动态Allan方差提升MEMS惯性测量单元性能评估准确性

本文研究了如何改进对微机电系统（MEMS）惯性测量单元（IMU）性能的评估方法，特别是在受到环境因素如温度影响的情况下。经典Allan方差是一种常用的技术，用于衡量传感器的随机误差和稳定性，但其局限性在于无法有效捕捉各惯性元件随时间变化的特性。为此，作者提出了一种新型方法——动态Allan方差（DAVAR）。 DAVAR方法旨在解决经典Allan方差对于时变特性的忽视问题。通过引入动态参数，DAVAR能够更精确地识别MEMS陀螺仪和加速度计的随机误差项，并对其进行实时的时变特性分析。研究发现，与经典Allan方差相比，DAVAR在随机误差辨识方面的表现更加准确，它能提供更可靠的结果。 在变温实验中，DAVAR的仿真结果显示了惯性器件输出信号如何随着温度变化而发生变化，这有助于深入理解环境因素对IMU性能的影响。通过DAVAR的性能评价，可以得出更加全面和准确的结论，这对于保证设备在实际应用中的稳定性和可靠性至关重要。 因此，本文的主要贡献在于提出了一种有效的性能评估工具，对于提高MEMS惯性测量单元在严苛环境下的工作性能具有实际意义。该研究成果对于设计和优化高性能、环境适应性强的IMU系统具有重要的理论和实践价值。在未来的研究中，DAVAR方法有望成为评估此类设备性能的标准方法之一。