基于MEMS阵列的二级融合降噪算法

作者：梁思远; 武嘉铭

来源：西安邮电大学学报, 2022, 27(04): 10-16.

DOI：10.13682/j.issn.2095-6533.2022.04.002

• 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

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MEMS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%。

• 单位
  西安邮电大学; 通信与信息工程学院