随机误差与Allan方差的理解
以下主要以,MEMS惯性器件的误差分析为例:
1.确定性误差
主要考虑标度因数误差、零偏和轴失准误差。
1.1加速度计
加速度计误差模型
[ f x o f y o f z o ] = [ s a x k x y k x z ∇ x k y x s a y k y z ∇ y k z x k z y s a z ∇ z ] [ f x i f y i f z i 1 ] \begin{bmatrix}f_{xo}\\ f_{yo}\\ f_{zo} \end{bmatrix}= \begin{bmatrix}s_{ax} & k_{xy} & k_{xz} & \nabla_x\\ k_{yx} & s_{ay} & k_{yz} &\nabla_y\\ k_{zx} & k_{zy} & s_{az} & \nabla_z \end{bmatrix} \begin{bmatrix}f_{xi}\\ f_{yi}\\ f_{zi}\\1 \end{bmatrix} ⎣⎡fxofyofzo⎦⎤=⎣⎡saxkyxkzxkxysaykzykxzkyzsaz∇x∇y∇z⎦⎤⎣⎢⎢⎡fxifyifzi1⎦⎥⎥⎤
6位置静态标定法
各轴输入加速度向量:
I = [ + g − g 0 0 0 0 0 0 + g − g 0 0 0 0 0 0 + g − g 1 1 1 1 1 1 ] I=\begin{bmatrix} +g & -g & 0 & 0 & 0 & 0 \\ 0 & 0 & +g & -g & 0& 0\\ 0 & 0 & 0 & 0 & +g & -g\\ 1 & 1 & 1 & 1 & 1 & 1 \end{bmatrix} I=⎣⎢⎢⎡+g001−g0010+g010−g0100+g100−g1⎦⎥⎥⎤
加速度计实际输出值:
O = [ f x 1 f x 2 f x 3 f x 4 f x 5 f x 6 f y 1 f y 2 f y 3 f y 4 f y 5 f y 6 f z 1 f z 2 f z 3 f z 4 f z 5 f z 6 ] O=\begin{bmatrix} f_{x1} & f_{x2} & f_{x3} & f_{x4} & f_{x5} & f_{x6} \\ f_{y1} & f_{y2} & f_{y3} & f_{y4} & f_{y5} & f_{y6} \\ f_{z1} & f_{z2} & f_{z3} & f_{z4} & f_{z5} & f_{z6} \\ \end{bmatrix} O=⎣⎡fx1fy1fz1fx2fy2fz2fx3fy3fz3fx4fy4fz4fx5fy5fz5fx6fy6fz6⎦⎤
有 O = G I O=GI O=GI
根据最小二乘公式:
G = O I T ( I I T ) − 1 G=OI^T(II^T)^{-1} G=OIT(IIT)−1
(每个位置可以提供3个约束(方程),共12个未知数)。
1.2陀螺仪
陀螺仪误差模型
[ ω x o ω y o ω z o ] = [ s g x k x y k x z ε x k y x s g y k y z ε y k z x k z y s g z ε z ] [ ω x i ω y i ω z i 1 ] \begin{bmatrix}\omega_{xo}\\ \omega_{yo}\\ \omega_{zo} \end{bmatrix}= \begin{bmatrix}s_{gx} & k_{xy} & k_{xz} & \varepsilon_x\\ k_{yx} & s_{gy} & k_{yz} &\varepsilon_y\\ k_{zx} & k_{zy} & s_{gz} & \varepsilon_z \end{bmatrix} \begin{bmatrix}\omega_{xi}\\ \omega_{yi}\\ \omega_{zi}\\1 \end{bmatrix} ⎣⎡ωxoωyoωzo⎦⎤=⎣⎡sgxkyxkzxkxysgykzykxzkyzsgzεxεyεz⎦⎤⎣⎢⎢⎡ωxiωyiωzi1⎦⎥⎥⎤
6位置静态标定法
各轴输入角速度向量:
I = [ + ω − ω 0 0 0 0 0 0 + ω − ω 0 0 0 0 0 0 + ω − ω 1 1 1 1 1 1 ] I=\begin{bmatrix} +\omega & -\omega & 0 & 0 & 0 & 0 \\ 0 & 0 & +\omega & -\omega & 0& 0\\ 0 & 0 & 0 & 0 & +\omega & -\omega\\ 1 & 1 & 1 & 1 & 1 & 1 \end{bmatrix} I=⎣⎢⎢⎡+ω001−ω0010+ω010−ω0100+ω100−ω1⎦⎥⎥⎤
陀螺仪实际输出值:
O = [ ω x 1 ω x 2 ω x 3 ω x 4 ω x 5 ω x 6 ω y 1 ω y 2 ω y 3 ω y 4 ω y 5 ω y 6 ω z 1 ω z 2 ω z 3 ω z 4 ω z 5 ω z 6 ] O=\begin{bmatrix} \omega_{x1} & \omega_{x2} & \omega_{x3} & \omega_{x4} & \omega_{x5} & \omega_{x6} \\ \omega_{y1} & \omega_{y2} & \omega_{y3} & \omega_{y4} & \omega_{y5} & \omega_{y6} \\ \omega_{z1} & \omega_{z2} & \omega_{z3} &\omega_{z4} & \omega_{z5} & \omega_{z6} \\ \end{bmatrix} O=⎣⎡ωx1ωy1ωz1ωx2ωy2ωz2ωx3ωy3ωz3ωx4ωy4ωz4ωx5ωy5ωz5ωx6ωy6ωz6⎦⎤
有 O = G I O=GI O=GI
根据最小二乘公式:
G = O I T ( I I T ) − 1 G=OI^T(II^T)^{-1} G=OIT(IIT)−1
(更多的数据同样可以解)
2.随机误差
2.1加速度计
待补充
2.2陀螺仪
主要包括角度量化噪声(-1)、角度随机游走(-1/2)、零偏不稳定性(0)、角速率随机游走(1/2)和角速率斜坡(1)。
在 l o g 10 τ − l o g 10 σ ( τ ) log_{10}\tau-log_{10}\sigma(\tau) log10τ−log10σ(τ)双对数图上,如何读出误差系数:
量化噪声(Quantization Noise, QN) 其误差系数 Q Q Q,单位为 ′ ′ '' ′′:斜率为-1的线的延长线与 τ = 1 \tau = 1 τ=1交点的纵坐标读数为 3 Q \sqrt{3}Q 3 Q;
角度随机游走(Angular Random Walk, ARW) 其误差系数 N N N,单位为 ( ∘ ) / h 1 / 2 (^\circ)/h^{1/2} (∘)/h1/2:斜率为-1/2的线的延长线与 τ = 1 \tau = 1 τ=1交点的纵坐标读数即为 N N N;
零偏不稳定性噪声(Bias Instability, BI) 其误差系数 B B B,单位为 ( ∘ ) / h (^\circ)/h (∘)/h:斜率为0的线的延长线与 τ = 1 \tau =1 τ=1交点的纵坐标读数为 2 B / 3 2B/3 2B/3;
角速率随机游走(Rate Random Walk, RRW) 其误差系数 K K K,单位为 ( ∘ ) / h 3 / 2 (^\circ)/h^{3/2} (∘)/h3/2:斜率为1/2的线的延长线与 τ = 1 \tau = 1 τ=1交点的纵坐标读数为 K / 3 K/\sqrt{3} K/3 ;
速率斜坡(Rate Ramp, RR) 其误差系数 R R R,单位为 ( ∘ ) / h 2 (^\circ)/h^{2} (∘)/h2:斜率为1的线的延长线与 τ = 1 \tau = 1 τ=1交点的纵坐标读数为 R / 2 R/\sqrt{2} R/2 ;
单位换算问题?读出误差系数之后该怎么使用?
MEMS陀螺:较明显的三段 -1/2(0.01s-1s)、0(5s-100s)、1/2(>100s)
光纤陀螺:两段 -1/2(0.005s-200s)、0(很短)、1/2(>1000s)
激光陀螺:一段 -1(0.01s-10000s整条曲线)
陀螺精度越高,对应的Allan方差曲线应当越靠近横轴。
3. 深一步理解
随机误差与Allan方差的理解相关推荐
- allan方差 imu_MEMS-IMU随机误差的Allan方差分析
MEMS-IMU 随机误差的 Allan 方差分析 厉宽宽 , 陈允芳 , 程敏 , 王云鹏 [摘 要] 随着微机电系统-惯性测量单元 (MEMS-IMU) 技术的发展 , 低成本惯 性导航系统 (I ...
- Allan方差与随机误差辨识
Allan方差与随机误差辨识 背景 量化噪声 角度-速度随机游走 零偏不稳定性 角速度-加速度随机游走 漂移速率斜坡 参考文献 背景 Allan 方差是辨识随机噪声的有力工具.通过 Allan 曲线能 ...
- 从零开始的VIO——Allan方差工具
1. 前言 通过<从零开始手写VIO>第二章的学习,我逐渐发现课程本身的内容并不是很难理解,老师讲的比较到位,但对我最大的困难在于环境配置.如果给我一个完整的实验环境让我修改代码.补全函数 ...
- 陀螺仪随机误差的Allan方差分析
https://blog.csdn.net/u012325601/article/details/60882949 陀螺仪随机误差的Allan方差分析 GitHub仓库:https://github. ...
- IMU标定之---Allan方差
0. 简介 在研究晶体振荡器和原子钟的稳定性时,人们发现这些系统的相位噪声中不仅有白噪声,而且有闪烁噪声.使用标准差分析这类噪声时发现结果是无法收敛的.为了解决这个问题,David Allan于196 ...
- Allan方差:标准allan方差求取和重叠(Overlaping)方差求取 如何计算各个参数值!
Allan介绍: 对于随机误差,利用常规的分析方法,例如计算样本均值和方差并不能揭示潜在的误差源,另一方面,虽然自相关函数和功率谱密度函数分别从时域和频域描述了随机误差的统计特性,但是在实际工作中通过 ...
- allan方差 matlab,Allan方差是什么?(上)
1.引言 在研究晶体振荡器和原子钟的稳定性时,人们发现这些系统的相位噪声中不仅有白噪声,而且有闪烁噪声.使用传统的统计工具(例如标准差)分析这类噪声时统计结果是无法收敛的.为了解决这个问题,David ...
- Allan方差读图分析IMU误差指标
1.Allan方差公式推导 IMU噪声参数辨识-艾伦方差 - 知乎前言在统计学中描述随机变量的两个经典参数是均值和方差,早期在定量表征原子钟的频率稳定度时采用的就是经典方差方法.1996年,学者D.W ...
- 惯性导航原理(六)-IMU误差分类(中)-陀螺+加速度计测量模型+误差模型+Allan方差简介
噪声(Noise ) 幅度(RMS)与带宽的平方根成正比 由上图可知,信号总能量就是幅度的平方:功率谱密度对于惯性传感器来说才是本质的参数,它变低了,说明传感器才是真正的好. 通过求平均来降低噪声的幅 ...
最新文章
- RDIFramework.NET ━ .NET快速信息化系统开发框架 V3.2-新增模块管理界面导出功能(可按条件导出)...
- tar.xz、tar.bz2 压缩包解压方式
- jdbc.properties 配置
- 多线程——NSThread、GCD、NSOperation
- 深度学习与计算机视觉(二)线性SVM与Softmax分类器
- 进程控制常用的一些操作
- java基础—Objcet中的equals方法重写
- VS2015 C#利用QrCodeNet生成QR Code
- Nginx配置HTTP2.0 1
- MyBatis #{ } ${ }
- PHP实现程序单例执行
- 贵州全国计算机二级报名官网入口,2019年3月贵州全国计算机二级考试报名入口已开通...
- 12.SpringBoot集成微信公众号开发
- Windows7 内部版本7601 此Windows副本不是正版
- 值得看看的艺术影片 (转)
- 安装VMware出现无效驱动器
- win10目标文件夹访问被拒绝怎么办
- c语言动态分配内存keil,keil5中结构体分配内存问题
- 驾考一点通维语版_驾考宝典维语版APP下载-驾考宝典维语版正式版下载[安卓版]-华军软件园...
- protoc 命令参数