典型文献
基于MEMS阵列的二级融合降噪算法
文献摘要：
针对航向姿态系统中微机电(Micro Electro-Mechanical Systems,MEMS)陀螺仪随机误差较大、精度较低,且传统的降噪方法需要依赖精确的误差模型导致的适应性差的问题,提出一种基于M EM S阵列的二级融合降噪算法.对陀螺仪信号进行经验模态分解(Empirical Mode Decomposition,EMD),基于最小方差和递推最小二乘(Recursive Least Squares,RLS)对本征模式函数(Intrinsic Mode Function,IMF)分量进行二级融合,再与均值残差分量叠加得到融合角速率.实验结果表明,经过算法处理,陀螺仪的角度随机游走降低了约68％,零偏不稳定性降低了约75％,相比于卡尔曼滤波,角度随机游走和零偏不稳定性分别降低了约49％ 和56％.在动态性能分析中,所提算法将姿态角的均方根误差降低了约93％,比传统卡尔曼滤波算法提高了约74％.
文献关键词：
微机电阵列;递推最小二乘;经验模态分解;本征模式函数;卡尔曼滤波
中图分类号：
作者姓名：
梁思远;武嘉铭
作者机构：
西安邮电大学 通信与信息工程学院,陕西 西安 710121
文献出处：
引用格式：
[1]梁思远;武嘉铭-.基于MEMS阵列的二级融合降噪算法)[J].西安邮电大学学报,2022(04):10-16
A类：
本征模式函数,微机电阵列
B类：
MEMS,降噪算法,航向,Micro,Electro,Mechanical,Systems,陀螺仪,随机误差,降噪方法,误差模型,经验模态分解,Empirical,Mode,Decomposition,EMD,最小方差,递推最小二乘,Recursive,Least,Squares,RLS,Intrinsic,Function,IMF,加得,角速率,随机游走,零偏,动态性能分析,姿态角,卡尔曼滤波算法
AB值：
0.345266
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
