基于Kalman滤波的MEMS陀螺仪过滤算法

简介：
本研究提出了一种基于Kalman滤波技术的MEMS陀螺仪数据处理方法，有效提升了传感器在动态环境下的测量精度和稳定性。 针对MEMS陀螺仪精度不高及随机噪声复杂的问题，我们研究了某款MEMS陀螺仪的随机漂移模型，并应用时间序列分析方法采用AR(1)模型对经过预处理后的测量数据中的噪声进行建模。基于此AR模型并结合状态扩增法设计了一种Kalman滤波算法。通过速率试验和摇摆试验仿真结果表明，在静态及恒定角速度条件下，该算法在降低MEMS陀螺仪误差均值和标准差方面表现出明显效果。 然而，对于摇摆基座下随摆动幅度增加时该算法性能下降的问题，我们从提高采样率以及选择自适应Kalman滤波两个角度对原算法进行了改进。仿真结果显示这两种方法均可提升滤波效果；但考虑到系统采样频率和CPU计算速度的实际限制，我们认为自适应滤波具有更高的实用性。