摘要：针对微机电系统陀螺易受环境影响和稳定性能较差,导致建立的随机漂移模型参数和随机噪声统计特性变化的问题,提出了一种改进的指数渐消记忆自适应Kalman实时滤波方法.通过分析实测数据确定随机漂移自回归滑动平均模型阶数,在此基础上利用递推最小二乘法对模型参数进行实时更新.根据陀螺噪声参数特点,提出了基于渐消记忆因子的Allan方差分析法和Sage-Husa自适应滤波算法同时对Q和R进行参数估计的实时滤波方法,避免了系统状态估计和量测噪声参数估计的相互耦合和制约.实验结果表明:相比标准Kalman滤波补偿方法及传统的固定Q阵只对R阵做自适应估计的滤波方法,本文方法能够更加有效地对MEMS陀螺随机漂移误差进行实时补偿,具有较好的适应性和稳定性.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社