[发明专利]MEMS陀螺仪动态数据的滤波方法

说明书

一种MEMS陀螺仪动态数据的滤波方法，属于信号处理领域。本发明的目的是主要针对低成本MEMS陀螺仪系统的动态输出数据进行处理，从而提高陀螺仪动态输出数据精度的MEMS陀螺仪动态数据的滤波方法。本发明所述的提高MEMS陀螺仪动态输出数据精度的方法包括以下步骤：确定MEMS陀螺仪常值漂移、建立MEMS陀螺仪输出数据模型、确定Kalman滤波过程噪声方差和测量噪声方差、对动态数据进行Kalman滤波。本发明采用的Kalman滤波方法是一种迭代估计方法，只需上一时刻的估计值和本时刻的测量值即可给出本时刻的角速度最优估计值，计算量小，易于低成本系统工程实现。

技术领域

本发明属于信号处理领域。

背景技术

MEMS陀螺仪是用于测量物体角速度的传感器，由于体积小、重量轻、成本低、可靠性高等优点，其被广泛应用于军事、商业、民用等各种领域。但是由于系统结构偏差、干扰力矩、环境噪声等的影响，MEMS陀螺仪的输出数据中存在随机误差，因此如何提高MEMS陀螺仪的精度是目前国内外研究的热点问题。针对这一问题，主要的解决方案有两种，一种是从硬件方面改善陀螺仪结构，通过减小结构误差提高陀螺仪精度；另一种是从软件方面着手，通过滤波算法消除随机误差达到提高陀螺仪精度目的。由于开发周期短，耗资少，目前第二种方法的研究工作比较多，一般方法是先基于已有数据建立陀螺仪输出数据模型，然后基于此模型应用滤波算法对陀螺仪输出数据进行滤波处理。目前的研究工作一部分基于MEMS陀螺仪静态数据开展，其滤波算法只适用于陀螺仪的静态输出数据；另外一些滤波算法能够实现动态数据滤波，但是计算量过大，对于低成本实时系统来说较难实现。

发明内容

本发明的目的是主要针对低成本MEMS陀螺仪系统的动态输出数据进行处理，从而提高陀螺仪动态输出数据精度的MEMS陀螺仪动态数据的滤波方法。

本发明所述的提高MEMS陀螺仪动态输出数据精度的方法包括以下步骤：

(1)确定MEMS陀螺仪常值漂移：当MEMS陀螺仪稳定工作时，分四次分别采集一小时的静态输出数据，计算四次MEMS陀螺仪静态数据的均值作为陀螺仪的常值漂移，以后采集的每个数据都需要减掉此项常值漂移；

(2)建立MEMS陀螺仪输出数据模型：陀螺仪动态输出数据序列为X_k，动态数据差分序列为D_k，其中D_k＝X_k+1-X_k；

(3)确定Kalman滤波过程噪声方差Q和测量噪声方差R：过程噪声和测量噪声是与时间无关的高斯白噪声，它们的方差Q和R均为常数，Q和R的值需要通过实验来确定；

(4)对动态数据进行Kalman滤波：动态数据的Kalman滤波模型即为步骤2中建立的MEMS陀螺仪输出数据模型。

本发明MEMS陀螺仪输出数据模型为：

其中状态向量为MEMS陀螺仪输出角速度信号X_k和角速度差分信号D_k，其对应的状态输出分别为x_k和d_k，W_k，V_k分别为系统过程噪声和测量噪声，其作用在差分信号D_k上。

本发明对动态数据进行Kalman滤波的步骤为：

(1)状态一步预测：通过上一时刻的最优状态估计值来预测本时刻的状态；系统状态向量状态转移矩阵

(2)计算一步预测误差方差矩阵：用上一时刻估计误差方差和过程噪声方差计算一步预测误差方差；系统过程噪声输入矩阵

(3)计算滤波增益矩阵：通过一步预测方差和测量噪声方差计算Kalman滤波增益；系统测量矩阵