一种MEMS陀螺噪声估计和滤波方法技术

本发明专利技术针对MEMS陀螺仪测量精度低、其随机噪声具有不确定性和非线性的问题，提出一种MEMS陀螺噪声估计和滤波方法。首先获得带有噪声的信号,预设系统特性函数并初始化；然后计算Sigma点，同时构造统计特性系数；测量并更新一步状态预测均值、误差协方差阵、预报均值及协方差阵；观察更新最小方差；利用最大期望算法与极大后验估计准则进行残差方差更新；输出更新后的信号数据。该方法根据极大后验估计原理，构造出一种次优无偏MAP噪声统计估计模型；在此基础上引入最大期望算法将噪声估计问题转换为数学期望极大化问题，实现对观测噪声方差的动态调整，最终实现陀螺仪随机漂移误差的估计与滤波处理。

【技术实现步骤摘要】
一种MEMS陀螺噪声估计和滤波方法
本专利技术涉及信号处理
，具体的说是一种MEMS陀螺噪声估计和滤波方法。
技术介绍
近年来，随着微机电系统(MEMS,MicroElectroMechanicalSystem)的快速发展，基于MEMS的陀螺仪在惯性导航中发挥着越来越重要的作用。然而，由于其制作工艺、使用环境以及其他因素的影响导致基于MEMS的陀螺仪精度较低，限制其应用。研究发现确定性误差和随机噪声是影响MEMS陀螺仪精度的两个重要因素。确定性误差一般可以通过代数补偿计算方法得以消除，而随机噪声是影响MEMS陀螺仪精度的重要因素，无法使用简单的方法进行处理，其决定着陀螺仪的零偏稳定性。因此，如何对MEMS陀螺仪进行有效的噪声估计与滤波处理以提高其测量精度，已经成为MEMS陀螺仪的重要研究方向。目前经常采用的方法有通过Kalman滤波来消除陀螺仪随机噪声，但当噪声具有严重非线性时，误差较大；有文献提出一种自适应神经网络滤波方法，虽然其具有在线学习的优点，但是其计算量过于复杂，难以实现；还有采用UKF(UnscentedKalmanFilter,UKF)实现非线性滤波处理，但UKF本文档来自技高网...

【技术保护点】
1.一种MEMS陀螺噪声估计和滤波方法，包括：步骤一、获得带有噪声的信号,预设系统特性函数并初始化；

【技术特征摘要】
1.一种MEMS陀螺噪声估计和滤波方法，包括：步骤一、获得带有噪声的信号,预设系统特性函数并初始化；为初始状态X0的先验均值，P0为协方差矩阵；步骤二、计算Sigma点，同时构造统计特性系数：其中，a∈R表示调节系数，通常为一个小的正值；表示矩阵nPk-1均方根的第i列；权值ωi为：步骤三、测量并更新一步状态预测均值、误差协方差阵、预报均值及协方差阵：按照步骤二构造的Sigma点ξi,k-1/k-1通过非线性状态函数fk(·)+q传播为γi,k/k-1，由γi,k/k-1可得一步状态预测均值及误差协方差阵Pk/k-1，即然后得到输出预报均值及协方差阵和其中，函数fk(·)+q中的q为噪声均值，是噪声协方差；步骤四、观察更新最小方差：根据量测数据Zk得到最小方差估计结果，即其中，Kk为滤波增益矩阵；步骤五、利用最大期望算法与极大后验估计准则进行残差方差更新：步骤六、输出更新后的信号数据。2.如权利要求1所述的方法，其特征在于，采用时间序列模型的自回归滑动平均模型中的ARMA(2,1)来描述MEMS陀螺仪随机漂移误差：其中，Xk表示ARMA(2，1)的模型估计时间序列；ak表示白噪声序列；得到相应的滤波方程的状态空间模型为：其中，Vk和Wk分别为过程噪声和量测噪声，噪声统计特性满足以下条件：定义系统状态向量Xk和过程噪声Vk为：此时，式(16)中的系数为：3.如权利要求1所述的方法，其特征在于，引入...

【专利技术属性】
技术研发人员：陈光武，于月，杨菊花，程鉴皓，刘昊，
申请(专利权)人：兰州交通大学，陈光武，
类型：发明
国别省市：甘肃,62