《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > MEMS|傳感技術(shù) > 設(shè)計(jì)應(yīng)用 > 低成本MEMS陀螺實(shí)時(shí)濾波方法
低成本MEMS陀螺實(shí)時(shí)濾波方法
2015年電子技術(shù)應(yīng)用第1期
王勵(lì)揚(yáng)1,翟昆朋2,,何文濤2,,馬成炎2
1.中國(guó)科學(xué)院大學(xué),北京100049,; 2.中國(guó)科學(xué)院微電子研究所,北京100029
摘要: 為找到一種普遍適合低成本MEMS陀螺儀的隨機(jī)誤差實(shí)時(shí)處理方法,,利用Allan方差分析法首先對(duì)MEMS陀螺儀進(jìn)行分析,,根據(jù)其誤差特性進(jìn)而設(shè)計(jì)了平均濾波算法以剔除粗大誤差,然后使用最小二乘法,,通過(guò)擬合前一段歷史結(jié)果得到下一時(shí)刻輸出的預(yù)測(cè)值,,基于以上工作最終設(shè)計(jì)出Kalman濾波器對(duì)所輸出進(jìn)行濾波。由于將最小二乘法的推測(cè)作為預(yù)測(cè)過(guò)程,,避免了系統(tǒng)狀態(tài)模型難以準(zhǔn)確建立的問(wèn)題,。該方法動(dòng)態(tài)性能好,具有普適性,。實(shí)驗(yàn)結(jié)果證明,,該方法在靜態(tài)和動(dòng)態(tài)下均能有效工作,濾波后常值漂移被有效補(bǔ)償,,角度隨機(jī)游走不再占誤差的主要成分,,均方差小于濾波前的十分之一。
中圖分類號(hào): V241.5
文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2015)01-0050-03
Real-time filtering method for low cost MEMS gyroscope
Wang Liyang1,,Zhai Kunpeng2,,He Wentao2,,Ma Chengyan2
1.University of Chinese Academy of Science,Beijing 100049,,China,; 2.Institute of Microelectronics of Chinese Academy of Sciences,Beijing 100029,,China
Abstract: In this work, we aimed to find a general method suitable for coping in low cost Micro Electro Mechanical Systems(MEMS) gyroscope. First, Allan variance was utilized to analyze the drift error of MEMS gyroscope. According to its characteristic, we designed a real-time average estimate algorithm to eliminate gross error. Then, the least square algorithm was applied to extrapolate the predicted value of next step through the previous output values. Based on the aforementioned works, we finally worked out a Kalman filter which efficiently reduced angle random walk and variance of output. This method can be applied to most of low cost MEMS gyroscope because the least square algorithm avoided the problem of being difficult to accurately model drift error. Testing results demonstrate that this method is available both in static and angular rate variation situations. After filtering, quite a bit of improvement is obtained: part of constant drift rate was compensated; raw measurement variance is reduced by more than 99 percent; random walk also has been effectively removed from random drift error.
Key words : MEMS gyroscope,;Allan variance;gross error,;least squares,;Kalman filter

 

0 引言

  微機(jī)電系統(tǒng)(Micro Electro Mechanical Systems,MEMS)陀螺儀已經(jīng)廣泛應(yīng)用于慣性導(dǎo)航,、組合導(dǎo)航系統(tǒng)中[1],。但是目前低成本MEMS陀螺儀精度相對(duì)較低,零偏穩(wěn)定度等性能較差,,而作為導(dǎo)航應(yīng)用對(duì)MEMS陀螺儀的精度要求較高,,因此,在使用前首先要對(duì)隨機(jī)誤差進(jìn)行處理[1],。

  處理這個(gè)問(wèn)題的思路一般是首先建立輸出的誤差模型,,再根據(jù)一定的濾波技術(shù),通常是Kalman濾波[2],,或小波變換等濾波方法[3]來(lái)估計(jì)和補(bǔ)償陀螺誤差,。以前的相關(guān)工作一般在對(duì)單一型號(hào)陀螺儀進(jìn)行分析的基礎(chǔ)上,建立AR模型來(lái)近似描述誤差[3-5],,取得了一定的濾波效果,。然而,低成本MEMS陀螺誤差成分復(fù)雜,,不同低成本MEMS陀螺之間一致性差,,啟動(dòng)重復(fù)性差[6]。因此,,難以對(duì)低成本MEMS陀螺建立準(zhǔn)確的誤差模型,,對(duì)一個(gè)陀螺的建模也無(wú)法適用其他陀螺。

  為解決對(duì)低成本MEMS陀螺建模困難的問(wèn)題,,本文從工程實(shí)際應(yīng)用角度出發(fā),,使用Allan方差法分析了MEMS陀螺儀輸出的特點(diǎn),詳細(xì)探討了一種普遍適合低成本MEMS陀螺儀的實(shí)用隨機(jī)誤差實(shí)時(shí)處理方法,。該方法由零偏補(bǔ)償,、可去除粗大誤差的平均濾波算法和基于最小二乘法預(yù)測(cè)的Kalman濾波器三部分共同組成。其中,,傳統(tǒng)Kalman濾波算法需要建立誤差模型以寫出系統(tǒng)狀態(tài)方程,,本文所述方法不同于傳統(tǒng)方法,可以不對(duì)誤差進(jìn)行建模,,具有更好的通用性,。實(shí)驗(yàn)結(jié)果證明,該方法可以有效濾除噪聲,,并具有良好動(dòng)態(tài)特性,。

1 基于Allan方差的陀螺誤差分析

  為獲得低成本MEMS陀螺儀輸出的誤差特性,首先設(shè)計(jì)實(shí)驗(yàn)條件采集數(shù)據(jù)并保存,,然后根據(jù)文獻(xiàn)[7,、8]中所描述的Allan方差分析法對(duì)數(shù)據(jù)進(jìn)行分析。

  1.1 數(shù)據(jù)采集

  選取若干同一型號(hào)低成本MEMS三軸陀螺儀,,該型號(hào)陀螺儀以數(shù)字量輸出,,AD位數(shù)為16位。在恒溫并且將器件固定的條件下每一枚器件進(jìn)行兩次上電數(shù)據(jù)采集,。每次上電首先預(yù)熱30 min,,然后保存數(shù)據(jù)。采樣率設(shè)置為100 Hz,,每次保存15 min數(shù)據(jù),。

  1.2 使用Allan方差分析法分析數(shù)據(jù)

  Allan方差分析法可以確定產(chǎn)生數(shù)據(jù)噪聲的基本隨機(jī)過(guò)程特性,并能識(shí)別給定噪聲的來(lái)源[8],。Allan方差的計(jì)算公式為[7]:

  1.png

  式中,,$J7{ZT$0G{XH3)QWHX)YL{9.jpg表示平均時(shí)間,K為所劃分的子集個(gè)數(shù),,{[D241)NQZ(B$7X46V7FR60.jpg為第k個(gè)子集的平均值,。按照式(1)計(jì)算每個(gè)平均時(shí)間的Allan方差,以雙對(duì)數(shù)曲線畫出Allan標(biāo)準(zhǔn)差隨平均時(shí)間變化的情況,。任選一個(gè)器件兩次上電測(cè)試的原始數(shù)據(jù),,繪制雙對(duì)數(shù)曲線,如圖1所示,。

  選取器件的X軸,,分別計(jì)算測(cè)試數(shù)據(jù)的均值和均方差,計(jì)算結(jié)果如表1所示,。

004.jpg

  利用文獻(xiàn)[7]中所描述的分析方法對(duì)圖1和表1進(jìn)行分析可知,,該型號(hào)陀螺儀輸出隨機(jī)漂移中,角度隨機(jī)游走占據(jù)主要部分,;同一器件不同測(cè)量軸誤差特性各不相同,;同一個(gè)陀螺儀兩次上電的誤差特性并不相同。

  由于采用16位AD,原始輸出序列的范圍在-32 768~

  32 768之間,,通過(guò)觀察,,發(fā)現(xiàn)數(shù)據(jù)中偶爾存在一些明顯錯(cuò)誤的野值,例如,,一段實(shí)測(cè)原始輸出序列為67,,49,

  55,,-233,,21,17,,23,,63??梢园l(fā)現(xiàn),,數(shù)據(jù)-233明顯不合理,屬于野值,,這種野值一般不會(huì)在連續(xù)10個(gè)采樣中出現(xiàn)兩次,。

2 實(shí)時(shí)濾波算法

  由分析的結(jié)果可以發(fā)現(xiàn)難以建立一個(gè)通用的陀螺誤差模型。因此,,對(duì)誤差建模的方法并不適用于低成本MEMS陀螺儀,。針對(duì)低成本MEMS陀螺輸出特點(diǎn),本文設(shè)計(jì)了一種實(shí)時(shí)濾波算法,,該方法分為三個(gè)步驟,。

  2.1 零偏補(bǔ)償

  在進(jìn)行濾波之前,首先應(yīng)該去除原始測(cè)量值中的常值漂移信號(hào)[1],。文獻(xiàn)[1]指出,,可以用一段零輸入條件下輸出數(shù)據(jù)的均值代表整體的零偏。經(jīng)充分預(yù)熱后,,在敏感軸上零角速度輸入,,保存一定時(shí)間的數(shù)據(jù)。對(duì)這段數(shù)據(jù)求均值,,作為陀螺儀輸出的零偏,,在以后每次得到的原始值都減去這個(gè)零偏。

  2.2 平均濾波算法

  對(duì)已去除零偏的原始數(shù)據(jù),,由于存在粗差,,應(yīng)先設(shè)法抑制。

  首先,,用陀螺儀以往的幾個(gè)測(cè)量值的均值作為下一次實(shí)際值的估計(jì)[5],,均值估計(jì)法的表達(dá)式為:

  2.png

  式中,,xi為數(shù)據(jù)窗內(nèi)的元素,L為數(shù)據(jù)窗的長(zhǎng)度,,[HF8(Y_8$$UBX@$8L$9K5IQ.png為均值估計(jì)結(jié)果,。由于不是滑動(dòng)平均方式,經(jīng)過(guò)平均后,,[HF8(Y_8$$UBX@$8L$9K5IQ.png的輸出率為xi輸出率的1/L,,L越大,輸出率越低,。

  通過(guò)觀察原始數(shù)據(jù)可以發(fā)現(xiàn),野值一般不會(huì)在短期內(nèi)連續(xù)出現(xiàn),,野值和正常值的偏差在200以上,。因此,本文選取L=5,,對(duì)5個(gè)歷史數(shù)據(jù)平均得到估計(jì)結(jié)果[HF8(Y_8$$UBX@$8L$9K5IQ.png,,再設(shè)置一個(gè)門限值q,然后將5個(gè)歷史數(shù)據(jù)xi分別和[HF8(Y_8$$UBX@$8L$9K5IQ.png做差,,用差值的絕對(duì)值和q比較,,如果大于q,則xi被判決為野值,,否則為有效數(shù)據(jù),。實(shí)際使用時(shí),L和q應(yīng)根據(jù)需要靈活選取,。最后,,將剩下的有效數(shù)據(jù)xi再次用式(2)計(jì)算均值,作為平均濾波后的結(jié)果輸出,。經(jīng)過(guò)平均濾波后的輸出序列不僅消除了粗大誤差的影響,,方差也顯著降低。

  2.3 基于最小二乘法預(yù)測(cè)的Kalman濾波算法

  在經(jīng)過(guò)平均濾波算法后,,將輸出再經(jīng)過(guò)Kalman濾波器進(jìn)一步處理,。

  Kalman濾波是工程中應(yīng)用的成熟方法,其工作過(guò)程可以分為預(yù)測(cè)和校正兩個(gè)過(guò)程[9],。預(yù)測(cè)過(guò)程在上一個(gè)歷元狀態(tài)估計(jì)值的基礎(chǔ)上,,利用系統(tǒng)的狀態(tài)方程來(lái)預(yù)測(cè)當(dāng)前歷元的狀態(tài)值,即先驗(yàn)估計(jì)值,。涉及公式如下:

  34.png

  校正過(guò)程利用實(shí)際測(cè)量值來(lái)校正經(jīng)上一步預(yù)測(cè)得到的狀態(tài)先驗(yàn)估計(jì)值,,獲得后驗(yàn)估計(jì)值。涉及公式如下:

  567.png

  對(duì)于預(yù)測(cè)過(guò)程,,由于無(wú)法對(duì)低成本MEMS陀螺儀誤差建立通用,、準(zhǔn)確的模型,不能采用傳統(tǒng)的建立AR模型預(yù)測(cè)的方法,但并不意味著無(wú)法對(duì)當(dāng)前輸出值做出先驗(yàn)估計(jì),。載體運(yùn)動(dòng)具有連續(xù)性和運(yùn)動(dòng)變化的緩慢性[9],,這意味著載體具有保持原來(lái)運(yùn)動(dòng)狀態(tài)的趨勢(shì),在短時(shí)間內(nèi)的真實(shí)角速度不會(huì)發(fā)生突變,。最小二乘法通過(guò)最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配,,利用最小二乘法可以簡(jiǎn)便地根據(jù)歷史記錄數(shù)據(jù)估計(jì)下一時(shí)刻的真值,并使得估計(jì)數(shù)據(jù)和真實(shí)數(shù)據(jù)誤差的平方和最小,。

  另外,,最小二乘法直接根據(jù)歷史后驗(yàn)估計(jì)值實(shí)時(shí)調(diào)整參數(shù),來(lái)預(yù)測(cè)下一時(shí)刻的實(shí)際值,,是一種動(dòng)態(tài)的預(yù)測(cè)方法,,這樣不僅適用于靜止條件下的濾波,在有角速度輸入變化的情況下依然可以有效工作,。

  本文設(shè)置一個(gè)深度為10的FIFO,,用于保存Kalman濾波后驗(yàn)估計(jì)值輸出結(jié)果。FIFO內(nèi)為按時(shí)間先后順序排列的最近的10個(gè)濾波后輸出結(jié)果,。對(duì)于一般的應(yīng)用場(chǎng)景,,在短時(shí)內(nèi)載體不可能發(fā)生劇烈的運(yùn)動(dòng)狀態(tài)變化,數(shù)據(jù)序列具有穩(wěn)定性,,擬合的結(jié)果近似為一條直線,。為保證預(yù)測(cè)準(zhǔn)確性并兼顧計(jì)算復(fù)雜度,使用二次函數(shù)擬合,,令:

  8.png

  式中,,ti為時(shí)間序列;xi為對(duì)應(yīng)的后驗(yàn)估計(jì)值,,即實(shí)際使用值,;a、b,、c為擬合二次函數(shù)的參數(shù),,此時(shí)為未知。令:

  9.png

  其中,,YVQ%GN}_3K@GGSU_{H6EYXJ.jpg為利用式(8)計(jì)算得到的每一時(shí)刻的估計(jì)值,,是未知參數(shù)的函數(shù),分別與實(shí)際值作差,。?追為這些差的平方和,。根據(jù)最小二乘法原理,?追應(yīng)取得最小值,。用函數(shù)?追對(duì)a,、b,、c求偏導(dǎo)數(shù),令偏導(dǎo)數(shù)等于0,,獲得關(guān)于a,、b、c的線性方程組,,解方程確定未知參數(shù),,代入式(8),可得:

  10.png

  使用式(10)即可獲得當(dāng)前時(shí)刻的先驗(yàn)估計(jì)值37C4S)UT5~U)`B3UVB7HZ~H.jpg,,式(10)也即系統(tǒng)狀態(tài)方程,。另外,預(yù)測(cè)過(guò)程除了獲得預(yù)測(cè)值,,還需要一個(gè)衡量預(yù)測(cè)值可靠性的過(guò)程噪聲參數(shù)Q,。由于預(yù)測(cè)值將在校正過(guò)程中被校正,將校正后的使用值序列和預(yù)測(cè)值序列做差分,,差分序列的方差即表示預(yù)測(cè)結(jié)果的可靠性。即:

  11.png

  對(duì)于校正過(guò)程,,根據(jù)去除粗大誤差后,,由式(2)計(jì)算得到的平均濾波結(jié)果,作為校正過(guò)程的測(cè)量值輸入,。測(cè)量噪聲R用平均濾波后的數(shù)據(jù)方差衡量,,即:

  12.png

  調(diào)整合適的狀態(tài)均方差初始估計(jì)值P0,保證濾波器收斂,。以Kalman濾波后的校正值作為使用值輸出,,完成對(duì)陀螺輸出的濾波。

3 濾波器性能測(cè)試

  為不失一般性,,再選一顆該型號(hào)MEMS陀螺儀的輸出數(shù)據(jù),,使用上述濾波方法對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)處理。為描述動(dòng)態(tài)下的濾波性能,,可以使用在所采集的靜態(tài)數(shù)據(jù)基礎(chǔ)上疊加一個(gè)角速率來(lái)模擬動(dòng)態(tài)變化[2],。

  3.1 靜態(tài)實(shí)驗(yàn)

002.jpg

  截取一段時(shí)間數(shù)據(jù)作圖,圖2展示陀螺濾波前后的輸出對(duì)比,。

  由圖2看出,,雖然原始輸出的零偏和波動(dòng)性相差很大,圖形上有較密集的毛刺,,但是在經(jīng)過(guò)常值漂移補(bǔ)償,,平均濾波算法后,輸出零偏有效改善,,毛刺被基本濾除,,粗大誤差得到了有效抑制,。在此基礎(chǔ)上,Kalman濾波器進(jìn)一步改善了零偏穩(wěn)定度,,獲得了更出色的濾波降噪效果,。將這段數(shù)據(jù)的均值和均方差進(jìn)行定量計(jì)算,如表2所示,。

005.jpg

  由表2看出,,經(jīng)過(guò)濾波,能使零偏減小到令人滿意的程度,,同時(shí),,均方差在濾波后小于濾波前的十分之一,證明輸出序列的波動(dòng)性被顯著降低,,零偏穩(wěn)定度性能得到大幅提升,。

  3.2 動(dòng)態(tài)實(shí)驗(yàn)

  選取另一顆陀螺儀采樣,首先截取90 s靜態(tài)實(shí)驗(yàn)數(shù)據(jù),,以一次函數(shù)擬合模擬勻角加速度轉(zhuǎn)動(dòng)過(guò)程,;以常數(shù)模擬勻角速度轉(zhuǎn)動(dòng);以正弦函數(shù)模擬較為復(fù)雜角速度變化情況,。圖3為模擬信號(hào),、與原始數(shù)據(jù)疊加后信號(hào)和濾波后信號(hào)對(duì)比圖。

003.jpg

  由圖3看出,,濾波后,,零偏被有效校正,方差明顯降低,,輸出較完美地恢復(fù)了輸入信號(hào),,證明該方法在動(dòng)態(tài)下依然可以有效工作,工程實(shí)際應(yīng)用價(jià)值較高,。

4 結(jié)論

  低成本MEMS陀螺儀特性參差不齊,,啟動(dòng)重復(fù)性差,不適宜采用對(duì)誤差建模的方法處理隨機(jī)誤差,。本文所述實(shí)時(shí)濾波算法從實(shí)際工程應(yīng)用角度出發(fā),,可以較好地抑制低成本MEMS陀螺隨機(jī)誤差中的角度隨機(jī)游走,有效補(bǔ)償常值漂移,,均方差小于濾波前的十分之一,,大幅提升低成本MEMS陀螺儀零偏穩(wěn)定度性能。該方法不僅能在靜態(tài)下工作,,在動(dòng)態(tài)情況下不會(huì)淹沒(méi)有效信號(hào),,也表現(xiàn)出良好性能。另外,,該方法相對(duì)易于實(shí)現(xiàn),,算法復(fù)雜度相對(duì)低,,普遍適用于低成本MEMS陀螺儀的隨機(jī)誤差濾波,具有較高的實(shí)用價(jià)值,。

參考文獻(xiàn)

  [1] 蒙濤,,王昊,李輝,,等.MEMS陀螺誤差建模與濾波方法[J].系統(tǒng)工程與電子技術(shù),,2009,31(8):1944-1948.

  [2] 錢華明,,夏全喜,,闕興濤,等.基于Kalman濾波的MEMS陀螺儀濾波算法[J].哈爾濱工程大學(xué)學(xué)報(bào),,2010,,31(9):1217-1221.

  [3] 叢麗,秦紅磊,,邢菊紅.小波閾值去噪和FAR建模結(jié)合的MEMS陀螺數(shù)據(jù)處理方法[J].電子技術(shù)應(yīng)用,,2010,36(12):120-123.

  [4] 陳濤,,王新龍,,杜宇.基于AR模型的光纖陀螺建模方法研究[J].魚雷技術(shù),2005,,13(3):25-27.

  [5] 吉訓(xùn)生,王壽榮.MEMS陀螺儀隨機(jī)漂移誤差研究[J].宇航學(xué)報(bào),,2006,,27(4):640-642.

  [6] 張智永,周曉堯,,范大鵬.穩(wěn)定平臺(tái)中陀螺漂移自適應(yīng)實(shí)時(shí)估計(jì)算法[J].航空學(xué)報(bào),,2012,33(6):1044-1051.

  [7] 趙思浩,,陸明泉,,馮振明.MEMS慣性器件誤差系數(shù)的Allan方差分析方法[J].中國(guó)科學(xué),2010,,40(5):672-675.

  [8] 王新龍,,李娜.MEMS陀螺隨機(jī)誤差的建模與分析[J].北京航空航天大學(xué)學(xué)報(bào),2012,,38(2):170-174.

  [9] 謝鋼.GPS原理與接收機(jī)設(shè)計(jì)[M].北京:電子工業(yè)出版社,,2009:129-134.


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載,。