咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >一种MEMS加速度计的噪声处理与参数训练方法 收藏

一种MEMS加速度计的噪声处理与参数训练方法

Noise Processing and Parameter Training Method for MEMS Accelerometer

作     者:张旭 路永乐 郭俊启 肖明朗 吴英 ZHANG Xu;LU Yong-le;GUO Jun-qi;XIAO Ming-lang;WU Ying

作者机构:重庆邮电大学智能传感技术与微系统重庆市高校工程研究中心重庆400065 

出 版 物:《仪表技术与传感器》 (Instrument Technique and Sensor)

年 卷 期:2020年第2期

页      面:41-45页

学科分类:080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程(可授工学、理学学位)] 080502[工学-材料学] 

基  金:国家重点研发计划(2018YFF01010202,2018YFF01010201) 国家自然科学基金(61705027,11704053) 省部级人才计划项目(CSTCCXLJRC201711) 重庆市科学技术委员会基础研究项目(CSTC-2017csmsA40017,CSTC-2015jcy-BX0068,CSTC-2018jcyjAX0619) 重庆市教委基础研究项目(KJZH17115,KJ1704104,KJ1704106,KJQN201800626) 

主  题:数据训练 Allan方差 最小均方 最小二乘 批量梯度下降 误差补偿 

摘      要:为进一步提高微机电系统(MEMS)加速度计的测量精度,建立以测量值为输入、真实值为输出的MEMS加速度计误差补偿模型,利用Allan方差和最小均方(LMS)自适应滤波算法对加速度计在6个位置下的多组实际测量数据进行噪声分析和预处理,处理后的全部测量数据作为样本训练模型参数,利用最小二乘和批量梯度下降相结合的方法获得样本数据对真实模型参数的最优拟合,并利用该模型对加速度计进行误差补偿,实现MEMS加速度计的高精度标定。实验验证表明,利用该模型对MEMS加速度计进行误差补偿后,输出值的均值误差为(0.72~1.19)×10^-4 g,标准差为(0.75~1.61)×10^-4 g,相对于补偿前,均值误差降低了2个数量级,标准差降低了1个数量级,有效提高了MEMS加速度计的测量精度和稳定性。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分