[发明专利]一种车载MEMS陀螺仪随机漂移误差的抑制方法

说明书

本发明公开了一种车载MEMS陀螺仪随机漂移误差的抑制方法。该算法对车载MEMS陀螺仪传感器输出数据进行建模与滤波，以此来提高车载MEMS陀螺仪传感器输出数据的准确性和稳定性。针对对车载MEMS陀螺仪传感器输出数据存在较大误差的问题，本发明首先采用单位根检验法对选取的MEMS陀螺仪输出数据的平稳性进行检验，通过MEMS陀螺仪输出数据的自相关系数图和偏相关系数图的变化特点，并且结合最小信息准则，构建出时间序列ARMA模型；随后对ARMA模型应用于离散卡尔曼滤波方程，得到滤波处理后的数据；最后，通过实验验证本文开发的算法的有效性。该方法有效的抑制陀螺仪的随机误差，提高其输出信号的信噪比。

技术领域

本发明涉及MEMS陀螺仪传感器应用技术领域，具体涉及一种车载MEMS陀螺仪随机漂移误差的抑制方法。

背景技术

微电子机械系统(Micro Electro Mechanical Systems，MEMS)陀螺仪是具有成本低、尺寸小、重量轻、价格低廉、易于实现量产、集成化等优点，应用于很多不同领域。低成本低精度的MEMS陀螺仪广泛的使用在手机、体感游戏平台以及一些可穿戴设备上，这使得人机交互达到新的高度；中级MEMS陀螺仪传感器主要应用在工业领域，诸如电子汽车稳定系统、GPS辅助导航、电子稳定控制、医疗设备等领域；在军工领域内，高精度的MEMS陀螺仪有替代低精度光纤陀螺仪的趋势，其能够满足惯性GPS导航、惯性制导系统等高级设备的要求。

受制造工艺及技术水平的限制，目前低成本MEMS惯性传感器的测量含有较大的误差，分为系统性误差和随机性误差。系统性误差一般是由于制造或安装缺陷引起，可通过实验室仪器检校；而随机性误差则无法通过确定的函数表达式表示，且需要通过一定的数学建模及滤波补偿等方法来降低其对影响。

为了解决这些问题，近年来不少学者提出用小波算法理论与神经网络建模理论来处理，但存在计算量较大、算法复杂等特点，并不适合应用在低成本产品中。识别随机误差最常见的规则有四种，即3δ准则，格拉布斯检验法，肖维纳准则和狄克逊检验法。如果不考虑具体的关键因素和置信水平，这四个算法可以粗略描述为：对于一组给定的样本集{X1,X2,...,Xn}，计算样本均值和方差如果|Xi-μ|＞kδ，则认为Xi附是粗大误差，并且用Xi附近的几个数据的平均值或中值代替。显然，上述μ和δ已经被过程中的潜在误差所影响，在一些情况下经常导致误判。除此之外，也有学者采用一阶高斯-马尔可夫随机误差建模方法对低成本MEMS陀螺仪输出数据进行误差建模，但该方法的自相关序列具有判定不精确的特点，且建模后需要进行一定的调整计算才可获得较为精确的模型，所以该方法在低成本MEMS陀螺仪随机误差建模的应用上并不广泛。

通过上述分析，可以看出现有的几种处理随机漂移误差的方法都存在着不足。同时，有关MEMS陀螺仪随机漂移误差消除的研究方案，目前可投入使用的还相对较少。

发明内容

为克服现有处理方法的不足，并减小低成本MEMS陀螺仪输出数据随机误差，提高其输出数据的信噪比，本发明目的在于提供一种车载MEMS陀螺仪随机漂移误差的抑制方法，该方法建模过程较为简单、具有更好的建模灵活性和稳定性，且能对建模后的MEMS陀螺仪输出数据随机误差模型进行在线滤波处理，适用于消费电子、可穿戴设备、医疗设备、民用车辆导航领域中MEMS陀螺仪输出数据精度的提高。

为实现上述目的，本发明采用如下的技术方案：

一种车载MEMS陀螺仪随机漂移误差的抑制方法，包含如下步骤：

步骤1，ARMA模型的构建

步骤1.1，ADF检验