基于改進粒子濾波的mems陀螺隨機誤差補償方法
【專利摘要】本發明屬于陀螺導航領域，具體涉及一種基于改進粒子濾波的MEMS陀螺隨機誤差補償方法。包括：數據的采集、預處理與檢驗：對處理后的MEMS陀螺的輸出數據進行時間序列分析建模：利用小波網絡算法優化粒子濾波，改善粒子濾波性能；對時間序列模型進行粒子濾波，對MEMS陀螺儀誤差補償，提高精度。M本發明采用一種改進的粒子濾波算法，將小波網絡算法與粒子濾波典型采樣算法結合，增大位于概率分布尾部的粒子權值，使較高權值的粒子分解為若干個較小權值的粒子，提高粒子樣本的多樣性，減小誤差，提高濾波效果。將基于小波網絡的粒子濾波算法應用到MEMS陀螺儀的誤差補償中，可以有效減少隨機誤差，提高MEMS陀螺儀精度。
【專利說明】基于改進粒子濾波的MEMS陀螺隨機誤差補償方法
【技術領域】
[0001] 本發明屬于陀螺導航領域，具體涉及一種基于改進粒子濾波的MEMS陀螺隨機誤 差補償方法。
【背景技術】
[0002] 早在20世紀50年底，粒子濾波在統計學和理論物理領域得到了廣泛的應用。粒子 濾波是一種基于蒙特卡羅方法和遞推貝葉斯的統計濾波方法，它對系統的過程噪聲和量測 噪聲沒有任何限制，突破了 Kalman濾波理論的框架。粒子濾波通過預測和更新來自于系統 概率密度函數的采樣樣本，來近似非線性系統的貝葉斯估計，是現代信號與信息處理科學、 統計模擬理論之間的交叉科學，具有重要的研究意義和現實價值。但是隨著多次遞歸更新 后粒子樣本的多樣性喪失，使得濾波效果受到影響，將小波網絡算法與粒子濾波典型采樣 算法結合，利用小波網絡調整粒子的權值，提高粒子樣本的多樣性，改善濾波效果。
[0003] 隨著微電子技術的發展，MEMS (Micro Electro Mechanical System, MEMS)系統得 到迅速的發展。由于其獨特的制造工藝及微型化、易于集成化、易于批量生產等特點，使其 在導航制導、汽車、飛行器、機器人、生物醫學、通信等領域得到廣泛的應用。目前，國內外很 多研究機構和高校都在致力于MEMS陀螺的研究，成為各國研究的重點內容。MEMS陀螺采 用類集成電路的硅加工工藝，器件尺寸小，且重量輕，適合批量生產；性能穩定且抗干擾能 力強；可靠性也比較高且易集成、功耗低。目前，基于MEMS技術的慣性器件得到了廣泛的 應用，但是MEMS慣性器件在高精度的慣性傳感器中的應用卻極大地受到了限制。但是由于 MEMS陀螺精度比傳統陀螺低，使其應用受到限制。如何改善MEMS陀螺精度成為MEMS陀螺 的研究重點。
[0004] 由于MEMS慣性器件的精度受到誤差、漂移的影響，而MEMS陀螺易受制造工藝及使 用環境的影響，使得MEMS陀螺的誤差產生機理非常復雜，很難對其建立準確的模型；因此 對MEMS陀螺儀進行誤差建模與補償是十分必要的。
【發明內容】
[0005] 本發明的目的在于提供一種提高濾波效果提高陀螺儀精度的基于改進粒子濾波 的MEMS陀螺隨機誤差補償方法。
[0006] 本發明的目的是這樣實現的：
[0007] 基于改進粒子濾波的MEMS陀螺隨機誤差補償方法，包括：
[0008] (1)數據的采集、預處理與檢驗：
[0009] 采集MEMS陀螺的輸出數據，把安裝在轉臺上慣導系統，采樣頻率設為100Hz，采樣 時間為20ms，進行陀螺輸出數據采集，保存采集的數據，從采集的MEMS陀螺儀輸出數據中 選取前10000個數據，去除陀螺的確定性誤差，得到包含噪聲的陀螺隨機漂移數據，對MEMS 陀螺的輸出數據進行預處理，得到平穩、正態、零均值的MEMS陀螺輸出的時間序列；
[0010] (2)對處理后的MEMS陀螺的輸出數據進行時間序列分析建模：
[0011] 分析MEMS陀螺儀的輸出數據，利用AIC準則確定模型為ARMA(2, 1):
[0012] xk =0,1542,?^ -0.03125? 2 +? -1.04? ,
[0013] xk由yk -階差分得到，最終得到的MEMS陀螺隨機漂移的時間序列模型為：
[0014] -1.1542- 0.18545? j + 0.03 i 25 v, t+ak-l Mat t
[0015] 1，為模型的輸出，即估計的時間序列，ak為白噪聲；
[0016] (3)利用小波網絡算法優化粒子濾波，改善粒子濾波性能：
[0017] (3. 1)初始化，k = 0時，采樣得到N個粒子，丨?
[0018] (3. 2)對i = 1，2,…，N計算重要性權值：
[0019]
【權利要求】
1.基于改進粒子濾波的MEMS陀螺隨機誤差補償方法，其特征在于： (1) 數據的采集、預處理與檢驗： 采集MEMS陀螺的輸出數據，把安裝在轉臺上慣導系統，采樣頻率設為100HZ，采樣時間 為20ms，進行陀螺輸出數據采集，保存采集的數據，從采集的MEMS陀螺儀輸出數據中選取 前10000個數據，去除陀螺的確定性誤差，得到包含噪聲的陀螺隨機漂移數據，對MEMS陀螺 的輸出數據進行預處理，得到平穩、正態、零均值的MEMS陀螺輸出的時間序列； (2) 對處理后的MEMS陀螺的輸出數據進行時間序列分析建模： 分析MEMS陀螺儀的輸出數據，利用AIC準則確定模型為ARMA (2, 1):
xk由yk -階差分得到，最終得到的MEMS陀螺隨機漂移的時間序列模型為：
Au為模型的輸出，即估計的時間序列，ak為白噪聲； (3) 利用小波網絡算法優化粒子濾波，改善粒子濾波性能： (3. 1)初始化，k = 0時，采樣得到N個粒子， (3. 2)對i = 1，2,…，Ν計算重要性權值：
式中，4表示k時刻第i個粒子的權值， 將得到的粒子權值用矩陣，= 表示并按降序排列，;將權值矩陣1分為高權 值矩陣R = 與低權值矩陣％ = {網; (3. 3)權值分裂：將高權值的粒子分裂成中階權值的粒子并取代低權值的粒子； (3. 4)權值調整：利用小波網絡調整低權值的粒子； 低權值的粒子作為小波網絡的輸入數據，粒子的狀態值作為小波網絡的初始權值，任 意時刻的量測值為小波網絡的期望輸出；樣本的學習函數為系統的量測方程，訓練網絡，小 波網絡輸出的為調整后的粒子權值，將得到的新的粒子權值歸一化處理； 則進行重采樣。其中Nrff為樣本的有效
/ t ~t 抽樣尺度，Nthresh()ld為提前設定的閾值； (3. 6)輸出：
(3.7)判斷是否結束，若是則退出，否則返回步驟（3.4); (4)對時間序列模型進行粒子濾波，對MEMS陀螺儀誤差補償，提高精度： 基于所建模型，利用步驟（3)中改進的濾波算法對MEMS陀螺隨機誤差進行有效地補 償：
為隨機時間序列；&、Θ ^為自回歸系數和滑動平均系數；ak為零均值的白噪聲； 確定狀態向量為觀測向量為Ζ(Ι:) = λ;建立粒子濾波的系統 和量測方程為：
對MEMS陀螺儀的隨機漂移的時間序列模型進行濾波處理，粒子數Ν選為100。
【文檔編號】G01C25/00GK104048676SQ201410298926
【公開日】2014年9月17日 申請日期:2014年6月26日 優先權日:2014年6月26日
【發明者】徐定杰, 蘭曉明, 沈鋒, 李偉東, 遲曉彤, 周陽, 劉向鋒, 張金麗, 桑靖, 韓浩, 李強, 劉明凱 申請人:哈爾濱工程大學