基于LMS与MAF的MEMS陀螺降噪算法*

胡 佳, 蔡成林,2

(1.桂林电子科技大学 广西精密导航技术与应用重点实验室,广西 桂林 541000；2.湘潭大学 智能导航与遥感研究中心,湖南 湘潭 411100)

0 引 言

随着微机电系统(MEMS)技术的发展,MEMS陀螺以其独特的优势逐渐取代其他类型的陀螺,在民用惯性导航系统中广泛应用[1]。陀螺是惯性导航设备中最重要的器件,用于测量载体的角速率,它的精度直接决定了惯性导航系统的精度[2～6]。MEMS陀螺易受温度、电磁环境等因素的影响[7],导致其输出中存在噪声,一方面在其本身固有的物理结构,会受到电磁干扰、机械噪声的影响,会使其灵敏度、精度大幅下降[8];另一方面,由于陀螺仪对周围环境如外界振动、温度变化以及其他随机扰动等非常敏感,也存在较大的随机漂移误差。因此,分析MEMS陀螺的噪声误差特性,降低噪声误差成为实际应用中亟待解决的关键问题。

为了降低陀螺噪声误差对惯性导航系统的影响,本文对MEMS陀螺噪声进行了研究,首先研究最小均方(least mean square,LMS)法并且进行改进,然后量化分析移动平均滤波(moving average filtering,MAF)降噪效果,最后将二者进行组合,分别与dB5小波降噪以及传统LMS进行对比。最后建立实验方案验证其普适性,通过Allan方差(AV)法对采集的数据滤波前后的各项噪声进行量化分析。

1 LMS算法

LMS算法是自适应研究中简洁有效且可实际应用性最强的算法[9,10],是由 Widrow 和 Hoff两位学者最先提出并使用的,具有简单、易实现的优点。输入信息先验统计性不得知时解得滤波器参数。为了不依赖于输入先验信息,LMS算法的中心思想把最速下降法均方差转变成瞬时误差平方值,并以其梯度成为均方误差函数梯度的估计值。……