一种车载MEMS陀螺仪随机漂移误差的抑制方法技术

本发明专利技术公开了一种车载MEMS陀螺仪随机漂移误差的抑制方法。该算法对车载MEMS陀螺仪传感器输出数据进行建模与滤波，以此来提高车载MEMS陀螺仪传感器输出数据的准确性和稳定性。针对对车载MEMS陀螺仪传感器输出数据存在较大误差的问题，本发明专利技术首先采用单位根检验法对选取的MEMS陀螺仪输出数据的平稳性进行检验，通过MEMS陀螺仪输出数据的自相关系数图和偏相关系数图的变化特点，并且结合最小信息准则，构建出时间序列ARMA模型；随后对ARMA模型应用于离散卡尔曼滤波方程，得到滤波处理后的数据；最后，通过实验验证本文开发的算法的有效性。该方法有效的抑制陀螺仪的随机误差，提高其输出信号的信噪比。

【技术实现步骤摘要】
一种车载MEMS陀螺仪随机漂移误差的抑制方法
本专利技术涉及MEMS陀螺仪传感器应用
，具体涉及一种车载MEMS陀螺仪随机漂移误差的抑制方法。
技术介绍
微电子机械系统(MicroElectroMechanicalSystems，MEMS)陀螺仪是具有成本低、尺寸小、重量轻、价格低廉、易于实现量产、集成化等优点，应用于很多不同领域。低成本低精度的MEMS陀螺仪广泛的使用在手机、体感游戏平台以及一些可穿戴设备上，这使得人机交互达到新的高度；中级MEMS陀螺仪传感器主要应用在工业领域，诸如电子汽车稳定系统、GPS辅助导航、电子稳定控制、医疗设备等领域；在军工领域内，高精度的MEMS陀螺仪有替代低精度光纤陀螺仪的趋势，其能够满足惯性GPS导航、惯性制导系统等高级设备的要求。受制造工艺及技术水平的限制，目前低成本MEMS惯性传感器的测量含有较大的误差，分为系统性误差和随机性误差。系统性误差一般是由于制造或安装缺陷引起，可通过实验室仪器检校；而随机性误差则无法通过确定的函数表达式表示，且需要通过一定的数学建模及滤波补偿等方法来降低其对影响。本文档来自技高网...

【技术保护点】
1.一种车载MEMS陀螺仪随机漂移误差的抑制方法，其特征在于，包含如下步骤：/n步骤1，ARMA模型的构建/n步骤1.1，ADF检验/n时间序列满足平稳性时，对时间序列进行自回归移动平均模型ARMA建模的前提条件，在静止状态下采集得到MEMS陀螺仪序列后，首先采用Augmented Dickey-Fuller对MEMS陀螺仪序列进行平稳性检验，若满足平稳性条件则进行步骤1.2；如果不满足平稳性条件，则需要对其进行差分计算，直到其变为平稳时间序列；设得到的平稳序列为x(t)；/n步骤1.2估计ARMA(p，q)模型参数/n首先作出x(k)的自相关系数与偏相关系数图，根据ACF和PACF的分布特征...

【技术特征摘要】
1.一种车载MEMS陀螺仪随机漂移误差的抑制方法，其特征在于，包含如下步骤：
步骤1，ARMA模型的构建
步骤1.1，ADF检验
时间序列满足平稳性时，对时间序列进行自回归移动平均模型ARMA建模的前提条件，在静止状态下采集得到MEMS陀螺仪序列后，首先采用AugmentedDickey-Fuller对MEMS陀螺仪序列进行平稳性检验，若满足平稳性条件则进行步骤1.2；如果不满足平稳性条件，则需要对其进行差分计算，直到其变为平稳时间序列；设得到的平稳序列为x(t)；
步骤1.2估计ARMA(p，q)模型参数
首先作出x(k)的自相关系数与偏相关系数图，根据ACF和PACF的分布特征，并结合AIC准则，p，q确定适合x(k)的自回归移动平均模型为ARMA(1，0)，状态方程即为其中为自回归参数，ε(k)为均值为0，方差为σ2的白噪声序列，σ2为x(k)的方差；接着引入最小二乘法对自回归参数进行估计，即得到模型参数的具体值；这一步中使AIC取得最小值的参数为最优参数，使AIC取得第二小的参数为次优参数；
步骤1.3诊断模型
为了测试所选模型是否适合数据，有必要进行模型诊断；根据建好的ARAM(1，0)模型，可知x(k)的预测值为定义残差为如果模型拟合良好，模型的残差r(k)应该表现为白噪声，否则需要跳转到步骤1.2中，选择次优参数进行建模，若诊断图中没有明显的尖峰，则表示所选模型的拟合度好；
步骤2，卡尔曼滤波补偿
步骤2.1建立数学模型
根据建立的ARMA(1，0)模型，构建卡尔曼滤波方程的系统模型为：



其中，y(k)表示MEMS陀螺仪输出序列差分之后得到平稳新序列的第k个值；w(k)为...

【专利技术属性】
技术研发人员：陈伟，冯李航，孙伟斌，易阳，朱文俊，张梦怡，王春海，刘立军，
申请(专利权)人：南京工业大学，开沃新能源汽车集团股份有限公司，
类型：发明
国别省市：江苏;32