基于EMD-SVR的MEMS陀螺仪随机漂移多尺度预测（英文）

作者：何嘉宁; 钟莹; 李醒飞^*

来源：Journal of Measurement Science and Instrumentation, 2020, 11(03): 290-296.

• 随机漂移
• MEMS陀螺仪
• 经验模态分解
• 支撑向量回归
• 相空间重构
• 多尺度预测

为了提高MEMS陀螺仪随机漂移序列的预测精度,提出了一种基于经验模态分解(EMD)和支撑向量回归(SVR)的多尺度预测模型。首先,通过EMD分解,将原始漂移序列分解为有限个频率逐级递减的本征模函数(IMF)。然后,根据每个IMF的时频特性,分别进行相空间重构并建立SVR预测模型。最后,将各IMF的预测结果等权相加得到最终预测结果。实验结果表明,提出的模型能够有效预测MEMS陀螺仪的随机漂移,且相比于单一的SVR模型具有更高的预测精度,可为MEMS陀螺仪漂移误差补偿提供依据。

• 单位
  精密测试技术及仪器国家重点实验室; 天津大学