基于改进EMD和ARMA的MEMS陀螺仪随机误差补偿方法

作者：曾鑫; 先苏杰; 王康; 司鹏; 吴志林^*

来源：兵工学报, 2023, 1-9.

• MEMS陀螺仪
• 改进经验模态分解
• Hausdorff距离
• ARMA模型
• 自适应滤波

微机电系统（MEMS）陀螺仪的随机误差限制了其测量精度。为了降低MEMS陀螺仪的随机误差，提出一种基于改进的经验模态分解（EMD）和优化的自回归滑动平均（ARMA）模型的方法。该方法在传统EMD的基础上，结合Hausdorff距离和累积标准化模态均值以提取信号中的噪声和趋势项，对剩余信号进行ARMA建模和滤波。沙猫群优化算法用于优化建模的定阶过程，改进的自适应滤波用于补偿随机误差。试验结果表明，相较于传统EMD和传统ARMA方法，新方法在静态试验中得到的均方根误差分别降低了52.5%和34.4%，在动态试验中得到的均方根误差分别降低了50%和32.35%。新方法有效抑制了随机误差，提升了MEMS陀螺仪的使用精度。

• 单位
  南京理工大学