微机电系统陀螺随机噪声的处理方法及处理装置制造方法及图纸

本发明专利技术公开了一种微机电系统陀螺随机噪声的处理方法及处理装置、存储介质、处理器，其中，前述方法包括：采集待处理窗口内微机电系统输出的运行数据，得到采样数据；基于采样数据创建微机电系统的相空间重构模型；基于相空间重构模型，通过非线性滤波算法进行随机噪声的误差估计；根据误差估计的估计结果对微机电系统进行随机噪声的误差补偿。本发明专利技术通过建立基于相空间重构的陀螺输出信号模型，利用容积卡尔曼滤波方法，实现随机噪声的有效抑制，解决了MEMS陀螺随机噪声的抑制效果不佳的技术问题。

【技术实现步骤摘要】
微机电系统陀螺随机噪声的处理方法及处理装置
本专利技术涉及微机电系统陀螺
，具体而言，涉及一种微机电系统陀螺随机噪声的处理方法及处理装置、存储介质、处理器。
技术介绍
振动陀螺已广泛应用于陆、海、空等多个领域，其中尤以微机电系统(即MicroElectromechanicalSystem，缩写为MEMS)陀螺应用最为广泛。MEMS振动陀螺的随机噪声误差是该类陀螺的一个主要误差源，如何消除误差一直是这一领域研究的重点。现有技术中，MEMS振动陀螺的随机噪声误差的抑制方法主要包括两类：外部辅助方式和器件自身数据处理方式。在外部辅助方式上，一些研究人员提出了利用陀螺阵列式摆放方式，通过多传感器融合技术去消除随机漂移噪声，从而提高整体陀螺的精度，然而此种方法直接造成体积增大、成本增高，且大大增加了后期的标定与测试工作，如果精度要继续提高还要对其矩阵式摆放的差异性进行分析，故未进行实际应用。除此之外，利用加速度计、磁强计等外部传感器进行角速率估计，来修正陀螺仪自身误差需要对惯性测量单元进行系统性考虑，包括系统布置、机械编排等方式，才能达到一个稳定的效果，且这类方法多是在指定运动对象或运动状态约束条件下应用，在传统场合应用欠佳。对于器件自身数据处理方式上，应用最多的是基于频域的抑制方式，如利用FIR、IIR等经典滤波方法完成进行数据滤波，在进行滤波之前先要对输出数据进行频谱分析，同时对运动对象的状态进行分析，综合得出滤波器的参数。然而该类方法难以进行动态调整，且随机噪声的频谱特性不是唯一的，很可能存在低频或者与运动状态相叠加的频率特征。若要提高该类的滤波精度就需要提高采样率、增加滤波阶数或压低输出带宽，此外该方法输出延时较大，难以进行有效补偿。随着现代Kalman滤波技术的发展，基于模型的滤波也在该场合进行了应用，最为典型的方法是利用时间序列方法对传感器输出进行建模，如AR、MA、ARMA等方法，然后利用Kalman滤波方法，完成随机噪声抑制。然而该类方法，需要花费大量的工作在数据的预处理上，要使数据达到零均值的条件下进行应用，而对于以低成本著称的MEMS陀螺而言，很难有效达到完全零均值的补偿，所以会影响时间序列的建模精度。此外，针对非线性运动的场合，应用此方法会严重的降低其输出带宽，造成测量延时过大。随着小波滤波方法的推广，在时域与模型之间建立了桥梁，能够进行有效滤波，但是小波基的计算复杂度较高，且造成的延时是不固定的，难以有效估计时间补偿参数。此外，现有技术中，MEMS振动陀螺的随机噪声误差的抑制方法还包括利用人工智能方法进行非线性预测，来估计陀螺输出趋势，同时进行噪声抑制，然而这类神经网络的方法，需要大量的先验数据进行离线训练，在常规场合可以进行采集，但是在高动态或载体变化较快场合难以适用，且训练成本太高，难以有效应用。针对上述现有技术中对MEMS陀螺随机噪声的抑制效果不佳的技术问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种微机电系统陀螺随机噪声的处理方法及处理装置、存储介质、处理器，以至少解决现有技术中对MEMS陀螺随机噪声的抑制效果不佳的技术问题。根据本专利技术实施例的一个方面，提供了一种微机电系统陀螺随机噪声的处理方法，包括：采集待处理窗口内微机电系统输出的运行数据，得到采样数据；基于采样数据创建微机电系统的相空间重构模型；基于相空间重构模型，通过非线性滤波算法进行随机噪声的误差估计；根据误差估计的估计结果对微机电系统进行随机噪声的误差补偿。进一步地，采集待处理窗口内微机电系统输出的运行数据，得到采样数据，包括：采集待处理窗口内微机电系统输出的数据；判断微机电系统输出的数据是否满足预设的窗要求；如果微机电系统输出的数据满足预设的窗要求，则进入基于采样数据创建微机电系统的相空间重构模型的步骤；如果微机电系统输出的数据不满足预设的窗要求，继续采集待处理窗口内微机电系统输出的数据。进一步地，基于采样数据对微机电系统的相空间重构模型，包括：获取模型参数，其中，模型参数至少包括：嵌入维数和延时时间；基于采样数据和模型参数创建微机电系统的相空间重构模型。进一步地，获取模型参数，包括：通过C-C方法获取模型参数。进一步地，基于采样数据和模型参数创建微机电系统的相空间重构模型，包括：基于嵌入维数和延时时间对采样数据进行时间序列的改写，得到相空间重构模型。进一步地，基于相空间重构模型，通过非线性滤波算法进行随机噪声的误差估计，包括；基于相空间重构模型获取与过程噪声相关的状态方程和与量测噪声相关的观测方程；根据状态方程和观测方程，通过非线性滤波算法进行随机噪声的误差估计。进一步地，根据状态方程和所述观测方程，通过非线性滤波算法进行随机噪声的误差估计，包括：对预设的卡尔曼滤波器中的滤波参数进行初始化处理；进行时间更新和量测更新，以进行随机噪声的误差估计。根据本专利技术实施例的另一方面，还提供了一种微机电系统陀螺随机噪声的处理装置包括：采集模块，用于采集待处理窗口内微机电系统输出的运行数据，得到采样数据；分析模块，用于根据采样数据创建微机电系统的相空间重构模型；滤波模块，用于根据相空间重构模型，通过非线性滤波算法进行随机噪声的误差估计；补偿模块，用于根据误差估计的估计结果对微机电系统进行随机噪声的误差补偿。根据本专利技术实施例的另一方面，还提供了一种存储介质，包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述微机电系统陀螺随机噪声的处理方法。根据本专利技术实施例的另一方面，还提供了一种处理器，用于运行程序，其中，程序运行时执行上述微机电系统陀螺随机噪声的处理方法。在本专利技术实施例中，通过对数据进行数据采样和分析，建立基于相空间重构的陀螺输出信号模型，利用非线性滤波方法进行集中数据处理，完成随机误差估计，最终实现随机随机噪声的误差补偿以及随机噪声的有效抑制，解决了现有技术中对MEMS陀螺随机噪声的抑制效果不佳的技术问题，使得振动陀螺可应用于高精度场合。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种微机电系统陀螺随机噪声的处理方法的流程图；图2是根据本专利技术实施例的一种可选的MEMS陀螺信号输出处理流程示意图；图3是根据本专利技术实施例的一种可选的MEMS陀螺信号数据采样和处理的流程图的示意图；图4是根据本专利技术实施例的一种可选的微机电系统陀螺随机噪声的处理方法所得到的PSR参数的计算结果；图5是根据本专利技术实施例的一种微机电系统陀螺随机噪声的处理装置的示意图；图6a是标准Kalman滤波方法、标准FIR方法和本专利技术实施例的非线性滤波方法的数据输出对比图；图6b是图6a的局部放大图；图7是根据本专利技术实施例的可选的经Allan方程对现有标准KIR滤波方法和本申请CKF滤波方法输出数据进行对比的分析结果图；<本文档来自技高网...

【技术保护点】
1.一种微机电系统陀螺随机噪声的处理方法，其特征在于，包括：/n采集待处理窗口内所述微机电系统输出的运行数据，得到采样数据；/n基于所述采样数据创建所述微机电系统的相空间重构模型；/n基于所述相空间重构模型，通过非线性滤波算法进行所述随机噪声的误差估计；/n根据所述误差估计的估计结果对所述微机电系统进行随机噪声的误差补偿。/n

【技术特征摘要】
1.一种微机电系统陀螺随机噪声的处理方法，其特征在于，包括：
采集待处理窗口内所述微机电系统输出的运行数据，得到采样数据；
基于所述采样数据创建所述微机电系统的相空间重构模型；
基于所述相空间重构模型，通过非线性滤波算法进行所述随机噪声的误差估计；
根据所述误差估计的估计结果对所述微机电系统进行随机噪声的误差补偿。


2.根据权利要求1所述的方法，其特征在于，采集待处理窗口内所述微机电系统输出的运行数据，得到采样数据，包括：
采集待处理窗口内所述微机电系统输出的数据；
判断所述微机电系统输出的数据是否满足预设的窗要求；
如果所述微机电系统输出的数据满足所述预设的窗要求，则进入基于所述采样数据创建所述微机电系统的相空间重构模型的步骤；
如果所述微机电系统输出的数据不满足所述预设的窗要求，继续采集所述待处理窗口内所述微机电系统输出的数据。


3.根据权利要求1所述的方法，其特征在于，基于所述采样数据对所述微机电系统的相空间重构模型，包括：
获取模型参数，其中，所述模型参数至少包括：嵌入维数和延时时间；
基于所述采样数据和所述模型参数创建所述微机电系统的相空间重构模型。


4.根据权利要求1所述的方法，其特征在于，获取模型参数，包括：
通过C-C方法获取所述模型参数。


5.根据权利要求3所述的方法，其特征在于，基于所述采样数据和所述模型参数创建所述微机电系统的相空间重构模型，包括：
基于所述嵌入维数和所述延时时间对所述采样数据进行...

【专利技术属性】
技术研发人员：刘宁，袁超杰，苏中，李擎，刘福朝，赵旭，李羚，付国栋，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京;11