基于TheoH方差的陀螺随机误差系数动态提取

针对运用动态Allan方差提取陀螺随机误差系数时,用截断窗截取原始信号造成方差估计置信度降低的问题,提出运用混合理论方差(Theo H方差)来代替Allan方差对截断窗内的数据进行分析,并提取出随时间变化的陀螺随机误差系数。Theo H方差改善了Allan方差计算时相关时间只能达到信号总时间的二分之一及长相关时间下方差估计置信度降低的问题,其计算的相关时间可以达到数据总时间的四分之三,有效改善了动态算法因数据截取造成误差系数估计置信度下降的缺陷。从对仿真信号和光学陀螺实测数据处理结果上来看,本文方法既能准确地对动态条件下陀螺量测信号的随机误差进行细化辨识,又能大幅提高中、长相关时间下方差估计的置信度。     

动态总方差设计及其快速算法

Allan方差法分析随机误差时存在2点缺陷,一是长相关时间下估计值震荡较大,二是无法跟踪信号的动态变化。本文融合总方差法和动态Allan方差法的思想和优势,提出了动态总方差法。首先使用窗函数截取原始数据,然后对窗内数据进行延拓,对延拓后的数据进行总方差分析,得到原始信号的局部随机特性,随着窗函数的滑动可以得到原始信号的随机变化特性。经验证,动态总方差法同时解决了Allan方差法存在的2个缺陷。最后设计了半球谐振陀螺（HRG）的线振动试验验证此算法的有效性,分析结果表明动态总方差法在分析精度和使用的数据量上具有优势。但是动态总方差法又存在计算量大、分析速度慢的问题,因此本文又推导出了动态总方差法的递推公式,从而给出了动态总方差的快速算法。      

光纤陀螺随机误差模型分析

陀螺仪的工作精度决定着惯性参考系统的精度,为了减小陀螺仪的误差并提高其精度,需要对陀螺仪误差进行估计与精确建模.提出应用ARMA,Allan方差分析法及功率谱密度PSD(Power Spectrum Density)分析法联合对光纤陀螺FOG(Fiber Optic Gyroscope)的误差特性及建模技术进行了研究.利用Allan方差及PSD分析法对光纤陀螺输出信号的分析,有效地分离并确定影响光纤陀螺输出性能的几种主要随机误差源,并对所建立的光纤陀螺ARMA模型和AR模型的精度进行了评估.对光纤陀螺实测数据的分析表明Allan方差分析法与PSD分析法对光纤陀螺噪声分析结果具有一致性,时序ARMA模型是建立光纤陀螺随机误差模型的一种有效方法.      

MEMS陀螺仪随机误差滤波

针对微机电系统(MEMS,Micro Electromechanical System)陀螺仪的随机漂移,基于小波多尺度分析,利用bior1.5小波对陀螺仪的随机漂移进行深度为4的分解,重建各尺度信号,采用时间序列方法对陀螺仪各尺度随机漂移进行建模,与传统时间序列方法建模相比,降低了模型的预测误差.并构建了模糊自适应Kalman滤波,利用模糊控制方法基于残差均值与方差差值对噪声方差阵进行实时调整,提高对重建后的各尺度信号随机噪声滤波效果.通过一系列对比实验证明,基于多尺度分析的模糊自适应Kalman滤波对于消除MEMS陀螺仪随机漂移误差作用明显.通过Allan方差分析,滤波后的数据各随机误差项均得到有效减小.     

基于深层循环神经网络的陀螺仪降噪方法研究

陀螺仪固有的随机误差会随时间积累越来越大，循环神经网络作为一种有效处理时间序列信号的算法被广泛使用，然而传统的循环神经网络在处理陀螺仪产生的随机误差上无法解决长期依赖，容易出现梯度消失和梯度爆炸问题.为了获得精确的陀螺仪信号，本文基于循环神经网络变体的长短记忆网络和门循环单元的陀螺仪信号降噪算法，并创新性的将两种网络进行组合验证.文中先是通过Allan方差对陀螺仪随机误差进行误差分析，然后基于LSTM和GRU组合对陀螺仪输出信号进行补偿处理，结果表明LSTM结合GRU对陀螺仪的随机误差处理有明显改善，其中X、Y、Z轴方向陀螺仪的量化噪音、角度随机游走、零偏不稳定性、角速度游走和速度斜坡性能均有不同程度的提升.     

基于Allan方差法的光纤陀螺建模与仿真

介绍了一种与实际情况相接近的陀螺模型,并给出了根据光纤陀螺的角度随机游走（ARW）和角速率随机游走（RRW）系数模拟产生陀螺随机误差数据的方法．角度随机游走和角速率随机游走系数可通过Allan方差法获得．理论分析表明,模拟产生的陀螺随机误差具有与实际的角度随机游走和角速率随机游走误差相一致的功率谱密度．通过仿真对文中所述的模拟产生陀螺随机误差的方法进行了验证,表明了方法的有效性．该方法可用于分析由陀螺和星敏感器构成的卫星姿态确定系统的性能．     

基于EMD的MEMS陀螺仪随机漂移分析方法

为了抑制微机械电子系统（MEMS）陀螺仪的随机漂移，基于经验模态分解（EMD）和模态集合选择标准，结合时间序列建模滤波法，提出了一种改进的MEMS陀螺仪随机漂移分析方法。首先，通过EMD将MEMS陀螺仪原始数据分解为多个本征模态函数（IMF），利用模态集合选择标准将IMF分为噪声IMF、噪声与信号混合IMF和信号IMF三类；然后，对混合IMF进行重构、时间序列建模及自适应卡尔曼滤波（AKF）；最后，将3类信号重构，实现MEMS陀螺仪信号去噪。实验表明:所提方法有更好的去噪效果和实时性，提高了MEMS陀螺仪的使用精度。      

MSCSG随机误差测试及误差源分析

针对磁悬浮控制敏感陀螺(MSCSG)的角速率测量信号中存在较大的随机误差，不利于提高MSCSG敏感精度，以MSCSG原理样机为研究对象，提出采用Allan方差分析法对MSCSG实测数据进行随机误差分析。首先，根据MSCSG角速率敏感原理推导出MSCSG转子偏转角速率的量测公式；其次，应用Allan方差分析法和最小二乘拟合方法计算出5种典型随机误差系数。计算结果显示:在MSCSG随机误差中，零偏不稳定性、速率随机游走以及速率斜坡占主要成分，而量化噪声和角度随机游走误差所占比重较小。依此，对MSCSG误差来源进行了指向性分析，并给出了随机误差的抑制补偿方法，为MSCSG敏感精度的提高奠定了理论基础。      

光纤陀螺随机漂移误差补偿适用性方法

针对传统方法在建立时间序列模型基础上应用卡尔曼滤波器去除陀螺随机噪声误差的缺陷,提出了一种适于在线补偿光纤陀螺FOG(Fiber Optic Gyrosope)随机误差的滤波方法.当建立的时间序列模型系数出现偏差时,通过引入虚拟噪声,来补偿滤波过程由于系统模型时变和未知噪声而引入的误差,实现了对陀螺随机漂移误差的高精度滤波处理.其次,利用Allan 方差分析法分离并确定了光纤陀螺的主要随机误差源,并对建立的光纤陀螺时间序列模型及滤波方法的适用性及精度进行了评估.通过对光纤陀螺实测数据的分析表明,速率斜坡、速率随机游走和零偏稳定性为FOG的主要随机噪声,所提出的自适应滤波算法能够适应陀螺漂移的时变特点,是一种有效的去除光纤陀螺随机漂移噪声方法.      

修正的阿伦方差对调相闪烁噪声的抑制

在时频领域内,普遍采用阿伦方差来表征频率稳定度,但阿伦方差对于调相闪烁噪声的抑制能力有其本身算法的缺陷。提出了用修正阿伦方差来表征频率稳定度,以降低噪声对频率稳定度的影响。分析并研究了修正的阿伦方差对调相闪烁噪声的抑制机理。通过卫星共视时间比对试验,对氢原子钟与原子时标国家计量基准的比对数据进行评估,利用噪声模型对评估结果进行论证。验证了修正阿伦方差对于调相闪烁噪声抑制的有效性。     

改进的内框架驱动式硅MEMS陀螺温度误差模型

温度误差是MEMS(Micro Electronic Mechanical System)陀螺仪的主要误差源之一,为了消除温度对内框架驱动式硅MEMS陀螺仪性能的影响,提出了一种改进的温度误差模型.基于硅材料的赛贝克(Seebeek)效应,结合表头温度变形,分析了陀螺仪零偏误差;利用温度引起的干扰力矩,分析了陀螺仪输出与比力及角加速度有关项误差;针对温度引起系统谐振频率的变化,分析了陀螺仪标度因数误差.试验结果表明:在温度变化过程中,比力引起的干扰力矩是导致陀螺仪温度误差的主要因素,验证了改进的温度误差模型的正确性,补偿后陀螺仪的零偏稳定性提高了53.75倍,标度因数精度提高了19.6倍,改进的温度误差模型也适用于其它MEMS陀螺仪.      

频率稳定度测量方法的对比分析

作为衡量频率标准工作性能的重要指标,频率稳定度对评估产品的稳定性和可靠性起到重要作用。利用传统的阿仑方差测量频标的长期稳定度时,通常需要很长的时间,测量周期较长。本文首先研究了阿仑总方差、Thêo1和ThêoH几种相比阿仑方差可缩短测量周期的频率稳定度时域分析方法,然后基于一组实测的铷钟时间偏差数据,对这几种方差进行了对比和分析。     

MEMS陀螺标度因数误差分析及分段插值补偿

动态条件下,标度因数引起的误差是MEMS(Micro Electromechanical System)陀螺主要误差源之一.为了提高陀螺精度,基于内框驱动式硅MEMS陀螺误差机理,分析了标度因数常值误差、非线性误差以及不对称误差的物理起因,构建了标度因数误差数学模型,提出了对陀螺标度因数按照角速度大小分段插值的补偿方法,消除了转速引起的陀螺标度因数误差.试验结果表明:MEMS陀螺标度因数误差高达4053.2(°)/h(1 σ ),采用分段插值法补偿后陀螺误差减小到79.0(°)/h(1 σ ),补偿精度比一次拟合及分段法分别提高了15.4倍和7.5倍,验证了MEMS陀螺标度因数误差模型的正确性,证明了标度因数实时分段插值补偿方法的准确性和适用性.