[发明专利]基于改进粒子滤波的MEMS陀螺随机误差补偿方法

权利要求书

1.基于改进粒子滤波的MEMS陀螺随机误差补偿方法，其特征在于：

(1)数据的采集、预处理与检验：

采集MEMS陀螺的输出数据，把安装在转台上惯导系统，采样频率设为100H_z，采样时间为20ms，进行陀螺输出数据采集，保存采集的数据，从采集的MEMS陀螺仪输出数据中选取前10000个数据，去除陀螺的确定性误差，得到包含噪声的陀螺随机漂移数据，对MEMS陀螺的输出数据进行预处理，得到平稳、正态、零均值的MEMS陀螺输出的时间序列；

(2)对处理后的MEMS陀螺的输出数据进行时间序列分析建模：

分析MEMS陀螺仪的输出数据，利用AIC准则确定模型为ARMA(2,1)：

x^k=0.1542x^k-1-0.03125x^k-2+ak-1.04ak-1]]>

x_k由y_k一阶差分得到，最终得到的MEMS陀螺随机漂移的时间序列模型为：

y^k+1=1.1542y^k-0.18545y^k-1+0.03125y^k-1+ak-1.04ak-1]]>

为模型的输出，即估计的时间序列，a_k为白噪声；

(3)利用小波网络算法优化粒子滤波，改善粒子滤波性能：

(3.1)初始化，k＝0时，采样得到N个粒子

(3.2)对i＝1,2,…,N计算重要性权值：

ωki=ωk-1ip(zk|xki)p(xki|xki)q(xki|x1:k-1i,z1:k)]]>

式中，表示k时刻第i个粒子的权值，

将得到的粒子权值用矩阵表示并按降序排列，；将权值矩阵W分为高权值矩阵W1={ω~ki}|i=1,2,···,p]]>与低权值矩阵W2={ω~ki}|i=p+1,p+2,···,N;]]>

(3.3)权值分裂：将高权值的粒子分裂成中阶权值的粒子并取代低权值的粒子；

(3.4)权值调整：利用小波网络调整低权值的粒子；

低权值的粒子作为小波网络的输入数据，粒子的状态值作为小波网络的初始权值，任意时刻的量测值为小波网络的期望输出；样本的学习函数为系统的量测方程，训练网络，小波网络输出的为调整后的粒子权值，将得到的新的粒子权值归一化处理；

(3.5)重采样：若则进行重采样。其中N_eff为样本的有效抽样尺度，N_threshold为提前设定的阈值；

(3.6)输出：

状态估计：x^k=Σi=1Nωkixki]]>

方差估计：Pk=Σi=1Nωki(xki-x^k)(xki-x^k)T]]>

(3.7)判断是否结束，若是则退出，否则返回步骤(3.4)；

(4)对时间序列模型进行粒子滤波，对MEMS陀螺仪误差补偿，提高精度：

基于所建模型，利用步骤(3)中改进的滤波算法对MEMS陀螺随机误差进行有效地补偿：

为随机时间序列；θ_j为自回归系数和滑动平均系数；a_k为零均值的白噪声；

确定状态向量为观测向量为建立粒子滤波的系统和量测方程为：

X(k+1)＝AX(k)+BW(k)

Z(k)＝CX(k)+V(k)

A=1.1542-0.185450.03125100010,B=1-1.040000,]]>C＝[1 0 0]，W(k)＝[a_k a_k-1]^T，

对MEMS陀螺仪的随机漂移的时间序列模型进行滤波处理，粒子数N选为100。