卡尔曼滤波结合神经网络在MEMS传感器上的应用*

禹 忠, 黄一超, 郭 畅

(西安邮电大学 通信与信息工程学院,陕西 西安 710121)

0 引 言

微机电系统(micro-electro-mechanical system,MEMS)传感器,是一种可以将多种自然信号收集并转换为电子系统能够识别的电信号的工具,凭借其体积小、重量轻,抗干扰能力强,能耗低研究者会利用或提出相关算法来实现对MEMS传感器精度的提升。

马群等人[1]建立了自回归滑动平均模型,再通过卡尔曼滤波器对MEMS的精度进行提升,并通利用Allan方差分析法,观测出其量化噪声、角度随机游走和零偏误差系数都形成了不同程度的降低。孙玉洁等人[2]曾利用神经网络进行非线性映射,通过建立传感器输出数据与实际姿态之间的误差补偿模型,预测出三种姿态角的误差补偿度数,提升了MEMS在姿态感应输出上的精度。王法亮等人[3]和郭震等人[4]在神经网络算法的基础上分别引入了自适应权重粒子群优化(particle swarm optimization,PSO)算法和萤火虫算法(firefly algorithm,FA)对神经网络算法进行优化,从而针对MEMS加速度计实现效果更加显著的温度误差补偿。

本文以陀螺仪阵列[5]为研究对象,针对其建立随机漂移误差模型,在原先卡尔曼滤波的基础上再结合人工神经网络(artificial neural network,ANN)算法有规律性地对过程噪声协方差矩阵Q和测量噪声协方差矩阵R进行训练,最后对比此结合算法与原先基础卡尔曼滤波算法的降噪能力。

1 陀螺仪阵列漂移误差模型

1.1 算法整体流程解析

实验中,选用4片型号为ADXRS620的单轴陀螺仪在一块印刷电路板(printed circuit board,PCB)上2×2进行布线排列从而实现陀螺仪的阵列排布,主控芯片采用STM32151CB,经过初步数据采集之后,经过建立的陀螺仪阵列的随意漂移误差模型,如图1。……