阵。最后利用IGS数据,验证了基于哈达玛总方差进行钟差参数估计与预报的适用性。结果表明,短期预报精度可达到亚纳秒级。     

利用接收机钟差实时滤波提高GNSS精度

建立接收机钟差的高斯马尔可夫模型,通过自相关函数估计接收机钟差的时间常数,利用Allan方差确定模型谱密度参数,将滤波后的接收机钟差返回补偿至GNSS观测方程,重新进行导航解算。实验结果表明,对接收机钟差进行滤波,可有效提高钟差估计精度,提高GNSS的精度。     

基于随机模型改正的有色状态噪声处理新方法

控制有色状态噪声影响除了通过状态向量扩展的方法外,也可以通过修正随机模型.提出采用多项式长除法将有色状态噪声模型展开成无穷级数,截断取其有限项,进而求取有色状态噪声方差.利用该方差对随机模型进行修正,再结合现代时间序列分析方法,构造出新的ARMA新息模型,并根据该新息模型设计状态最优滤波器.为了说明该方法的正确性和合理性,将它与标准的Kalman滤波和状态向量扩展法进行分析和比较.结果证明利用该方法能有效地控制有色状态噪声的影响.