[发明专利]一种基于EMD-Allan微机械陀螺信号分析的方法

说明书

针对微机械陀螺信号在机载设备、车载设备等实际应用环境中易受温湿度、振动等干扰影响，而传统Allan方差分析法无法全面地分析微机械陀螺仪噪声种类及分布的问题。本发明提出了一种基于EMD‑Allan微机械陀螺仪信号分析的方法，该方法使用EMD算法分解微机械陀螺仪信号，并将分解的各IMF分量进行Allan方差分析，最终构建基于时频域的Allan方差对数曲线和各IMF分量的Allan方差三维图。本发明可以揭示微机械陀螺仪在不同频率范围内的噪声特性，相比于传统Allan方差分析法将信号分析维数扩展到3维，可获得更多信号参数。

技术领域

本发明涉及微机械陀螺信号处理领域，特别设计基于EMD-Allan微机械陀螺信号分析的方法

背景技术

微机械陀螺仪是对角速度敏感的传感器件，有着反应快、灵敏度高、耗电小、寿命长、重量轻等优点，在军用和民用领域都有着广泛的应用。随着现代化水平的不断提高，对微机械陀螺仪的精度要求也不断增强，通过分析微机械陀螺仪的误差模型和参数，可实现导航系统中IMU误差的准确分析及误差模型的精确建立。

Allan方差法是20世纪60年代由美国国家标准学会的David Allan建立的一种时域分析方法，能够有效辨识存在于微机械陀螺信号中的各种类型的噪声及其统计特性。但传统Allan方差只提供了信号的Allan方差与其相关时间的二维表示，而实际微机械陀螺信号比较复杂，在机载设备、车载设备等实际应用环境中易受温湿度、振动等干扰的影响，Allan方差分析方法无法全面地分析噪声的种类及分布。因此有必要分析微机械陀螺信号的Allan方差在不同时间、频率下的变化规律，有助于对微机械陀螺误差性能的全面分析。

EMD方法是一种用于分析非线性、非平稳信号序列的信号分析方法。该方法可根据信号自身的时间尺度特征对信号进行分解，理论上可以分解任何非线性、非平稳的信号。

发明内容

为了解决上述存在问题。本发明提供一种基于EMD-Allan微机械陀螺信号分析的方法，以解决传统Allan方差分析法无法全面地分析微机械陀螺噪声种类及分布的问题。为达此目的：

本发明基于EMD-Allan微机械陀螺信号分析的方法，具体步骤如下：

步骤1：采集微机械陀螺的输出信号；

步骤2：使用EMD算法对微机械陀螺信号进行分解，获得IMF分量；

步骤3：计算IMF分量对应的Allan方差估计，并通过Allen方差计算微机械陀螺的五项噪声源：角度随机游走(Angle Random Walk,ARW)、零偏不稳定性(Bias Instability，BI)、速率随机游走(Rate Random Walk，RRW)、速率斜坡(Rate Ramp，RR)和量化噪声(Quantization Noise，QN)；

步骤4：做出Allan方差系数的三维图。

作为本发明进一步改进，所述步骤2中IMF分量计算如下：

7)确定原始信号x(t)所有的局部极大值和极小值点；

8)使用三次样条法将所有的局部极大值点连起来形成上包络曲线e_max(t)，所有的局部极小值点连起来形成下包络曲线e_min(t)；

9)计算上下包络曲线的均值曲线

10)从信号中减去均值曲线，可得到IMF分量imf₁(t)

imf_i(t)＝x_i(t)-m_i(t) (2)

其中