用于MEMS陀螺阵列信号处理的OBE平滑算法(英文)

一种基于分类问题的光滑极限学习机杨丽明;张思韫;任卓【摘要】Extreme learning machine ( ELM) had a high learning speed and a good generalization ablity. Smoothing strategy was an important technology for non-smooth problems. By combining a smoothing technique with ELM, a smooth ELM ( SELM) framework was proposed. Moreover, the Newton-Armijo al-gorithm was used to solve the SELM, and resulting algorithm converged globally and quadratically. The proposed SELM had less decision variables and better abitities to deal with nonlinear problems than the existing smooth support vector machine. Numerical experiments demonstrated that the speed of SELM was much faster than that of the existing ELM algorithms based on optimization theory. Compared with other popular support vector machines, the proposed SELM achieved better or similar generalization. The re-sults demonstrated the feasibility and effectiveness of the proposed algorithm.%极限学习机具有快速的学习速度和良好的泛化性能。

Wavenology EM TM1.0 高级三维电磁模拟软件伟诺公司拥有一支高水平的研发团队，凭借多年在计算电磁技术领域的研究和突破，针对目前市场上的仿真软件在基础算法及应用中所面临的局限性和不足，创新并开发出拥有专有技术的，堪称当今世界一流水平的通用三维电磁模拟软件——Wavenology EM。

Wavenology EM 是一套专业用于如无线通讯，半导体芯片及封装，遥感，天线，雷达，生物医疗，及光电子行业中的电磁场模拟。

通过使用三维时域全波混合方法，结合了扩大网格技术（一种改进的共形时域有限差分法）、时域伪谱法、时域谱元法，和间断伽略金法，来模拟电磁波在复杂介质中的传播与散射；采用非线性电路与电磁场协同设计的设计方法，将电磁场仿真器与电路系统的强大仿真计算工具有效地结合在一起.Wavenology EM 作为一款多功能的仿真软件，可以解决多种尺度的计算问题，以及分析任意复杂的非均匀、色散介质和有损介质中电磁场的分布问题。

该软件的应用范围更加宽广，而且运算速度相比同类计算工具快3到20倍，并且在精度实现上达到行业领先水平。

其直观、友好的用户界面，更便于用户迅速掌握软件的使用方法，提高用户的工作效率。

数据结果的可视化，便于用户更好地分析和优化仿真结果，降低生产成本，提高生产效益。

核心技术Wavenology EM 使用三维时域全波混合方法，结合了扩大网格技术（一种改进的共形时域有限差分法）、时域伪谱法、时域谱元法，和间断伽略金法，来模拟电磁波在复杂介质中的传播与散射。

通过使用Wavenology EM软件，用户可以方便地计算任何位置的电磁场，提取散射（S）参数，计算传输、反射、和辐射损耗，以及观察近区和远区的三维电磁场分布。

该模拟软件能够高效地给出电磁场的瞬态行为及频谱Wavenology EM的特点三维电磁波模拟结合多种高效计算方法：结合了扩大基元技术（ECT,一种改进的共形时域有限差分法）、时域伪谱法、和时域谱元法。

基于改进小波阈值法处理MEMS陀螺信号噪声
杜继永;黄国荣;程洪炳;刘华伟
【期刊名称】《电光与控制》
【年(卷),期】2009(016)012
【摘要】小波具有多分辨率分析特性,利用小波阈值去噪可以有效地处理MEMS 陀螺信号的噪声.针对常用阈值小波去噪方法的不足,提出了一种改进的小波阈值方法.详细介绍了该方法的原理与实现过程,并将其应用到MEMS陀螺信号处理过程中.使用db4小波,应用不同的阈值函数对MEMS陀螺信号进行4尺度分解.仿真实验分析比较表明,改进的小波阈值方法可以有效地剔除信号中的噪声,抑制了MEMS 陀螺仪的随机漂移;与现有的阈值方法相比,信噪比提高了18.3%.
【总页数】4页(P61-64)
【作者】杜继永;黄国荣;程洪炳;刘华伟
【作者单位】空军工程大学工程学院,西安,710038;空军工程大学工程学院,西安,710038;空军工程大学工程学院,西安,710038;空军工程大学工程学院,西
安,710038
【正文语种】中文
【中图分类】V249.32;U666.1
【相关文献】
1.改进小波阈值法在MEMS陀螺随机误差分析中的应用 [J], 王辛望;沈小林;刘新生
2.改进小波阈值法在MEMS陀螺信号去噪中的应用 [J], 苏丽;周雪梅
3.基于小波变换阈值法处理光纤陀螺信号噪声 [J], 霍炬;王石静;杨明;马战国
4.改进小波阈值法与极限学习机在MEMS\r陀螺误差补偿中的应用 [J], 杨辉;姜湖海;马欣;毛锐
5.改进提升小波阈值法在MEMS陀螺仪误差分析中的应用 [J], 景冰洁;韩跃平;张鹏;徐文武
因版权原因，仅展示原文概要，查看原文内容请购买。

基于CEEMDAN改进阈值滤波的微机电陀螺信号去噪模型张宁;刘友文【期刊名称】《中国惯性技术学报》【年(卷),期】2018(26)5【摘要】为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型.该模型首先应用CEEMDAN方法将陀螺信号有效地分解为多个固有模态函数(IMF)分量;其次通过相关系数法判断噪声分量与有效分量的界限;进而对噪声分量进行阈值设置并使用改进阈值函数进行滤波处理;最后重构滤波处理后的噪声分量与有效分量以得到去噪后的信号.实际陀螺信号去噪试验结果显示:所提模型相对于CEEMDAN、集成经验模态分解(EEMD)、经验模态分解(EMD)强制去噪方法及小波分析方法,其信噪比提高了约3.9dB,均方根误差降低了约36％;所提模型相对于CEEMDAN结合软、硬阈值函数的去噪模型,均方根误差降低了30％以上.表明采用所提模型可以对MEMS陀螺输出信号进行有效去噪,提升去噪性能.【总页数】6页(P665-669,674)【作者】张宁;刘友文【作者单位】闽江学院物理学与电子信息工程学院,福州 350108;闽江学院海洋学院,福州 350108【正文语种】中文【中图分类】U666.1【相关文献】1.基于小波阈值改进算法的动调陀螺信号去噪 [J], 薛海建;郭晓松;周召发;王振业;魏皖宁2.基于小波能量元和改进双阈值函数的微流控芯片信号去噪方法研究 [J], 蔡佳辉;童耀南;李金桂;曾靖3.基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究 [J], 张培玲;李小真;崔帅华4.基于CEEMDAN阈值滤波的磁场信号去噪模型 [J], 董晓芬;陈国光;田晓丽;闫小龙;赵归平5.基于CEEMDAN和小波软阈值的电能质量扰动信号去噪新方法 [J], 张震;刘明萍;张镇涛;汪庆年因版权原因，仅展示原文概要，查看原文内容请购买。

cma-es和粒子群算法-回复CMA-ES (Covariance Matrix Adaptation Evolution Strategy) 和粒子群算法(Particle Swarm Optimization) 都是一类用于解决优化问题的启发式算法。

它们被广泛应用于各个领域，包括机器学习、人工智能、工程优化等。

本文将一步一步回答关于这两种算法的问题，包括它们的原理、特点、优势和应用。

第一步：了解CMA-ES算法的原理和特点CMA-ES是一种进化策略算法，通过模拟生物进化中的选择、交叉和变异来搜索最优解。

它以多元正态分布来建模搜索空间，并通过更新协方差矩阵来适应搜索空间中的分布。

相比于其他进化策略算法，CMA-ES有以下特点：1. 自适应性：CMA-ES能够自动调整搜索策略，使得搜索更加高效。

它通过估计协方差矩阵的响应速度和步长控制搜索的速度和方向。

2. 高效性：CMA-ES使用自适应的协方差矩阵估计搜索空间的分布，从而避免了传统进化算法中出现的收敛速度慢的问题。

它具有较快的收敛速度和较高的搜索效率。

3. 全局搜索能力：CMA-ES能够同时进行全局搜索和局部搜索，通过控制步长和自适应协方差矩阵，可以在搜索空间中快速找到全局最优解。

第二步：了解粒子群算法的原理和特点粒子群算法是一种基于群体智能的优化算法，受到鸟群觅食行为的启发。

在粒子群算法中，问题的解被表示为一组离散的粒子，并通过计算粒子的速度和位置来进行搜索。

粒子群算法的特点包括：1. 协作和竞争：粒子群算法中的粒子相互协作，通过信息交流来实现搜索空间中的全局搜索。

同时，粒子也会根据自身的经验进行自主的局部搜索。

2. 迭代优化：粒子群算法通过更新粒子的速度和位置来实现优化。

粒子根据自身的经验和邻居粒子的最优解进行位置调整，从而逐步优化目标函数。

3. 相对简单：粒子群算法的实现相对简单，没有太多的参数需要调节。

它在处理连续优化问题时表现良好，并且易于理解和应用。

2010年12月第36卷第12期北京航空航天大学学报Journa l o f Be iji ng U nivers it y of A eronauti cs and A stronauti cs D ecember 2010V o.l 36 N o 12收稿日期:2009 10 27基金项目:总装预研基金资助项目(9140A09031008CB01作者简介:袁赣南(1945-,男,江西赣州人,教授,yu angannan @163.co m.ME M S 陀螺随机漂移在线补偿技术袁赣南梁海波何昆鹏谢燕军(哈尔滨工程大学自动化学院,哈尔滨150001摘要:为了提高微机电系统(M E MS,M icro E lectro M echanical Syste m 陀螺测量的精度,提出了一种陀螺随机漂移的在线补偿方法.在静态时在线建立随机漂移的自回归滑动平均(ARMA,Auto Regressi v e M ov i n g Average模型,并针对随机漂移模型随时间慢变的特性,引关键词:陀螺仪;随机漂移;时间序列分析;目标跟踪;自适应滤波中图分类号:V 241.6文献标识码:A 文章编号:1001 5965(201012 1448 05On li n e co mpensati o n t echni q ue f or m i c ro mechanica lgyroscope rando m errorYuan GannanLiang H ai b oH e KunpengX ie Yan j u n(C ollege of Auto m ati on ,H arb i n Eng i neeri ng Un i vers i ty ,H arb i n 150001,C h i naAbstr act :To i m prove the m easure m en t prec ision of m icro electr o m echan ical syste m (ME M S gyro scope ,an on li n e co m pensation approach forME M S gyroscope rando m error was presented .The autoregressi v e m oving average (ARMA m odel of rando m error w as estab lished under static conditi o n ,and the fictitiousno ise co m pensation technique w as i n troduced to acco mm odate the ti m e varying m ode.l Due to t h e unkno wn m ove m ent o f carrier ,t h e techn ique ofm aneuveri n g target track i n g w as presented to obta i n the m aneuveri n g an gular rate m ode.l The rando m error and angu lar rate w ere esti m ated in real ti m e by using adapti v e K al m an fil ter in the dyna m ic tes.t The resu lt of test i n dicates t h at the m odel of rando m error ,the angu lar rate ,and the algorithm of filteri n g can satisfy the dyna m ic application of the ME M S based attitude headi n g reference syste m.Further m ore ,t h e precisi o n of syste m is greatly i m proved after co m pensated .Key wor ds :gyroscopes ;rando m errors ;ti m e ser i e s ana l y sis ;tar get track i n g ;adapti v e filtering微机电系统(ME M S ,M icro E lectro M echani ca l Syste m 陀螺的漂移由确定性漂移和随机漂移两部分构成.确定性漂移可以通过标定和测试,建立其精确的数学模型加以补偿,而随机漂移则表现为随时间缓慢变化、无规律的过程.由于随机漂移是影响陀螺精度的重要误差源之一,对整个导航系统精度有较大的影响,因而针对随机漂移开展研究具有重要意义[1].M E M S 陀螺随机漂移的补偿一般采用时间序列分析建模的方法,然后利用Ka l m an 滤波对随机漂移进行估计并加以补偿.然而,实际中的随机漂移的均值和方差都会随时间缓慢地发生变化,这明显不符合经典K al m an 滤波器的使用条件,无法保证估计的精度.本文采用一种在线的随机漂移补偿方法,以适应随机漂移的时变特性,从而达到提高系统精度的目的.1系统状态空间模型的构建1.1随机漂移模型的状态空间构建采用文献[2]的方法,建立陀螺随机漂移的自回归滑动平均(ARMA,Auto Reg ressive M ov ing A verage模型.利用Kal m an滤波器对ME M S陀螺随机漂移进行估计,需要将ARMA模型转化为状态空间模型.为表述方便起见,这里以ARMA(2, 1模型为例,其表达式为z k= 1z k-1+ 2z k-2+a k+ 1a k-1(1式中, 1和 2为模型中自回归部分的参数; 1为模型中滑动平均部分的参数.设状态变量为X k=[x k x k-1]T,系统噪声变量为W k=a k,满足如下系统方程(定义为系统 :X k=A X k-1+B W k(2Z k=H X k+V k(3式中A =01 2 1B =G0G1H =[1 0]其中,V k为量测噪声;G0,G1为ARMA(2,1模型的格林函数[3-4].根据文献[2]对格林函数的相关阐述,可以推导出AR MA(2,1模型的格林函数如下:G0=1G1= 1G0+ 1= 1+ 11.2角速率模型的状态空间构建在载体运动过程中,角速率的变化情况是无法提前预知的,因此角速率模型要能够适应载体运动状态的变化.本文使用机动目标跟踪理论中的当前!概率密度模型[5],其模型为∀t∀∀=010-!t∀+!∀-t+1w t(4式中,t,∀t为陀螺敏感的角速率和角加速度;! 为机动加速度时间常数的倒数;∀-t为当前角加速度均值;w t是均值为零、方差为2!#2a的白噪声序列,#2a为角加速度方差.在满足一定采样周期T s下,利用离散化处理方法,得到离散系统状态方程(定义为系统#:X#k=A#X#k-1+U#∀-k+W#k(5式中X#k=[k ∀k]TA#=11!(1-e-!T s0e-!T s(6U#=T s-1-e-!T s!1-e-!T sT(7其中,W#k是均值为零、方差为Q#k的高斯系统噪声.离散系统量测方程为Z#k=H#X#k+V#k(8当仅有含噪声的角速率可量测时,有H#=[1 0].V#k是均值为零、方差为R#k的高斯量测噪声.式(5和式(8就构成了机动角速率状态空间模型.2自适应Kal m an滤波器设计2.1随机漂移滤波器考虑到陀螺随机漂移是一个随时间缓慢变化的近似随机过程,随着时间的推移,前文所建立的ARMA模型参数必然发生变化,采用经典Ka l m an 滤波显然不能满足实际情况.本文通过引入带未知时变噪声统计的虚拟噪声来补偿模型误差,从而把问题归结为带未知时变噪声统计系统的自适应Kal m an滤波问题,自适应K al m an滤波器方程[6]如下:X∃ k,k-1=A X∃ k-1+q∃ k-1(9P k,k-1=A P k-1A T +Q∃ k-1(10K k=P k,k-1H T (H P k,k-1H T +R∃ k-1-1(11∃ k=Z k-H X∃ k,k-1-r∃ k-1(12X∃ k=X∃ k,k-1+K k∃ k(13P k=(I-K k H P k,k-1(14并且Dk=H T (H P k,k-1H T +R∃ K-1-1(15q∃ k=q∃ k-1+%Q∃ k-1D k∃ k(16Q∃ k=Q∃ k-1+%Q∃ k-1D k(∃ k∃T k-H P k,k-1H T -R∃ k-1D T k Q∃ k-1(17r∃ k=(1-%r∃ k-1+%(Z k-H X k (18R∃ k=(1-%R∃ k-1+[(I-H K k∃ k∃T k∀(I-H K kT+H P k H T ](19式中,q k,Q k分别为时变系统噪声的均值和方差;r k,R k分别为时变量测噪声的均值和方差;上标∃表示滤波器变量的一步预测值;I为单位阵;%=(1-b/(1-b k+1,b为遗忘因子,0%b%1,对于慢时变噪声统计应取较大的接近于1的b[6-7].交替使用式(9~式(14和式(15~式1449 第12期袁赣南等:M E M S陀螺随机漂移在线补偿技术针对机动角速率模型式(5和式(8的经典K al m an 滤波方程为X ∃#k,k-1=A #X ∃#k-1+U #∀-k (20P #k,k-1=A #P #k-1AT #+Q ∃#k-1(21K #k =P #k,k-1H T #(H #P #k ,k-1HT#+R #-1(22∃#k =Z #k -H #X ∃#k ,k-1(23X ∃#k =X ∃#k,k-1+K #k ∃#k(24P #k =(I -K #k H #P #k,k-1(25根据机动目标跟踪理论,将状态变量∀k 的一步预测值∃∀k,k -1看作在k T s 时刻的∀-k ,就可得到角加速度的均值自适应算法.因此,设∀-k =^∀k,k -1,联立式(6、式(7和式(20,有X ∃#k,k-1=A &#X ∃#k-1(26其中,A &#=1T s 01.此时系统状态方程等效为X #k =A &#X #k-1+W #k(27由于系统噪声W #k 是均值为零、方差为2!#2 a的白噪声序列,有Q ∃#k =E [W #k ∀W T#k ]=2!#2aq 11q 12q 21q 22式中 q 11=12!3(4e-!T s -3-e -2!Ts +2!T s q 12=q 21=12!2(e-2!T s +1-2e -!Ts q 22=12!(1-e -2!Ts#2a =4-&&(∀m ax -| ∃∀k,k-1|2其中,∀max 为角加速度机动的最大值.由此,Q ∃前文已经分别设计了基于陀螺随机漂移和机动角速率的自适应Ka l m an 滤波器,二者既有联系又存在差异,因此有必要通过适当的处理,将其结合在一起以便于实用.系统强调噪声均值和方差的时变特性,在每个滤波周期中,分别对系统噪声和量测噪声的均值、方差进行实时估计;而系统#则只强调系统噪声的方差随角加速度的变化,均值恒定为零,且其量测噪声均值为零,方差恒定.设结合后的系统为系统∋,取X ∋k =[x k x k-1 k ∀k ]T W ∋k =[a k a k-1 w 1k w 2k ]T满足系统方程:X ∋k =A &∋X ∋k-1+B ∋W ∋k(28Z ∋k =H ∋X ∋k +V ∋k(29式中A &∋=A 00A&#B ∋=B 00B #H ∋=[1 0 1 0]Q ∃∋k =Q ∃k 00Q ∃#kq ∃∋k =[q ∃k q ∃#k ]T=[q ∃ k 0]TR ∃∋k =va r (Z ∋kr ∃∋k =m ean (Z ∋k以系统的滤波器为主体,并加入对Q ∃#k 的估计算法,便构成了系统∋的自适应K al m an 滤波器.在每个滤波周期内,分别对X ∋k ,Q ∃∋k ,R ∃∋k ,q ∃∋k 和r ∃∋k 中的各分量进行实时估计.3随机漂移补偿试验为了验证自适应Kal m an 滤波器对随机漂移的实时补偿效果以及对ME M S 姿态测量系统的精度改善情况,将该滤波算法装订在某型ME M S 姿态测量仪中,在线建立陀螺随机漂移模型,将实时补偿后的数据用于姿态解算,通过对比随机漂移补偿前后的姿态解算结果来获取滤波器的性能信息.具体试验方案如下:将ME M S 姿态测量仪安装于三轴速率转台上,使载体坐标系、转台坐标系与东北天地理坐标系重合.以天轴上的陀螺作为试验对象,控制转台按照如下方式运动:0~320s :陀螺静止;321~660s :陀螺绕敏感轴以5((/s 的速率转动;661~1000s :陀螺绕敏感轴以10((/s 的速率转动;1001~1650s :陀螺绕敏感轴做幅值为10(,周期为10s 的摇摆运动;1651~1800s :陀螺静止.以50H z 的采样频率采集陀螺输出信号,并对陀螺信号进行确定性漂移补偿后的结果如图11450北京航空航天大学学报 2010年所示.图1 动态试验数据在0~320s 范围内陀螺处于静止状态,此时的数据可以认为是陀螺的随机漂移.利用前8s 的数据(400个点在线建立最优模型为ARMA (2,1,其表达式为z k =0.681z k-1-0.255z k-2+a k +0.504a k-1(30结合机动角速率模型,建立形如式(28和式(29的线性系统方程,其参数为A &∋=100-0.2550.681000010.020001B ∋=10001.18500000000001H ∋=[1 0 1 0]自适应K al m an 滤波器选取如下初始参数:X ∋0=[0 0 0 0]TP ∋0=10I系统噪声方差阵元素分别取自陀螺的ARMA 在线建模残差方差和A llan 方差分析结果,具体数值为Q ∋0=d iag [2.954 2.954 11.421 0.383]10-6R ∋0=va r (Z ∋k =7.69910-6以9~1800s 的试验数据作为量测值,使用自适应K alm an 滤波器进行实时滤波,滤波器估计结果如图2~图5所示.图2 估计角速率图3 估计随机漂移图4 估计虚拟噪声均值图5 估计虚拟噪声方差由图2~图5可知,估计出的角速率对量测值跟踪性能良好,估计出的虚拟噪声均值和方差随着时间的推移,在缓慢地发生变化,与实际情况相符.由此可见,滤波器能够适应ME M S 姿态测量仪在一定动态条件下的应用.将角速率估计结果用于实时姿态解算,由于试验对象为天轴陀螺,只需考察解算出的航向角即可.表1给出了统计意义下的航向角解算误差值的比较结果.表1 航向角解算误差比较rad项目运动状态静态0.09710.55320.1789结合图1、图2和表1,可以得出以下结论:1在静态条件下,补偿后的解算结果优于补偿前的情况,误差均值和标准差均降为补偿前的50%.3摇摆条件下,补偿后的解算结果较补偿前1451第12期袁赣南等:M E M S 陀螺随机漂移在线补偿技术的性能也有所提高,误差均值降为补偿前的29%,误差标准差降为补偿前的53%.4 结束语M E M S陀螺随机漂移是随时间缓慢变化的、无规律的近似随机过程,是影响姿态测量系统精度的主要因素之一,有必要加以补偿.通过在线建立随机漂移的ARMA模型和机动角速率模型,进行基于虚拟噪声补偿理论的自适应K al m an滤波,对随机漂移和角速率进行实时估计.试验结果表明,文中采用的系统模型和滤波算法能够适应姿态测量系统动态应用的需要,且使姿态解算精度有了较大程度的提高.参考文献(References[1]王新龙,马闪.光纤陀螺随机漂移误差补偿适用性方法[J].北京航空航天大学学报,2008,34(6:681-685W ang X i n l ong,M a Shan.Appli cab ili ty co m pensati on m et hod f orrando m drift of fi ber opti c gyroscopes[J].J ou rnal ofB eiji ng Un ivers i ty ofAeronau ti cs and A stronau tics,2008,34(6:681-685(i n C h i nese[2]杨叔子,吴雅.时间序列分析的工程应用[M].2版.武汉:华中理工大学出版社,2007:46-138Y ang Shuz,iW u Y a.T i m e s eri es an al ysis i n engineeri ng app lica tion[M].Th e S econd Ed i ti on.W uhan:H uaz hong U n i vers it y of S ci ence and Techn ol ogy Pres s,2007:46-138(i n Ch i nes e [3]Box G E P,Jenk i ns G M,Re i nselG C.T i m e series anal ysis:forecasti ng and con trol[M].Be iji ng:Post&Teleco m Press,2005:287-298[4]P i et D J,Jere m y P.The AR M A m odel i n state space f or m[J].S tatistic&P robab ility L etters,2004,70(8:119-125[5]周洪仁,敬忠良,王培德.机动目标跟踪[M].北京:国防工业出版社,1991:135-153Zhou H ongren,J i ng Zhong li ang,W ang Pei de.M aneuveri ng t arget track ing[M].Beiji ng:N ati ona l Defense I ndu stry Press,1991:135-153(i n C h i nese[6]邓自立.自校正滤波理论及其应用:现代时间序列分析方法[M].哈尔滨:哈尔滨工业大学出版社,2003:179-185Deng Z il.i Ad apti ve filt eri ng t h eory and app lication:m et hod of m od ern ti m e series anal ysis[M].H arb i n:H arb i n In stit u te of Tec hno l ogy P ress,2003:179-185(i n C h i nese[7]邓自立,许燕.基于K al m an滤波的白噪声估计理论[J].自动化学报,2003,29(1:23-31D eng Zil,i Xu Yan.W hite noise esti m ati on t heory based on Kalm an filteri ng[J].A cta Au t om ati ca S i n i ca,2003,29(1:23-31(i n Ch i n ese(编辑:赵海容(上接第1439页5 结论1本文完成B737 800驾驶舱空气流动和传热的数值模拟,得出的数值模拟结果符合大型客机驾驶舱空气设计要求,且与飞行员主观评价结果相一致;2根据数值模拟结果求得驾驶舱P MV指标,该客观评价得出B737 800驾驶舱处于舒适区的范围内,与飞行员主观评价结果相一致;3根据以上两个结论,得出本文驾驶舱的模型设计、简化与驾驶舱边界条件、计算条件的处理均为合理的,本文的驾驶舱数值模拟方法和客观评价方法可运用于此类机型驾驶舱的初期设计研究中.参考文献(References[1]Ab oos a i d iF,W arfi eld M J.Num eri cal an al ysis of a i rflo w i n aircraft cab i n s[R].SAE 91 1441,1991[2]DeJ ager A W,Lytle D m erci al airplane air d i stribu tions yste m developm ent through t h e u se of co m putational fl u i d dy na mics[R].AI AA 1992 0987,1992[3]S ingh A,H os n iM H,H orts m an RH.Nu m erical si m u l ation of airflo w i n an aircraft cabin section[J].ASHRAE T ransacti ons,2002,108(1:1005-1013[4]寿荣中,何慧珊.飞行器环境控制[M].北京:北京航空航天大学出版社,2006:7Shou Rongzhong,H e H uis h an.Aerocraft environm ent con trol sys te m[M].Be iji ng:Beiji ng U n i versit y of A eronau tics and A stro nauti cs Press,2006:7(i n C h i nese[5]陶文铨.数值传热学[M].西安:西安交通大学出版社,2004:28-47TaoW enquan.Num eri calheat tran sfer[M].Xi an:X i an Jiaot ong Un ivers it y Press,2004:28-47(i n C h i nes e[6]谢东,王汉青.不同气流组织下夏季空调室内热舒适环境模拟[J].建筑热能通风空调,2007,27(3:66-69X i e Dong,W ang H anq i ng.Roo m ther m al co m f ort s i m u lati on ofd ifferen t air cond iti oning i n summ er[J].B uil d i ng En ergy&Env i ronm ent,2007,27(3:66-69(i n Ch i nese[7]GB/T18977∗2003热环境人类工效学、适用主观判定量表评价热环境的影响[S]GB/T18977∗2003Ther mal environm en t of ergono m i cs,u si ng t he s ub jective eva l uati on scale d eter m i n e t he effecti ve of t h er m al en vi ronm ent[S](i n Ch i nes e(编辑:李晶1452北京航空航天大学学报 2010年。

阵列信号处理中的DOA （窄带）/接收过程中的信号增强。

参数估计：从而对目标进行定位/给空域滤波提供空域参数。

(DOA)空间谱：输出功率P 关于波达角θ的函数，P(θ).——相加法/经典波束形成器注，延迟相加法和CBF 法本质相同，仅仅是CBF 法的最优权向量是归一化了的。

CBF / Bartlett 波束形成器CBF ：Conventional Beam Former ）最小方差法/Capon 波束形成器/ MVDR 波束形成器MVDR ：minimum variance distortionless response ）Root-MUSIC 算法多重信号分类法解相干的MUSIC 算法（MUSIC ）基于波束空间的MUSIC 算法TAM旋转不变子空间法LS-ESPRIT TLS-ESPRIT 确定性最大似然法（DML ：deterministic ML ）随机性最大似然法（SML ：stochastic ML ）最大似然估计法是最优的方法，即便是在信噪比很低的环境下仍然具有良好的性能，但是通常计算量很大。

同子空间方法不同的是，最大似然法在原信号为相关信号的情况下也能保持良好的性能。

阵列流形矩阵（导向矢量矩阵）只要确定了阵列各阵元之间的延迟τ，就可以很容易地得出一个特定阵列天线的阵列流形矩阵A。

传统的波达方向估计方法是基于波束形成和零波导引概念的，并没有利用接收信号向量的模型（或信号和噪声的统计特性）。

知道阵列流形 A 以后，可以对阵列进行电子导引，利用电子导引可以把波束调整到任意方向上，从而寻找输出功率的峰值。

①常规波束形成(CBF)法CBF法，也称延迟—相加法/经典波束形成器法/傅里叶法/Bartlett波束形成法,是最简单的DOA 估计方法之一。

这种算法是使波束形成器的输出功率相对于某个信号为最大。

（参考自：阵列信号处理中DOA估计及DBF技术研究_赵娜）注意：理解信号模型注意：上式中，导向矩阵A的行向量表示第K个天线阵元对N个不同的信号s(i)的附加权值，列向量表示第i个信号s(i)在M个不同的天线上的附加权值。

MEMS陀螺零偏温度补偿方法贾勇;马戎;李岁劳【摘要】MEMS陀螺零偏是惯性导航系统的主要误差源之一,而外界环境温度变化对MEMS陀螺零偏具有重要影响.针对上述情况,提出基于小波阈值去噪与RBF神经网络相结合的零偏温度补偿方法.通过设计好的实验方案采集与温度相关的MEMS陀螺输出数据,并采用不同的温度补偿方法进行零偏温度补偿.实验结果表明,与原始输出、多项式拟合及RBF神经网络相比,基于去噪RBF神经网络的零偏温度补偿方法精度更高,适应性更强,有效地提高了MEMS陀螺输出精度,进而提高惯性导航系统精度.【期刊名称】《机械与电子》【年(卷),期】2019(037)003【总页数】4页(P18-21)【关键词】MEMS;小波变换;神经网络;温度补偿【作者】贾勇;马戎;李岁劳【作者单位】西北工业大学自动化学院,陕西西安710129;西北工业大学自动化学院,陕西西安710129;西北工业大学自动化学院,陕西西安710129【正文语种】中文【中图分类】U666.120 引言基于MEMS惯性器件的惯性导航系统，以其自主性强、低成本、小尺寸、低功耗和抗干扰的优点，广泛应用在航空、航天、陆地等导航领域，但其缺点是导航误差随时间积累、无法进行长时间的自主导航，其中MEMS惯性器件零偏是主要误差源之一[1]。

同时，外界环境温度的变化极大地影响着MEMS惯性器件零偏，从而将进一步降低了惯性导航系统性能。

由于MEMS陀螺零偏随温度变化呈现非线性特性，且陀螺输出中存在较大的随机噪声。

常规的多项式拟合补偿或分段插值补偿[2]无法准确地表征零偏随温度变化。

基于模糊逻辑[3]的温度补偿则过于复杂，基于灰色理论模型[4-5]存在误差累积的问题，且2种方法均没有充分考虑到温度及其温度变化量与MEMS陀螺零偏间的关系，实用性有待进一步验证。

针对MEMS陀螺零偏随温度变化的情况，采用基于小波阈值去噪和RBF神经网络相结合的零偏温度补偿方法，实现MEMS陀螺零偏温度补偿，提高MEMS陀螺输出精度。

MEMS陀螺随机误差趋势项的支持向量回归机预测补偿算法成雨;叶东;孙兆伟【摘要】为了适应低成本快速响应卫星的发展趋势,越来越多的卫星采用了MEMS 陀螺系统与信息融合方法相结合的设计方案.为提高传统的基于自回归滑动平均(Auto-Regressive and Moving Average,ARMA)模型和支持度的信息融合方法的精度,抑制随机误差趋势项对卫星稳定控制的不利影响,提出了一种基于支持向量回归机(Support Vector Regression,SVR)的预测补偿算法.该算法对各个MEMS 陀螺输出数据进行滤波,并提取相应的随机误差趋势项,通过相空间重构获得训练样本并进行SVR建模,用以实时补偿.然后使用低成本商用器件搭建了MEMS陀螺系统,并在单轴气浮转台上进行了实验.实验结果表明,预测补偿算法使得MEMS陀螺系统输出数据的方差降为原先的31.39％,融合精度得到了显著的提高.【期刊名称】《中国惯性技术学报》【年(卷),期】2016(024)005【总页数】7页(P600-606)【关键词】微机电陀螺;时间序列;支持向量机;相空间重构【作者】成雨;叶东;孙兆伟【作者单位】哈尔滨工业大学卫星技术研究所,哈尔滨150001;哈尔滨工业大学卫星技术研究所,哈尔滨150001;哈尔滨工业大学卫星技术研究所,哈尔滨150001【正文语种】中文【中图分类】V441传统卫星的设计制造过程具有成本高、耗时长的特点，不利于卫星技术在快速响应任务中的应用。

商用现货MEMS（Micro Electro Mechanical System）元器件体积小、重量轻、成本低，能够有效提高卫星的功能密度，缩短研制周期，为卫星快速设计制造提供了思路。

在这一思路的指导下，各国均有采用MEMS陀螺作为姿态确定系统的卫星问世，如斯坦福大学的QuakeSat，东京工业大学的 Cute-1.7+APD2，哈尔滨工业大学的紫丁香2号等。

mems陀螺随机误差建模与补偿最近，Mems陀螺（Micro Electro-Mechanical System Gyroscopes）已经广泛应用于航迹控制、汽车安全驾驶、水下航行、航空运动等多个领域。

Mems陀螺在操作和维护方面的优势已经受到越来越多的关注，但是由于Mems陀螺的体积小，它的输出电平也相对较低，这就导致了它受到很多不同的随机误差的影响，这令其在实际应用中受到了很大的限制。

为了解决这一问题，研究人员研发了基于Mems陀螺的随机误差建模与补偿技术，以提高它们在实际应用中的精度和可靠性。

Mems陀螺受到的随机误差往往来自于传感器本身的结构参数以及外界环境的影响。

例如，由于传感器的结构参数的不稳定性，可能会导致传感器的输出电平有所变化，从而影响传感器的输出结果。

除此之外，外界环境的影响也会对误差的大小产生一定的影响。

例如，外界的温度和湿度的变化可能会对陀螺的误差产生不同的影响，这就需要对这些误差进行建模和补偿。

为了建模和补偿Mems陀螺的随机误差，首先需要针对传感器本身的结构参数进行深入的研究和分析，以建立传感器在结构参数变化时误差变化的模型。

其次，需要研究外界环境对Mems陀螺结构参数的影响，并建立数学模型来描述该影响，以及建立外界环境的误差补偿模型。

最后，要将结构参数误差模型和外界环境误差补偿模型集成到一起，以形成最终的Mems陀螺随机误差建模与补偿模型。

基于Mems陀螺随机误差建模与补偿技术，可以有效抑制Mems陀螺的误差，提高其在实际应用中的精度。

因此，这一技术已经在航迹控制、汽车安全驾驶、水下航行、航空运动等多个领域得到了广泛的应用，取得了很好的效果。

然而，建立一个准确的Mems陀螺随机误差建模与补偿模型需要极大的计算量，传感器参数和外界环境的变化也会对模型的准确性造成一定影响。

另外，传感器本身的细微误差也会改变传感器的输出，从而引起误差模型的变化，这也是模型准确性的重要影响因素。

用于mems陀螺阵列信号处理的obe平滑算法
针对MEMS陀螺阵列信号处理的One-Bit-Error（OBE）平滑算法可以用于削弱噪声干扰，提高信号精度和稳定性。

算法步骤如下：
1.定义：设陀螺阵列中第i个陀螺的输出为y_i(n)，OBE平滑后的输出为
\hat{y}_i(n)，b_i(n)为第i个陀螺的one-bit-error。

2.计算baseline：对每个陀螺输出的平均值\mu_i(n)和方差Var_i(n)进行估计，用于后续的判断是否发生OBE。

3.判断OBE：对于第i个陀螺，若其输出y_i(n)与baseline的距离大于3倍标准差，则认为发生了OBE，即b_i(n)=1，否则b_i(n)=0。

4.更新baseline：对于每个陀螺，若发生了OBE，则将该时刻的输出值从baseline 中移除，并重新计算平均值和方差；否则，仅更新平均值。

5.平滑输出：根据每个陀螺的输出和OBE标志，进行平滑处理。

若b_i(n)=1，则用上一时刻的平滑输出替代\hat{y}_i(n)，否则，采用经典的卡尔曼滤波算法。

6.输出陀螺阵列的平均值：将每个陀螺的平滑输出取平均值作为陀螺阵列的最终输出。

该算法可以很好地减少OBE对信号的影响，特别是在高动态环境下的信号处理中效果更加显著。

改进的内框架驱动式硅MEMS陀螺温度误差模型房建成;李建利;盛蔚【期刊名称】《北京航空航天大学学报》【年(卷),期】2006(032)011【摘要】温度误差是MEMS(Micro Electronic Mechanical System)陀螺仪的主要误差源之一,为了消除温度对内框架驱动式硅MEMS陀螺仪性能的影响,提出了一种改进的温度误差模型.基于硅材料的赛贝克(Seebeek)效应,结合表头温度变形,分析了陀螺仪零偏误差;利用温度引起的干扰力矩,分析了陀螺仪输出与比力及角加速度有关项误差;针对温度引起系统谐振频率的变化,分析了陀螺仪标度因数误差.试验结果表明:在温度变化过程中,比力引起的干扰力矩是导致陀螺仪温度误差的主要因素,验证了改进的温度误差模型的正确性,补偿后陀螺仪的零偏稳定性提高了53.75倍,标度因数精度提高了19.6倍,改进的温度误差模型也适用于其它MEMS 陀螺仪.【总页数】5页(P1277-1280,1303)【作者】房建成;李建利;盛蔚【作者单位】北京航空航天大学,仪器科学与光电工程学院,北京,100083;北京航空航天大学,仪器科学与光电工程学院,北京,100083;北京航空航天大学,仪器科学与光电工程学院,北京,100083【正文语种】中文【中图分类】U666.1;V241.6【相关文献】1.内框驱动双框架式硅微角振动陀螺仪的微分方程模型 [J], 罗跃生2.改进的MEMS陀螺静态误差模型及标定方法 [J], 李建利;房建成3.内框驱动式硅微型角振动陀螺仪灵敏度研究 [J], 方玉明;茅盘松4.硅微型梳状线振动驱动式陀螺仪的模型分析 [J], 范崇金;罗跃生5.改进型双框架式硅微角振动陀螺仪的工作机理及误差分析 [J], 张燕娥因版权原因，仅展示原文概要，查看原文内容请购买。

基于数字滤波的激光陀螺数字信号处理算法程耀强;徐德民;万彦辉;刘明雍【期刊名称】《中国惯性技术学报》【年(卷),期】2013(000)001【摘要】The working of laser gyro is based on Sagnac effect, and its output signals are digital form naturally. High speed digital signal processor provides a hardware platform for digital filter. Under the existing researches and technological level, the quality of filter algorithm of laser gyro output signal directly influences its precision. In this paper, 0.25 ms raw test data were sampled and used as research object, and the improved FIR and IIR filter algorithms were used to deal with them. The advantages and disadvantages of the improved algorithm were discussed from its real-time characteristic and processing accuracy. Finally, an optimal filter algorithm was selected for laser gyro:IIR filter+13 orders filter. The test results show that, in comparison with 34 orders FIR filter, the selected filter algorithm can reduce system’s time delay from traditional 3.625 ms to about 1.805 ms without reducing its precision. Thus the guidance system’s real time is significantly improved, and this has important reference value in engineering application.% 基于Sagnac效应的激光陀螺，信号输出为天然的数字形式，高速数字信号处理器为数字滤波提供了硬件平台，在现有研制精度和工艺水平下，激光陀螺输出信号的滤波算法好坏直接影响其精度.采集激光陀螺0.25 ms原始测试数据，并以此为研究对象，首先采用改进的FIR、IIR滤波算法进行了处理，然后从算法的实时性、处理精度等方面讨论了改进算法的优缺点，最后为激光陀螺选定了最优的滤波算法：IIR滤波+13阶FIR滤波.试验表明，相对于34阶FIR滤波，选定的滤波算法在不减低系统精度的基础上，将系统的时延从传统的3.625 ms降至1.805 ms左右，极大提高了制导系统的实时性，具有重要的工程参考价值.【总页数】5页(P112-115,130)【作者】程耀强;徐德民;万彦辉;刘明雍【作者单位】西北工业大学航海学院，西安 710072;西北工业大学航海学院，西安 710072; 水下信息处理与控制国家级重点实验室，西安 710072;中国航天科技集团公司九院第十六研究所，西安 710100;西北工业大学航海学院，西安710072【正文语种】中文【中图分类】U666.1【相关文献】1.基于四频差动激光陀螺/星敏感器的卫星定姿算法 [J], 臧强;高晶敏;杨鸿波;关新;陈守磊2.基于RLS算法实现激光陀螺抖动信号剥除 [J], 张庆华;樊振方3.基于嵌入式数字信号处理器的数字滤波器设计和算法实现 [J], 蒋明4.基于FIR数字滤波器的激光陀螺信号的提取 [J], 田熙燕;张春侠;路静5.基于FIR数字滤波器的激光陀螺信号的提取 [J], 田熙燕;张春侠;路静;因版权原因，仅展示原文概要，查看原文内容请购买。

姿态解算一、主线姿态暗示方法：矩阵暗示，轴角暗示，欧拉角暗示，四元数暗示。

惯性丈量单位IMU（Inertial Measurement Unit）：MPU6050芯片，包含陀螺仪和加速度计，辨别丈量三轴加速度和三轴角速度。

注意，传感器所测数据是原始数据，包含了噪声，无法直接用于遨游翱翔器的姿态解算，因此需要对数据进行滤波。

滤波算法：非线性互补滤波算法，卡尔曼滤波算法，Mahony 互补滤波算法。

二、知识点弥补加速度计和陀螺仪加速度计：加速度计,可以丈量加速度,包含外力加速度和重力加速度,因此，当被测物体在静止或匀速运动（匀速直线运动）的时候,加速度计仅仅丈量的是重力加速度,而重力加速度与R坐标系（绝对坐标系）是固连的,通过这种关系,可以获得加速度计所在平面与空中的角度关系也就是横滚角和俯仰角。

把加速度传感器水平静止放在桌子上，它的Z轴输出的是1g的加速度。

因为它Z轴标的目的被重力向下拉出了一个形变。

可惜的是，加速度传感器不会区分重力加速度与外力加速度。

所以，当系统在三维空间做变速运动时，它的输出就不正确了，或者说它的输出不克不及标明物体的姿态和运动状态。

陀螺仪：陀螺仪丈量角速度。

陀螺仪模型如图1所示，陀螺仪的每个通道检测一个轴的旋转。

图1[引自网络]上图中，Rxz是R在XZ面上的投影，与Z轴的夹角为Axz。

Ryz是R在ZY面上的投影，与Z轴的夹角为Ayz。

陀螺仪就是丈量上面界说角度的变更率，换句话说，它会输出一个与上面这些角度变更率线性相关的值。

加速度计工作原理介绍（摘自网络）年夜大都加速度计可归为两类：数字和模拟。

数字加速度计可通过I2C，SPI或USART方法获取信息，而模拟加速度计的输出是一个在预定规模内的电压值，你需要用ADC（模拟量转数字量）模块将其转换为数字值。

不管使用什么类型的ADC模块，城市获得一个在一定规模内的数值。

例如一个10位ADC模块的输出值规模在01023间。

假设我们从10位ADC模块获得了以下的三个轴的数据：每个ADC模块都有一个参考电压，假设在我们的例子中，它是3.3V。