文献类型：期刊文章

作　　者：杨菊花[1] 刘洋[2,3] 陈光武[2,3] 魏宗寿[2,3] 邢东峰[2,3]

Yang Juhua;Liu Yang;Chen Guangwu;Wei Zongshou;Xing Dongfeng(School of Traffic and Transportation,Lanzhou Jiaotong University,Lanzhou 730070,China;Automatic Control Research Institute,Lanzhou Jiaotong University,Lanzhou 730070,China;Key Laboratory of Plateau Traffic Information Engineering and Control of Gansu Province,Lanzhou 730070,China)

机构地区：[1]兰州交通大学交通运输学院,兰州730070 [2]兰州交通大学自动控制研究所,兰州730070 [3]甘肃省高原交通信息工程及控制重点实验室,兰州730070

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(61863024,71761023);甘肃省高等学校科研项目(2018C-11,2018A-22);甘肃省自然基金(17JR5RA089,18JR3RA130)资助.

年　　份：2019

卷　　号：40

期　　号：12

起止页码：196-204

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为了降低微机械(MEMS)陀螺仪的随机误差,提出一种将改进的经验模态分解法(EMD)与传统建模滤波方法相结合的新方法对随机误差进行处理。首先采用传统EMD算法将信号分解为有限个本征模态函数(IMF),并根据皮尔逊相关系数准则和噪声统计特性提出一种筛选机制,将IMF分为噪声IMFs、混叠IMFs和信号IMFs 3类;其次,对混叠IMFs进行时间序列建模,建模完成后进行卡尔曼滤波拟合;最后,将建模滤波后的混叠IMFs与信号IMFs进行重构,得到最终去噪信号。实验分析结果表明,本文方法在抑制随机误差的效果上有明显的优势,极大地改善了信号的质量,提高了惯导的解算精度。

关 键 词：微机械陀螺 随机误差  改进经验模态分解法  时间序列模型 KALMAN滤波 ALLAN方差

分 类 号：TH824.3[仪器类]