[发明专利]车载微机械陀螺仪异常测量数据的识别与修正方法

说明书

技术领域

本发明涉及一种车载微机械陀螺仪异常测量数据的识别与修正方法，其目的在于识别车载微机械陀螺仪的异常测量数据并对其进行修正，以防对后续的多传感融合与汽车试验造成不良影响，属于汽车导航与汽车测试领域。

背景技术

随着城市的快速发展和交通道路的日益复杂，城市高楼区、林荫道以及涵洞等日益增多，为了应对GPS或GLONASS卫星导航系统在这些环境下常常会失效的情况，近年来车辆组合导航获得了飞速的发展。同时，随着交通及汽车工业的快速发展，全世界高速公路里程数及汽车保有量在迅速增加，道路交通事故逐步成为当今社会的一个突出问题，对汽车的性能进行及时检测和评价成为保证道路交通安全的必要手段。在车辆组合导航和汽车测试领域中，陀螺仪都是一个基本器件。目前民用方面常用的陀螺仪主要有两种类型：微机械陀螺仪(即MEMS陀螺仪)和光纤陀螺仪。虽然光纤陀螺仪具有结构紧凑，灵敏度高，工作可靠等优点，但是其价格昂贵(数万元甚至几十万元人民币)，这极大的限制了它在低成本车辆组合导航和汽车测试领域中的应用。近年来，MEMS陀螺仪作为惯性领域一个十分重要的分支，由于其具有成本低、尺寸小、重量轻、可靠性高等优点，获得了长足的发展，广泛应用于汽车、生物医学、环境监控等领域。

MEMS是英文Micro Electro Mechanical systems的缩写，即微电子机械系统，微电子机械系统技术是建立在微米/纳米技术基础上的21世纪前沿技术。由于MEMS技术本身属于一门新兴的前沿交叉学科，其中许多技术尚有待进一步地解决和发展，如制造工艺和精度水平等，致使目前所能加工和生产出的MEMS陀螺仪，其精度尚处于中低水平，输出数据具有白噪声、常值漂移等随机误差。并且在汽车道路试验过程中，MEMS陀螺仪还容易受震动、温度等外界条件影响，其测量数据还不可避免的包含异常数据。

异常数据是指明显的偏离了统计规律预期值的数据，如果我们把这些数据和正常数据放在一起进行处理，就会影响实验结果的正确性，如果把这些数据简单地剔除，又会忽略了重要的有效信息。因此，判断和修正异常数据是至关重要的。在使用MEMS陀螺仪进行多传感融合与汽车试验时，为了消除MEMS陀螺仪异常测量数据带来的不良影响，首先就要识别出异常数据并对其进行修正。目前识别MEMS陀螺仪异常测量数据常用方法有以下几种：算术平均法，中值法，3倍标准差准则法，以及这些方法的综合与改进。算术平均法和中值法的特点是简单易行、形象、直观，可以快捷的识别出单个孤立的异常数据，但是对于连续几个的异常数据这种方法就显得无能为力了。对于3倍标准差准则法，则首先需要计算出原始数据的数学期望和标准差，但是这时计算出来的数学期望和标准差已受到了异常数据的影响，这就导致这种方法经常会出现误判甚至失效。这些方法的综合与改进，也同样存在着上述的问题。并且这些方法都是纯粹的从数据处理的角度出发，没有考虑MEMS陀螺仪的系统特性与误差特性。

通过上述分析，可以看出现有的几种识别MEMS陀螺仪异常测量数据的方法都存在着这样或那样的不足。同时，有关MEMS陀螺仪异常测量数据修正的研究，目前还相对较少，可供参考的研究资料和学术论文也很少。为克服现有识别方法的不足并能对异常测量数据进行修正，本发明将提供一种低成本、高效率并且能够识别和修正MEMS陀螺仪多个连续异常测量数据的方法。

发明内容

本发明提出了一种低成本、高效率的车载微机械陀螺仪异常测量数据的识别与修正方法，适用于汽车导航与汽车测试领域中对MEMS陀螺仪异常测量数据的识别与修正。

技术方案

本发明为实现上述目的，采用如下的技术方案：

本发明提出了一种车载微机械陀螺仪异常测量数据的识别与修正方法，适用于汽车导航与汽车测试领域中对MEMS陀螺仪异常测量数据的识别与修正，其特征在于包含如下步骤：

步骤1)在得到微机械陀螺仪的原始测量数据data(i)后，i＝1，2，...，n，i表示采样序数，n为数据的长度且为正整数，从data(i)中选取400个连续平滑数据的data(l)作为样本，l＝j，j+1，j+2，...，j+399，j为整数且1≤j≤n-399，接着对data(l)做一次差分，即x(t)＝data(t+1)-data(t)，其中x(t)即为差分后的结果，t＝j，j+1，j+2，...，j+398；然后对x(t)进行零均值化，则：其中t＝j，j+1，j+2，...，j+398，其中y(t)为零均值化后的数据，此时得到的y(t)即为零均值的平稳时间序列，t＝j，j+1，j+2，...，j+398，