小波多尺度与模糊自适应Kalman滤波：MEMS陀螺仪随机误差的有效抑制

本文主要探讨了2009年发表在《北京航空航天大学学报》上的一篇关于MEMS（微机电系统）陀螺仪随机误差滤波的论文。作者陈殿生、邵志浩、雷旭升等人来自北京航空航天大学的机械工程及自动化学院和仪器科学与光电工程学院，他们针对MEMS陀螺仪在高精度测量中的常见问题——随机漂移，提出了创新的解决方案。 论文的核心技术是基于小波多尺度分析。具体而言，研究人员采用了bior1.5小波对陀螺仪的随机漂移进行了深度为4的分解，这种技术能够更精细地解析信号的不同频率成分。通过这种方法，他们成功重建了各尺度信号，这有助于更好地理解随机漂移的行为模式。 接下来，他们采用时间序列方法对这些分解后的信号进行建模，相比于传统的建模方法，这种方法显著降低了模型的预测误差。这意味着更精确的预测能力有助于提高陀螺仪的稳定性和准确性。 为了进一步优化滤波效果，论文提出了一种模糊自适应Kalman滤波算法。这个方法利用模糊控制技术，实时调整噪声方差阵，根据残差均值与方差的变化动态调整滤波策略，增强了对重建信号中随机噪声的抑制能力。这种自适应性使得滤波器能更好地适应不断变化的环境条件。 通过一系列对比实验，研究者证实了基于多尺度分析和模糊自适应Kalman滤波的组合方案对消除MEMS陀螺仪的随机漂移误差具有显著的效果。Allan方差分析的结果也证实了滤波后的数据中随机误差得到了有效减小，这对于提升陀螺仪在导航、航空航天等领域的性能至关重要。 这篇论文不仅展示了小波多尺度分析在MEMS陀螺仪随机误差处理中的应用，还引入了模糊自适应Kalman滤波技术，为提高微电子设备的稳定性提供了新的理论依据和技术支持。对于从事精密测量或信号处理的工程师来说，这篇文章提供了一个有价值的研究视角和实践指导。