技术标签: 惯性导航
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这些函数加以分析将随机误差分离出来是很困难的;Allan方差法是20世纪60年代由美国国家标准局David Allan提出的,它是一种基于时域的分析方法,不仅可以用来分析光学陀螺的误差特性,而且还可以应用于其他任何精密测量仪器.Allan方差法的主要特点是能非常容易对各种误差源及其对整个噪声统计特性的贡献进行细致的表征和辨识,而且便于计算,易于分离。它提供了一种识别并量化存在于数据中的不同噪声项。
Allan方差分析主要用于分析陀螺量化噪声、角度随机游走噪声(角速率白噪声)、零偏不稳定性、角速率随机游走(角加速度白噪声)和速率斜坡(角速率常值趋势项),等五种典型误差。
其中在组合导航中,主要有用的是
(1)、角度随机游走系数(角速率白噪声):主要用于设置Q阵
(2)、零偏不稳定性系数(Bias Instability):主要用于设置一阶马氏过程的方差
定义与计算:
(1)基于角速率测量值的ALLAN计算,此处以陀螺仪输出为例:
设以采样时间 τ0 对陀螺仪输出角速率进行采样,共采样N个点,把所获得的N个数据分成K组,每组包含M个采样点。
K=N/M,M<(N-1)/2;如下:
每一组的持续时间 τM=Mτ0 ,称之为相关时间,每一组的平均值为:
Allan方差定义为:
备注:此处的方差计算与一般我们所熟知的方差(概率统计中)计算不同,它每个样本不是与均值相减,而是每个区间的均值与下一个区间的均值相减(这里的区间就是分组,即组与组之间相减)。
(2)基于角度增量测量值的ALLAN计算,此处以陀螺仪输出为例:
陀螺仪直接输出测量时刻的角度增量值:
设采样时间为 τ0 ,则角度增量测量值在离散时刻为tk=kτ0(k=1,2,……,N)上进行的;简记为θk=θ(kτ0 ,时刻tk与tk+τ之间的角速率为:
式中,τ=m*τ0,则有角度增量测量值定义的ALLAN方差为:
ALLAN方差的估计精度:
在实际中,ALLAN方差估计是基于有限长度数据,估计精度依赖于独立数组(分组个数)的数量。设共有N个数据点,将其分成长度为M个数据组,则ALLAN方差估计的百分比误差为:
上式表明:
在短τ中估算误差:即分组数量很多(M比较大),因此估算误差较小;
在长τ中估算误差:即分组数量很少(M比较小),因此估算误差较大;
从ALLAN双对数图中,也可以看出,图中左部分τ较小,allan估计误差较小;而在图的右部分τ较大,allan估计误差较大!
现在将标准ALLAN方差求解的程序附上:
clear ; clc;close all;
% function [sigma, tau, Err] = avar(y0, tau0)
% 计算Allan方差
% 输入:y -- 数据(一行或列向量), tau0 -- 采样周期
% 输出:sigma -- Allan方差(量纲单位与输入y保持一致), tau -- 取样时间, Err -- 百分比估计误差
% 作者: Yan Gong-min, 2012-08-22
% example:
y0 = randn(100000,1) + 0.00001*[1:100000]';
tau0=0.1;
% [sigma, tau, Err] = avar(y, 0.1);
% [sigma, tau, Err] = avar(y0, tau0)
N = length(y0);
y = y0; NL = N;
for k = 1:100000
sigma(k,1) = sqrt(1/(2*(NL-1))*sum([y(2:NL)-y(1:NL-1)].^2));
tau(k,1) = 2^(k-1)*tau0;
Err(k,1) = 1/sqrt(2*(NL-1));
NL = floor(NL/2);
if NL<3
break;
end
y = 1/2*(y(1:2:2*NL) + y(2:2:2*NL)); % 分组长度加倍(数据长度减半)
end
subplot(211), plot(tau0*[1:N], y0); grid
xlabel('\itt \rm/ s'); ylabel('\ity');
subplot(212),
loglog(tau, sigma, '-+', tau, [sigma.*(1+Err),sigma.*(1-Err)], 'r--'); grid
xlabel('\itt \rm/ s'); ylabel('\it\sigma_A\rm( \tau )');
运行结果:
参考链接:
Analysis and Modeling of Inertial Sensors Using Allan Variance
重叠式和标准式的不同在于提高有限数据的利用率,具体如下图所示:
Cluster中为3*τ;每一个Cluster之间的距离为τ;
示例代码(基于角度增量计算):
clear ; clc;close all;
omega = randn(100000,1) + 0.00001*[1:100000]';
fs=10; %频率
pts=100; %组
% [T,sigma]=allan(omega,fs,pts)
[N ,M]=size(omega); %计算数据集大小
n=2.^(0:floor(log2(N/2)))'; %最大数据集
maxN=n(end);
endLogInc=log10(maxN);
m=unique(ceil(logspace(0,endLogInc,pts)))';
t0=1/fs;
T=m*t0;
theta=cumsum(omega)/fs; %速率值变为角度增量
sigma2=zeros(length(T),M);
for i=1:length(m)
for k=1:N-2*m(i)
sigma2(i,:)=sigma2(i,:)+(theta(k+2*m(i),:)-2*theta(k+m(i),:)+theta(k,:)).^2;
end
end
sigma2=sigma2./repmat((2*T.^2.*(N-2*m)),1,M);
sigma=sqrt(sigma2);
%plot
loglog(T, sigma, '-+'); grid
xlabel('\itt \rm/ s'); ylabel('\it\sigma_A\rm( \tau )');
运行结果:
然后根据ALLAN方差分析结果图求取在标准单位下(SI)的噪声值:
量化噪声:slope=-1
角度随机游走:slope=-1/2
零偏不稳定性:slope=0(曲线的平直部分,最下端)
角速率随机游走:slope=1/2
速率斜坡:slope=1;
以MEMS陀螺仪为例,其噪声主要是由: N (angle random walk), K (rate random walk), B (bias instability)
示例代码:
% Noise Parameter Identification
% Find the index where the slope of the log-scaled Allan deviation is equal to the slope specified.
% Angle Random Walk
% The above equation is a line with a slope of -1/2 when plotted on a log-log plot of σ(τ)versusτ.
% The value of N can be read directly off of this line at τ=1.
slope = -0.5;
logtau = log10(tau);
logadev = log10(adev);
dlogadev = diff(logadev) ./ diff(logtau);
[~, i] = min(abs(dlogadev - slope)); %找到slope=-0.5 最接近的点;
% Find the y-intercept of the line.
b = logadev(i) - slope*logtau(i);
% Determine the angle random walk coefficient from the line.
logN = slope*log(1) + b;
disp('random walks')
N = 10^logN %角度随机游走值,单位为:(rad/s/root-Hz)
% Plot the results.
tauN = 1;
lineN = N ./ sqrt(tau);
figure
loglog(tau, adev, tau, lineN, '--', tauN, N, 'o')
title('Allan Deviation with Angle Random Walk')
xlabel('\tau')
ylabel('\sigma(\tau)')
legend('\sigma', '\sigma_N')
text(tauN, N, 'N')
grid on
axis equal
%% Rate Random Walk
% The above equation is a line with a slope of 1/2 when plotted on a log-log plot of σ(τ)versusτ.
% The value of N can be read directly off of this line at τ=3.
slope = 0.5;
logtau = log10(tau);
logadev = log10(adev);
dlogadev = diff(logadev) ./ diff(logtau);
[~, i] = min(abs(dlogadev - slope));
% Find the y-intercept of the line.
b = logadev(i) - slope*logtau(i);
% Determine the rate random walk coefficient from the line.
logK = slope*log10(3) + b;
disp('rate random walks')
K = 10^logK %速率随机游走 angle rate random walks (rad/s^2/root-Hz)
% Plot the results.
tauK = 3;
lineK = K .* sqrt(tau/3);
figure
loglog(tau, adev, tau, lineK, '--', tauK, K, 'o')
title('Allan Deviation with Rate Random Walk')
xlabel('\tau')
ylabel('\sigma(\tau)')
legend('\sigma', '\sigma_K')
text(tauK, K, 'K')
grid on
axis equal
%% Bias Instability
% The above equation is a line with a slope of 0 when plotted on a log-log plot of σ(τ)versusτ.
% The value of B can be read directly off of this line with a scaling of sqrt(2*log(2)/pi) .
slope = 0;
logtau = log10(tau);
logadev = log10(adev);
dlogadev = diff(logadev) ./ diff(logtau);
[~, i] = min(abs(dlogadev - slope));
% Find the y-intercept of the line.
b = logadev(i) - slope*logtau(i);
% Determine the bias instability coefficient from the line.
scfB = sqrt(2*log(2)/pi);
logB = b - log10(scfB);
disp('Bias Instability')
B = 10^logB %零偏不稳定性 gyros dynamic biases or bias instabilities (radians/s)
disp('BI, correlation time, in seconds\n')
tau(i)
% Plot the results.
tauB = tau(i);
lineB = B * scfB * ones(size(tau));
figure
loglog(tau, adev, tau, lineB, '--', tauB, scfB*B, 'o')
title('Allan Deviation with Bias Instability')
xlabel('\tau')
ylabel('\sigma(\tau)')
legend('\sigma', '\sigma_B')
text(tauB, scfB*B, '0.664B')
grid on
axis equal
%% Now that all the noise parameters have been calculated,
% plot the Allan deviation with all of the lines used for quantifying the parameters.
tauParams = [tauN, tauK, tauB];
params = [N, K, scfB*B];
figure
loglog(tau, adev, tau, [lineN, lineK, lineB], '--', ...
tauParams, params, 'o')
title('Allan Deviation with Noise Parameters')
xlabel('\tau')
ylabel('\sigma(\tau)')
legend('\sigma', '\sigma_N', '\sigma_K', '\sigma_B')
text(tauParams, params, {'N', 'K', '0.664B'})
grid on
axis equal
结果输出:
如有疑问,请和我沟通!
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数