光纤陀螺漂移建模与滤波提升捷联罗经法自对准精度

本文主要探讨了一种在高精度光纤陀螺仪(FOG)基础上的捷联惯导系统(self-integrated navigation system, SINS)的应用研究，特别是在罗经法自对准(self-alignment)过程中的关键技术。研究者采用时间序列分析(Time Series Analysis)方法，对光纤陀螺的随机漂移(random drift)进行了深入分析。通过构建自回归滑动平均(ARMA)模型，该模型能够捕捉和量化漂移数据中的随机行为，这对于保持系统的长期稳定性和精度至关重要。 在实际的SINS系统中，光纤陀螺作为关键传感器，其性能对导航精度有着直接影响。ARMA模型有助于预测并补偿由于温度、振动等因素引起的漂移，这些漂移如果不加以控制，会逐渐积累，导致定位误差。通过实时滤波估计，该模型能够在自对准过程中动态地减小这种影响，从而提高整个系统的定位准确度。 此外，文中还提到了与卡尔曼滤波(Kalman Filter)的比较。虽然ARMA模型在某些情况下可能提供更直观的解释和处理非线性噪声的能力，但卡尔曼滤波通常被用于处理具有高动态特性的系统，并且在处理高维数据时更为高效。然而，两者各有优势，本文可能在特定条件下选择了ARMA模型来优化SINS的罗经法自对准过程。 实验结果显示，作者提出的这种方法在实际样机测试中表现出色，显著提升了光纤陀螺SINS在罗经法自对准过程中的精度，这对于许多需要高精度定位的领域，如航空航天、自动驾驶和精密仪器导航等，具有重要的实际应用价值。 本文的研究为改善光纤陀螺SINS的稳定性和精度提供了一种有效的策略，尤其是在复杂环境中，通过精确的漂移模型和实时滤波，能够确保系统在长时间运行下仍能维持稳定的导航性能。