Mems陀螺仪随机漂移误差的处理方法
【技术领域】
[0001] 本发明属于误差信号处理技术领域，具体涉及一种MEMS陀螺仪随机漂移误差的 处理方法。
【背景技术】
[0002] 微机电系统（MicroElectroMechanicalSystem,MEMS)，是在微电子技术基础上 结合精密机械技术发展起来的一个新的学科领域。MEMS技术具有体积小、重量轻、功耗低等 优点，基于此技术发展起来的微惯性器件就是一类典型的MEMS传感器，它的出现极大地扩 展了惯性技术的应用范围，使得基于微惯性器件构建低成本、高性能的微惯性导航系统迅 速成为当前惯性技术领域的一个研究热点。
[0003] 目前，MEMS陀螺仪的性能，尤其是精度指标，与传统的陀螺还有较大差距，只能应 用于低精度要求的场合。本发明因此而来。
【发明内容】
[0004] 本发明目的在于提供一种MEMS陀螺仪随机漂移误差的处理方法，解决了现有技 术中MEMS陀螺仪输出信号中的随机漂移误差较大导致MEMS陀螺仪精度较低，本发明通过 建立随机漂移误差的数学模型并在输出中加以补偿来抑制MEMS陀螺仪输出信号中的随机 漂移误差，提高MEMS陀螺仪精度。
[0005] 为了解决现有技术中的这些问题，本发明提供的技术方案是：
[0006] 一种MEMS陀螺仪随机漂移误差的处理方法，其特征在于所述方法包括以下步骤：
[0007] (1)利用Allan方差法对MEMS陀螺仪的实测数据进行分析，分离出各随机误差源， 并确定各项误差系数的大小；
[0008] (2 )将每次使用陀螺仪数据的时间间隔内陀螺仪输出的数据进行实时均值处理， 以均值作为使用值，构建MEMS陀螺仪的时序随机漂移误差模型；
[0009] (3)根据时序随机漂移误差模型建立状态空间模型，采用Kalman滤波的方法对陀 螺仪的随机误差进行多次滤波。
[0010] 优选的技术方案是：所述方法步骤（1)中Allan方差法按照以下步骤进行：
[0011] 1)设以采样时间T。对陀螺仪输出角速率进行采样，共采样了N个数据得到序列 ；
[0012] 2)把获得的N个数据分成K组，K=N/M,每组包含M个采样点，每一组的持续时 间t=Mt。为相关时间，每一组的平均值为：
[0013]
其中MS(N-l)/2，k=l，2，...，k;
[0014] 则对于不同的相关时间t，求得相应的Allan方差：
[0015]
其中 为求总体平均的运算。
[0016] 优选的技术方案是：所述方法步骤（1)中通过Allan方差法分离出各随机误 差源，并确定各项误差系数的大小是根据Allan方差与原始测量数据中的噪声项的双 边功率谱密度S"(f)存在的关系
来获得；根据
的滤波器时， Allan方差与陀螺仪输出的噪声成正比。
[0017] 优选的技术方案是：所述方法步骤（1)中MEMS陀螺仪的随机误差包括量化噪声 (Q)、角随机游走（N)、零偏不稳定性（B)、速率随机游走（K)、速率斜坡（R);通过Allan标准 差图（〇 (t)-t)在t的不同区域辨识出数据中存在的各种噪声过程；
[0018] 假设各噪声是独立统计的，则Allan方差表示成各类型误差的平方和，即：
[0019]
[0020] 而 则在最小均方的情况下，通过拟合函数 ! 0 A(T)求出An ;
[0021] 然后通过公式：
[0022]
[0023] 计算量化噪声（Q，（° ))、角随机游走(AMr)/^)/|)、零偏不稳定性（B，（° )/ h)、速率随机游走(夏，(f)獨/#)和速率斜坡（R，（（° )/h)/h)的值。
[0024] 优选的技术方案是：所述方法步骤（3)中MEMS陀螺仪的时序随机漂移误差模型为 AR(1)模型，即x(t) = 0. 201x(t-l)+a(t)，基于AR⑴模型获得Kalman滤波方程的状态空 间模型为
[0025] 本发明所要解决的技术问题，在于如何在现有MEMS陀螺仪的基础上，在信号处理 后端，利用Allan方差法对实测数据进行分析，有效地分离各主要随机误差源，并确定各 项误差系数的大小，在对数据进行检验和预处理的基础上进行了时序建模，最后采用多次 Kalman滤波处理对干扰噪声进行了有效的抑制。
[0026] 本发明涉及一种MEMS陀螺仪随机漂移误差的处理方法，尤其涉及通过Allan方差 法、时序随机漂移误差模型以及多次Kalman滤波来控制随机漂移误差来提升MEMS陀螺仪 精度的方法。本发明技术方案在MEMS陀螺仪随机漂移误差的处理过程中，利用Allan方差 法对实测数据进行分析，有效地分离各主要随机误差源，并确定各项误差系数的大小，在对 数据进行检验和预处理的基础上进行了时序建模，最后采用多次Kalman滤波处理对干扰 噪声进行了有效的抑制，可以有效的提高MEMS陀螺的精度。
[0027] 本发明技术方案提供了一种MEMS陀螺仪随机漂移误差的处理方法，其特征是：在 现有MEMS陀螺仪的基础上，在信号处理后端，利用Allan方差法对实测数据进行分析，有效 地分离各主要随机误差源，并确定各项误差系数的大小，在对数据进行检验和预处理的基 础上进行了时序建模，最后采用多次Kalman滤波处理对干扰噪声进行了有效的抑制，提高 陀螺仪的精度。
【具体实施方式】
[0028] 以下结合具体实施例对上述方案做进一步说明。应理解，这些实施例是用于说明 本发明而不限于限制本发明的范围。实施例中采用的实施条件可以根据具体厂家的条件做 进一步调整，未注明的实施条件通常为常规实验中的条件。
[0029] 实施例
[0030] 本实施例MEMS陀螺仪随机漂移误差的处理方法，包括以下步骤：（1)利用Allan 方差法对MEMS陀螺仪的实测数据进行分析，分离出各随机误差源，并确定各项误差系数的 大小；（2)将每次使用陀螺仪数据的时间间隔内陀螺仪输出的数据进行实时均值处理，以 均值作为使用值，构建MEMS陀螺仪的时序随机漂移误差模型；（3)根据时序随机漂移误差 模型建立状态空间模型，采用Kalman滤波的方法对陀螺仪的随机误差进行多次滤波。
[0031] 所谓的Allan方差法，是指对陀螺仪噪声进行分析的一种标准方法，它能非常容 易地将各种误差源及其对整个噪声统计特性的贡献进行细致的表征和辨识，这种方法最早 是20世纪60年代由美国国家标准局的DavidAllan提出的，是一种基于时域的分析方法， 具有便于计算、易于分离等优点。Allan方差法的具体算法是：
[0032] 步骤一：设以采样时间t。对陀螺仪输出角速率进行采样，共采样了N个点得到序 列
[0033] 步骤二：把获得的N个数据分成K组，K=N/M，每组包含M