一种MEMS加速度计的噪声处理与参数训练方法

发布时间：2021-02-21 00:38

　　为进一步提高微机电系统（MEMS）加速度计的测量精度,建立以测量值为输入、真实值为输出的MEMS加速度计误差补偿模型,利用Allan方差和最小均方（LMS）自适应滤波算法对加速度计在6个位置下的多组实际测量数据进行噪声分析和预处理,处理后的全部测量数据作为样本训练模型参数,利用最小二乘和批量梯度下降相结合的方法获得样本数据对真实模型参数的最优拟合,并利用该模型对加速度计进行误差补偿,实现MEMS加速度计的高精度标定。实验验证表明,利用该模型对MEMS加速度计进行误差补偿后,输出值的均值误差为（0.72～1.19）×10^-4g,标准差为（0.75～1.61）×10^-4g,相对于补偿前,均值误差降低了2个数量级,标准差降低了1个数量级,有效提高了MEMS加速度计的测量精度和稳定性。 

【文章来源】：仪表技术与传感器. 2020,(02)北大核心

【文章页数】：5 页

【部分图文】：

三轴转台和固定在转台上的MEMS-IMU

LMS自适应滤波的原理是利用前一个已经获取的滤波器参数，自动调整当前的滤波器参数，使滤波器的输出与期望参考输入之间的均方误差最小，从而达到最优的滤波效果。LMS自适应滤波算法原理如图2所示。图2中，X(n)为滤波器的主输入，Y(n)为滤波器的输出，d(n)为滤波器的期望参考输入，e(n)为滤波器的估计误差输出，n=1,2,3，…。

如果直接使用LMS自适应滤波器对A*进行滤波，很难选取与A相关而与噪声v不相关的期望参考输入d(n)，使最终的滤波输出Y(n)为A。反之，可以利用Allan方差对A*中的噪声v进行分析，进而得到噪声v的模型。然后以噪声v的相关噪声v*为期望参考输入d(n)，以A*为主输入X(n)。利用v与v*的相关性，使滤波输出Y(n)尽量地逼近v*，即相当于估计误差输出e(n)尽量地逼近A。在最优条件下，估计误差输出e(n)即为去除噪声后的A，实现了v与υ*的噪声抵消。如图3所示。2.3 Allan方差分析

【参考文献】：
期刊论文
[1]MEMS加速度计的六位置测试法[J]. 宋丽君,秦永元.  测控技术. 2009(07)



本文编号：3043585