[发明专利]一种融合遗传算法的Allan方差分析法

说明书

本发明公开了一种融合遗传算法的Allan方差分析法，建立各随机误差项与Allan方差之间的等价模型，分别采集MEMS陀螺和加速度计在水平静止情况下输出的三轴角速率和三轴加速度信息，依据采集的角速率和加速度信息，依次对MEMS陀螺和加速度计进行Allan方差计算，得到Allan方差与相关时间τ之间的数值对应关系，采用遗传算法进行数据拟合，确定模型中的各项系数值，实现随机误差项的识别和提取。

技术领域

本发明涉及惯性技术及应用等领域，具体涉及一种融合遗传算法的Allan方差分析方法。

背景技术

惯性导航系统是一种完全不依赖外部信息的自主式导航系统，并可以提供丰富的导航参数，例如角速率、加速度、速度、航向、姿态、位置等，在军事上有极大应用价值。传统的惯性器件体积庞大且成本较高，主要应用在军事和航空领域。随着微惯性传感器技术发展，采用微机电系统(Microelectromechanical System，MEMS)技术，惯性器件的成本大幅下降，体积、质量和功耗也显著减小，使得惯性器件在民用领域的广泛应用成为可能。但是由于其精度受限，在中高精度导航系统中依然未能得到有效应用。

MEMS惯性器件的性能分析和误差补偿是提高MEMS测量精度的有效方式。常规的分析法主要有计算样本均值、方差、自相关函数、功率谱密度等，但是这些方法无法分离各随机误差项。Allan方差分析法的提出，为评估MEMS惯性器件各项随机误差的大小提供了有效的途径。

为了求解模型的参数，通常采用数据拟合的方法。目前大多数数据拟合方法都是建立在最小二乘原理基础之上，均采用计算梯度变化量来求解，这是因为回归模型在符合Gauss-Markov假定的条件下，采用最小二乘法估计其模型参数具有良好的统计特性，如无偏性、一致性、最小方差性等。然而实际的设备测试过程中，所采集的数据千差万别。例如，由于偶尔存在的粗大误差而出现了反常数据，或数据的概率分布偏离正态分布，此时采用最小二乘法的回归分析结果就将失去其良好的统计特性，易获得局部最优解。

遗传算法(简称GA)作为一种基于选择和自然遗传的全局优化算法，其主要特点是不依赖梯度信息，特别适用于处理传统搜索方法解决不了的复杂问题和非线性问题。可解决当目标函数复杂时难以用最小二乘法确定最优解的曲线拟合问题。

发明内容：

为了克服上述背景技术的缺陷，本发明提供一种融合遗传算法的Allan方差分析法，可以根据Allan方差与相关时间τ之间的关系建立模型，根据遗传算法全局最优的特点，采用遗传算法进行误差项系数的提取和估计。

为了解决上述技术问题本发明的所采用的技术方案为：

一种融合遗传算法的Allan方差分析法，包括：

步骤1，建立各随机误差项与Allan方差之间的等价模型；

步骤2，分别采集MEMS陀螺和加速度计在水平静止情况下输出的三轴角速率和三轴加速度信息；

步骤3，依据步骤2采集的角速率和加速度信息，依次对MEMS陀螺和加速度计进行Allan方差计算，得到Allan方差与相关时间τ之间的数值对应关系；

步骤4，根据步骤3计算的结果，按照步骤1所得的等价模型，采用遗传算法进行数据拟合，确定模型中的各项系数值，实现随机误差项的识别和提取。

较佳地，步骤1包括建立量化噪声与Allan方差之间的等价模型

其中，σ_Q(τ)表示量化噪声的Allan标准差，Q为量化噪声系数。

较佳地，步骤1包括建立角度随机游走系数与Allan方差之间的等价模型