一种惯性器件中周期性误差处理方法技术

一种惯性器件中周期性误差处理方法，以器件初始输出数据样本，标定出显著周期性误差的频率、初相位等参数，在后续时间中，实时在线补偿，以提高器件精度。其中频率标定过程包括初标定和精标定两步。初标定是以ＰＳＤ分析法确定出周期性误差项的频率。精标定中将问题转化为最优化理论中的具有多约束非线性的最小范数局部优化问题，构建模型，设计算法得出频率。本方法快速准确，精度高，不影响器件带宽和有用信号，特别适用于惯性器件高频过采样数据的周期性误差处理，也适用于其它领域内各种包含周期性误差的数据处理。

【技术实现步骤摘要】

本专利技术属于惯性导航
，特别涉及惯性器件的高频采样数据中周期性误差的处理方法，也适用于通讯、电子、信号处理等领域内包含显著周期性误差的数据处理。
技术介绍
惯性器件属于一种精密仪器，要求其输出数据包含的误差尽量少，输出的精度尽量高。为得到高精度的惯性器件输出数据，其各个参数的测试、标定和补偿等步骤都涉及到大量的误差处理工作，人们采取了许多措施尽量减少各种误差对惯性器件测试精度、标定精度、补偿精度等等各项精度的影响。而惯性器件输出数据中常含有周期性误差量，有些惯性器件的过采样数据中周期性误差还可能非常显著。特别是近年来，基于微机电系统(MEMS，micro electronic mechanical system)技术的惯性器件迅速得到广泛应用，但它们性能普遍不高，应用场合的连续工作时间很短，其高频率采样特性受到特别关注，研究发现惯性器件的短时间、高频率采样数据中周期性误差的影响大大增强，例如石英系列MEMS陀螺仪的短时间、高频率采样数据中就包含了2～4个极强的周期性误差项。 周期性误差也与其它误差一样影响着惯性器件输出数据的精度。周期性误差的处理一直沿用传统测试标准给出的方法，可总结为两种一种是多数据平均，即对惯性器件的过采样数据每多个做一次平均，认为周期变化引起的误差量在过采样数据中有正有负，数据平均时可以正负相消，以达到降低周期项误差的目的；另一种是低通滤波，即将低通滤波器的上限频率设置的比所有周期性误差的频率都低，使周期性误差的影响衰减掉，以达到降低周期项误差的目的。以上两种传统做法越来越不适应现代惯性导航技术的特点，特别不适应于处理工作时间很短、采样频率很高的惯性器件(例如MEMS惯性器件)输出数据的显著周期性误差。二者都有自身的缺点多数据平均法的主要缺点是精度低，这是因为过采样数据中周期变化引起的误差量难以正好正负相消，特别是当周期项频率较低，或每次平均参与的数据个数较少时，精度会更差；低通滤波法的主要缺点是滤波器的上限频率会限制惯性器件正常工作的带宽，降低惯性导航系统工作的动态范围，如果忽略滤波器上限频率的影响，依然让惯导系统工作在原有的动态范围内，则当周期性误差频率中的最低值与有用信号频率接近时，有用信号会受到低通滤波的干扰，甚至会被滤掉，而导致导航精度下降，特别是在大动态运动的工作场合下或者惯性器件所含周期性误差的频率很低时，滤除有用信号的概率更会大大增加。
技术实现思路
本专利技术的目的是克服现有周期项误差处理方法的不足，提出一种精度高，又不影响惯性器件工作带宽和有用信号的周期项误差处理方法。 本专利技术的技术解决方案是在器件工作初始段的输出数据中选取一个足够容量的样本，从中标定出显著周期性误差项的振幅、频率和初相位，在器件工作后续时间中，依次对每个输出数据进行周期性误差的补偿。其中，标定显著周期性误差项频率的过程包括初标定和精标定两步。初标定是以PSD分析法处理选取的样本，得出能量—频率图，从中确定出显著周期误差的个数N和各个显著周期误差的频率fi，定义频率向量为i＝1，…，N，一般常用惯性器件的显著周期性误差项个数N在2～5之间。此时的fp精度不高，依据误差理论分析得知精标定的关键是频率标定，将频率标定问题转化为最优化理论中的具有多约束非线性的最小范数局部优化问题，构建模型，利用最优化方法设计算法，精确搜索出显著周期性误差项的频率。本专利技术具体操作步骤包括 (1)由起始点开始选取一个惯性器件初始输出数据样本，以PSD分析法分析数据样本，得出能量—频率图，从中确定出输出数据中包含的显著周期性误差项的个数N和各个显著周期性误差项的频率fi，并由所有fi组成频率向量i＝1，…，N，其中，起始点是指惯性器件第一个采样数据对应的时间点，初始输出数据样本是指包含第一个采样数据在内的一段连续时间内的所有采样数据，一段连续时间一般指连续的5秒～20秒钟； (2)由步骤(1)中的能量—频率图，确定出每个fi的尽可能小的取值区间Di，要求设样本补偿周期性误差项后剩余的残差为E，设置允许残差方差σE的值和区间分割份数M的值；令i＝1；实践中发现一般的设置σE≤1×10-8和6≤M≤30较为合适； (3)将区间Di平均分割为M份，则得到M+1个区间边界点，分别记为fi，m，其中，m＝1，…，M+1，令m＝1； (4)以fi，m代替频率向量中的fi，其他频率值不变，根据步骤(1)中选取的数据样本，利用最小二乘法拟和出此时频率向量对应的各周期性误差项振幅和初相位的值，，并计算出此时样本数据补偿后的残差eim； (5)若m＜M，m＝m+1转步骤(4)，否则转步骤(6)； (6)计算M+1个eim的方差σe，若σe＞σE，则比较各个eim，找到最小的eim记为eimin，以eimin对应的频率fi，m代替fi，以区间替代原来的频率区间Di，转步骤(3)，否则，记录此时的频率向量转步骤(7)； (7)若i＜N，i＝i+1，转步骤(3)，若否，转步骤(8)； (8)根据步骤(1)中选取的数据样本，以最小二乘法拟和出频率向量 中各个频率对应的显著周期性误差项的振幅Ai和初相位i，建立所有显著周期性误差项引起的总误差数学模型 (9)在后续时间中，利用步骤(8)中的总误差数学模型实时在线补偿周期性误差。 本专利技术的原理是本专利技术原理包括三部分，即周期误差参数的初标定原理、周期误差参数影响程度分析和周期误差参数的精标定原理。 (1)周期误差参数初标定原理 假设含有周期性误差量的惯性器件输出数据序列包含n个数据，构造漂移向量 D＝T (1) 其中vj为第j个数据，j＝1，…，n。设其中含有N个显著周期项，其引起的漂移值y(t)是整个陀螺漂移的主要误差，其函数形式表示为 其中，fi为第i个显著周期项的频率，i＝1，…，N，Ai为第i个周期项的振幅，i为第i个周期项的初相位角。针对不同频率，需分别估计其频率fi、振幅Ai和初相位i。 频率fi的初标定由功率谱密度PSD(Power Spectrum Density)分析法得出。惯性器件的实际采样数据是一段离散、有限的时间序列，采样时间间隔相等，符合傅立叶变换和功率谱分析条件。在能量—频率图中，能量反映了某频率在信号中影响的大小，能量显著较大的频率即为显著周期项的频率。 振幅Ai和相位i的初标定原理如下将(2)式展开，得到线性式 故令ai＝Aicosi bi＝-Aisini 其中式(4)中T为采样周期，n表示测得的输出数据总个数，结合式(1)所示的向量D，得 T＝(XTX)-1XTD (5) 振幅Ai和初相位i为 以上方法可确定出周期项的频率fi、振幅Ai和初相位i，但精度不高，特别是在线长时间补偿，误差可能发散。为研究各参数引起的误差特点，对误差特性和构成进行如下分析。 (2)周期误差参数影响程度分析 由式(2)所示数据中N个显著周期项引起的漂移值y(t)与各周期项频率fi、振幅Ai和初相位i的关系，依据误差传递与合成理论得 (本文档来自技高网...

【技术保护点】
一种惯性器件中周期性误差处理方法，其特征在于：以器件初始输出数据样本，标定出显著周期性误差项的振幅、频率和初相位，在后续时间中，将其实时在线补偿，其中标定显著周期性误差项频率的过程包括初标定和精标定两步，初标定是以ＰＳＤ分析法确定出显著周期误差个数Ｎ和各显著周期误差项的频率ｆ↓［ｉ］，精标定是将问题转化为最优化理论中的具有多约束非线性的最小范数局部优化问题，构建模型，设计算法，精确搜索出显著周期性误差项的频率，具体步骤如下：（１）由起始点开始选取一个惯性器件初始输出数 据样本，以ＰＳＤ分析法分析数据样本，得出能量－频率图，从中确定出输出数据中包含的显著周期性误差项的个数Ｎ和各个显著周期性误差项的频率，并组成频率向量＊＝［ｆ↓［１］ｆ↓［２］…ｆ↓［ｉ］…ｆ↓［Ｎ］］，ｉ＝１，…，Ｎ；（２）由步 骤（１）中的能量－频率图，确定出每个ｆ↓［ｉ］的尽可能小的取值区间Ｄ↓［ｉ］，要求＊Ｄ↓［ｉ］＝φ，设样本补偿周期性误差项后剩余的残差为Ｅ，设置允许残差方差σ↓［Ｅ］的值和区间分割份数Ｍ的值；令ｉ＝１；（３）将区间Ｄ↓［ｉ］平均分割 为Ｍ份，则得到Ｍ＋１个区间边界点，分别记为ｆ↓［ｉ，ｍ］，其中，ｍ＝１，…，Ｍ＋１，令ｍ＝１；（４）以ｆ↓［ｉ，ｍ］代替频率向量＊＝［ｆ↓［１］ｆ↓［２］…ｆ↓［ｉ］…ｆ↓［Ｎ］］中的ｆ↓［ｉ］，其他频率值不变，根据步骤（１）中 选取的数据样本，利用最小二乘法拟和出此时频率向量对应的各周期性误差项振幅和初相位的值，并计算出此时样本数据补偿后的残差ｅ↓［ｉｍ］；（５）若ｍ＜Ｍ，ｍ＝ｍ＋１转步骤（４），否则转步骤（６）；（６）计算Ｍ＋１个ｅ↓［ｉｍ］的方 差σ↓［ｅ］，若σ↓［ｅ］＞σ↓［Ｅ］，则比较各个ｅ↓［ｉｍ］，找到最小的ｅ↓［ｉｍ］记为ｅ↓［ｉｍｉｎ］，以ｅ↓［ｉｍｉｎ］对应的频率ｆ↓［ｉ，ｍ］代替ｆ↓［ｉ］，以区间［ｆ↓［ｉ，ｍ－１］ｆ↓［ｉ，ｍ＋１］］替代原来的频率区间Ｄ↓［ ｉ］，转步骤（３），否则，记录此时的频率向量＊＝［ｆ↓［１］ｆ↓［２］…ｆ↓［ｉ］…ｆ↓［Ｎ］］，转步骤（７）；（７）若ｉ＜Ｎ，ｉ＝ｉ＋１，转步骤（３），否则，转步骤（８）；（８）根据步骤（１）中选取的数据样本，以最小二 乘法拟和出频率向量＊中各个频率对应的显著周期性误差项的振幅Ａ↓［ｉ］和初相位φ↓［ｉ］，建立所有显著周期性误差项引起的总误差数...

【技术特征摘要】

【专利技术属性】
技术研发人员：房建成，张海鹏，崔培玲，曹娟娟，荀向东，马珍珍，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]