王欣宇，朱嘉林，缪 旻

(北京信息科技大学 自动化学院，北京 100192)

0 引言

近年来，随着MEMS陀螺仪的发展，其生产成本较低、尺寸较小、集成度较高等一系列优点越来越明显，在军事科技领域、民用电子领域、工业控制等领域得到了广泛的应用[1]。尽管与传统类型陀螺仪相比，MEMS陀螺仪具有诸多优势，但是由于制造工艺和设计水平等原因，其测量精度相对较低，往往无法满足实际使用需求，极大地制约了MEMS陀螺仪的应用和发展[2]。

MEMS陀螺仪的误差来源主要包括两个方面，一是确定性误差，二是随机误差。一般通过标定方法减小确定性误差，采用滤波技术处理随机误差[3]。滤波技术就是对系统进行准确建模从而实现误差补偿。在工程上，利用各种算法已经成为在现有惯性器件精度基础上提高系统精度的最有效可行的办法之一[4]。研究人员一般借助软件系统获取MEMS惯性器件的大量数据来进行试验仿真建模，然后再利用算法模型对器件进行优化处理，实现系统的误差补偿，降低陀螺仪的输出误差，提高姿态测量系统的输出精度[5]。杜红松等[6]采用自回归滑动平均(ARMA)对微惯性传感器随机误差进行建模；Wang Dingjie等[7]针对于平稳随机过程采用Kalman滤波的方法，都实现了对惯性信号的误差补偿。但是这些传统研究方法往往处理的是平稳、正态分布的信号。陀螺漂移具有随机时变性，输出信号往往无法满足这些条件。

陀螺仪输出信号的成分复杂，本文针对静止状态下MEMS传感器输出信号，提出了一种基于小波阈值降噪与BP神经网络结合的陀螺仪漂移误差补偿方法。……