FLP滤波算法在光纤陀螺信号预处理中的应用

在简要地介绍FLP（前向线性预测）滤波技术的基础上,采用该方法对某型光纤陀螺信号进行FLP 实时滤波,对滤波后的数据进行了功率谱密度和Allan方差分析,并把滤波效果与小波变换滤波和IIR数字滤波器的滤波效果进行了对比,得出了FLP滤波能有效的减少光纤陀螺的零偏不稳定性、角度随机游走误差和抑制高频噪声的结论.     

光纤陀螺零漂数据滤波方法的研究

在对光纤陀螺零偏稳定性数据建立时间序列模型（ARMA模型）的基础上,采用卡尔曼滤波算法对光纤陀螺的漂移数据进行了处理,并采用Allan方差法和最小二乘法对滤波后的数据进行了处理,拟合,最后求出滤波后数据中各噪声的误差系数。     

闭环光纤陀螺的输出误差特性研究

针对工程实际的需要，通过对闭环光纤陀螺模型参数的对比研究，分析了闭环光纤陀螺零偏稳定性的变化，并利用Allan方差具体分析了闭环光纤陀螺的输出误差特性中的角随机游走、零偏不稳定性、速率漂移斜波等的变化，从中找出规律性的关系。     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

压电射流陀螺的自适应滤波

本文分析了压电射流陀螺的噪声特点，提出了利用自适应数字滤波抑制其噪声，归纳了自适应算法中的快速横式滤波最小二乘法（ＦＴＦ）的算法步骤，并且使用８０９８单片微机实现对该陀螺的实时ＦＴＦ滤波，给出了滤波效果实例。     

光纤陀螺随机误差的重叠分段Allan分析方法

针对光纤陀螺随机误差的特点,研究一种有效估计其各种噪声成分系数的Allan方差分析方法。首先,探讨了光纤陀螺随机误差分析中,Allan方差拟合系数为负的原因及利用经典方差方法分析的前提。而后,分析了连续分段的Allan方差分析方法。该方法针对每种噪声的不同相关时间对Allan方差曲线进行连续分段拟合,但方法人为分离了相关时间相近的噪声成分,因此将导致较大拟合误差。为此,提出基于重叠分段的Allan方差分析方法,方法根据Allan方差双对数曲线及噪声特点对相关时间进行混合重叠分段,将相关时间相近的不同噪声化为同一区段,同时为减小相邻区段噪声的方差贡献带来的拟合误差,拟合时将相邻的幂次项纳入拟合模型,提高了拟合精度。光纤陀螺实测数据的分析结果表明,该方法的拟合误差比连续分段Allan方差分析方法减小2/3。     

基于自适应FLP滤波的金属谐振陀螺信号处理方法

针对传统前向线性预测(FLP)滤波在金属谐振陀螺信号处理中,无法解决收敛速度和稳态误差之间矛盾且动态滤波效果较差的问题,提出了一种基于自适应FLP滤波信号处理方法。首先采用Allan方差对陀螺原始信号进行分析,得出不同噪声占比;然后采用自适应FLP滤波方法,通过建立补偿因子与估计误差的非线性关系,实时调整步长因子大小,修正滤波误差;最后用自研的金属谐振陀螺惯性系统试验验证该方法的有效性。试验结果表明:自适应FLP滤波方法可抑制量化噪声、角度随机游走和零偏不稳定性等。降噪效果比传统FLP滤波方法更为明显,收敛速度更快,动态时自适应FLP滤波方法降噪效果是传统FLP滤波方法的1.95倍,该方法可有效提高金属谐振陀螺的性能。     

基于自适应时频峰值滤波的光纤陀螺去噪算法

为减小光纤陀螺输出信号噪声、提高惯导系统精度,提出了光纤陀螺信号自适应时频峰值滤波算法。对光纤陀螺信号进行初始变换并调制,采用伪Wigner-Ville分布对调制信号进行时频分析,给出了一种自适应的伪Wigner-Ville分布最优窗长获取准则,通过局部峰值搜索实现编码信号的瞬时频率估计进而还原出有用信号,实现了光纤陀螺噪声的去除。详细对比了小波方法与自适应时频峰值滤波算法并分析了两者的去噪效果。仿真结果和实际数据验证表明:自适应时频峰值滤波算法能有效减小光纤陀螺输出噪声,信噪比比小波滤波改善1³ dB;特别对于高动态信号,该算法滤波后的信号能够有效地跟踪原始信号。     

基于Allan方差解耦自适应滤波的MHD/MEMS信号融合方法

为满足卫星平台对宽频带角速率测量需求,补偿磁流体动力学(MHD)微角振动传感器低频误差,提出了一种基于Allan方差的解耦自适应Kalman滤波方法,实现了MHD微角振动传感器与MEMS陀螺仪的组合测量。该方法使用Allan方差计算量测噪声的方差,克服了标准Kalman滤波对模型参数精确性要求较高的缺点,同时避免了自适应Kalman噪声参数耦合易滤波发散的问题。实验证明解耦自适应Kalman对单频和混频信号均实现较好融合效果,均方误差降低至融合前的30%,信噪比改善超过10 dB。融合后的输出信号满足卫星千赫兹带宽的测量需求,可用于惯性测量单元中。     

基于ARMA模型的光纤陀螺随机噪声滤波方法

对光纤陀螺随机噪声的ARMA建模及卡尔曼滤波方法进行了研究。针对ARMA(Auto-Regressive and Moving Average自回归滑动平均)模型的有色噪声在状态方程中不能通过传统的状态扩充法进行白化的问题,提出了新的噪声白化方法:采用增广最小二乘法估计ARMA模型的参数,同时提取出ARMA模型中的驱动白噪声,从而可以把ARMA模型中的有色噪声项作为控制项放入系统的状态方程,通过Sage-Husa的次优无偏MAP(Maximum A Posteriori,极大后验)噪声统计估值器对系统噪声的统计特性进行估计,实现了系统噪声的白化。在此基础上应用自适应卡尔曼滤波,有效消除了误差,得到状态值的准确估计。实验结果表明,对于随机噪声的自相关和互相关特性均呈现拖尾性质的光纤陀螺,采用新方法比传统基于AR模型的Kalman滤波降噪方法滤除噪声的效果提高了10%以上。     

自适应Kalman和零相移滤波算法在重力信号处理中的对比

为了有效消除海洋重力仪测量信号的噪声,提高重力数据的获取精度,根据随机过程理论,借助基于二阶高斯一马尔可夫异常位模型的重力异常协方差函数,得到海洋重力测量中重力异常信号的状态方程.对sage-husa滤波算法和零相移算法进行了理论分析,为了抑制零相移滤波器的首尾数据畸变,求解了滤波器的初始状态.根据实测重力数据,进行了去噪仿真试验.理论分析和仿真结果表明,sage-husa与零相移滤波算法均能较好地抑制采样重力数据中的噪声干扰,但零相移滤波算法的性能优于sage-husa滤波器.     

基于自适应UKF算法的MEMS陀螺空中在线标定技术

为保证微型卫星定位应用中系统精度与稳定性,需要对姿态传感器进行实时在线标定.在无外界姿态参考时,提出一种用三轴磁强计测量值来实时估计MEMs陀螺的零漂误差的方法,采用UKF滤波算法,将陀螺漂移作为滤波状态向量,通过建立三轴磁强计测量微分方程,作为系统量测方程实现陀螺漂移的最优估计.针对磁强计测量信息易受干扰导致滤波量测模型不准确的问题,将自适应因子引入到UKF中,通过在线监控和调整测量误差,减少陀螺标定的估计误差,增强系统性能.实验结果表明,经过标定,MEMS陀螺精度提高约30%,并且在磁强计有外界干扰时,陀螺的标定结果收敛.将标定后的MEMS陀螺进行姿态解算,其动态误差小于2°.     

基于新息正交性自适应滤波的惯性/地磁组合导航方法

针对量测值存在野值以及量测噪声统计特性发生变化导致基于滤波的惯性/地磁组合导航系统滤波精度和稳定性下降的情形,提出一种基于新息正交性自适应滤波的惯性/地磁组合导航方法。首先通过新息过程正交性是否丧失进行量测值的野值辨识,然后对含野值量测值加权以减弱野值对系统滤波的不利影响,随后设置滑动窗口实时监测滤波器新息的动态变化以修正量测噪声方差,进而调整滤波器增益,提高系统的适应能力。仿真结果表明:在量测值存在野值以及噪声统计特性发生变化时,该方法能够抑制惯导系统的累积误差,并且得到的标准差指标相比标准EKF缩减至1/4左右,提高了组合导航系统的稳定性和适应性。     

光纤陀螺基于本征模态函数筛选的阈值滤波算法

为降低光纤陀螺随机噪声,提高其测量精度,利用周期图法辨识光纤陀螺的随机噪声特征参数,针对其噪声特征,提出了基于本征模态函数筛选的微分经验模态分解阈值滤波算法。以本征模态函数和原始信号二者的概率密度函数的空间距离为判别依据,对所有本征模态函数进行筛选,根据已估计的噪声参数计算阈值大小,采用时间序列阈值的方法对筛选出的本征模态函数进行处理。仿真和实验结果表明,该滤波算法能够在跟踪光纤陀螺信号变化的同时,使其零偏不稳定性下降90.35%,角随机游走下降93.75%,对随机噪声有较好的抑制能力。     

一种改进的自适应卡尔曼滤波及在组合导航中的应用

总结了常用的自适应滤波的方法,并提出一种新的自适应卡尔曼滤波技术,它克服了传统滤波器的不稳定问题,因为传统的卡尔曼滤波过程依赖于系统过程和测量过程的数学模型和其统计模型的正确性的滤波技术.自适应过程是利用测量新息序列和状态修正序列在估计移动窗内是分段静态,来直接估计系统噪声协方差Q和测量噪声协方差(R).仿真结果表明此方法可以提高GPS/INS组合导航系统的精度和可靠性.     

基于四元数自适应卡尔曼滤波的快速对准算法

针对捷联惯导初始对准问题,提出了一种具有干扰抑制能力的四元数自适应卡尔曼滤波初始对准算法。通过将初始对准问题转化为Wahba姿态确定问题,直接建立四元数的滤波模型,并采用自适应卡尔曼滤波对初始时刻姿态四元数进行估计,利用姿态四元数更新求出当前姿态来实时地反映载体的姿态变化。针对直接构建量测模型导致收敛速度慢的问题,提出一种基于最优四元数估计法构造K矩阵原理的改进算法。利用三轴转台模拟不同的摇摆环境进行实验,转台实验表明了改进算法具有较快的收敛速度和良好的稳定性及精度,中等精度的惯导系统在150s至200s的对准时间内,航向角均值误差小于2'。     

基于自适应卡尔曼滤波的简化地磁定轨

地磁定轨对追求低成本、高功能密度比的微小卫星具有较重要的价值,但是目前地磁定轨尚存在计算量大、易受各类误差影响导致精度过低等不足。在分析轨道动力学方程误差量级的基础上,建立了简化的状态转移矩阵,根据地磁模型分析了地磁强度随着阶次变高,梯度显著变小的特点,提出了高阶截断的简化地磁测量方程;将复杂的磁强计测量误差近似建模成随机游走形式,用多项式对磁强计误差估计值进行实时拟合去噪,并辨识出磁强计误差的变化特征作为自适应卡尔曼滤波器的调节依据,提高了弱可观测地磁定轨的性能。数学仿真证明了简化地磁定轨模型的有效性,自适应滤波器能够更精确地实现定轨计算,定位精度约为6 km,测速精度约为4 m/s。     

组合导航中模糊自适应Kalman滤波算法分析

以SINSiGPS组合导航系统为背景，在对Kalman滤波原理和工程应用进行深入分析的基础上，总结了该方法的不足，提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化，实时调整自适应因子，间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明，该算法对模型和噪声干扰有较强的自适应性，能够有效抑制滤波发散，在不损失原有精度的前提下，提高了系统的鲁棒性。