微机电系统(MEMS)陀螺仪随机误差是影响惯性导航精度的关键因素, 制约着惯性导航的发展。为改善MEMS陀螺仪性能, 提高Allan方差辨识精度, 通过改进Allan方差方法分析陀螺仪随机漂移误差, 在此基础上, 利用时间序列分析方法建立MEMS陀螺仪随机误差模型。结果表明, 该方法计算简便, 建模灵活, 能够显著提高Allan方差计算精度和数据利用率, 时间序列模型稳定性好, 适用性强。

针对微机电系统(MEMS)陀螺仪易受影响且随机误差较大, 导致建立模型不准确和测量精度低的问题, 该文提出了一种改进的自适应卡尔曼滤波方法。首先建立ARMA模型, 在传统卡尔曼算法中引入衰减系数以减小系统旧值的影响, 同时引入基于系统新息突变的预测误差矩阵清除系统的突变值。使用Allan方差对原始陀螺仪数据和滤波后的陀螺仪数据进行分析对比。结果表明, 实验所用陀螺仪的角度随机游走、零偏不稳定性和角速率随机游走至少小了1个数量级, 标准差明显减小, 这表明改进算法有效抑制了随机噪声, 提高了MEMS的性能。

针对MEMS陀螺仪受随机误差影响较大需要进行滤波处理, 采用时间序列分析法建立的随机误差模型无法直接用于动态条件下滤波的问题, 提出了一种基于角速度估计的随机误差动态滤波方法。首先, 采用时间序列分析法对MEMS陀螺仪随机误差进行分析与模型构建; 然后, 将角速度估计假设模型建模为三维线性模型, 并与陀螺仪随机误差模型结合构建动态滤波模型; 最后, 采用强跟踪卡尔曼滤波方法直接估计出角速度值以实现对随机误差滤波, 并进行试验验证。结果表明: 无论是静态还是动态条件下, 该滤波方法估计的角速度值精度均较高, 可以有效降低MEMS陀螺仪的随机误差, 提升MEMS陀螺仪精度。

针对微机电系统(MEMS)陀螺仪数据误差建模不精确或无法给出模型的情况，提出了误差反馈(BP)神经网络辅助卡尔曼滤波对陀螺仪数据进行降噪处理的方法。分析卡尔曼滤波器的系统噪声方差Q矩阵可知，当模型不精确时可通过Q补偿。基于BP神经网络优化Q值原理，首先把采集到的MEMS陀螺仪数据输入卡尔曼滤波器得到Q；再把新息、滤波增益、量测噪声方差输入神经网络，把Q作为神经网络的输出，神经网络优化系统噪声协方差矩阵得到Q*；最后将Q*作为卡尔曼滤波算法系统噪声方差矩阵。实验结果表明，在建模不精确的情况下该方法也能有效提高陀螺仪的精度。

为了减小MEMS陀螺仪中存在的随机误差, 结合经验模态分解(EMD)和变分模态分解(VMD)提出了一种随机误差自适应补偿方法。首先通过EMD将信号分解为多个本征模态函数(IMF), 利用连续均方误差(RMSE)和概率密度函数相似性将所有的IMF划分为噪声主导IMF、噪声与信息混合IMF和信息主导IMF, 并对噪声与信息混合IMF利用软阈值区间法(SIT)进行初步降噪; 然后将有效模态个数作为VMD所需分解的带限本征模态函数(BLIMF)个数, 对初步去噪后的信号利用VMD进一步去噪, 将所得各BLIMF与原始信号的相关系数(CC)作为是否将模态视为噪声模态加以舍弃的依据。为了验证算法的有效性, 对分段匀速运动下的陀螺仪信号进行实验分析, 去噪后均方根误差为原始信号均方根误差的0.042 2,是EMD-SIT去噪算法的68.75%。

本文介绍了在红外成像导引系统中应用 PSoC开发板对 MEMS（Micro Electro Mechanical System）陀螺仪数据进行采集的设计与实现。以 PSoC 5为控制核心，提出了一种系统质量高、成本低、功耗低、同时还能满足设计要求的设计方案。详细介绍了 PSoC 5硬件与软件的实现过程，并设计静态与动态实验进行数据分析，证明该数据采集系统拥有较高的测量精度。

针对一般民用MEMS陀螺仪精度较低的缺点以及传统MEMS随机误差时间序列建模需进行零均值化处理且不能进行在线处理建模的问题,提出一种基于状态扩增的随机误差实时滤波方法, 将时间序列的均值作为未知数, 给ARMA模型增加一个截距项, 并利用该模型采用扩增状态的方法设计卡尔曼滤波及自适应卡尔曼滤波器, 使得测量数据不需满足零均值的条件。静态及摇摆试验表明, 所提方法能大幅提高MEMS陀螺仪精度。

针对光电平台抖动造成图像平移和旋转导致图像模糊的问题，研究了一种基于MEMS 陀螺仪和压电微摆镜的光机电联合稳像实验系统，主要包括MEMS 陀螺仪及控制器、压电微摆镜及控制系统和上位PC 机后处理系统等。通过位于可见光摄像机上的MEMS 陀螺仪及控制器的Kalman 滤波获取当前帧相对参考帧的旋转角度，PC 机同步采集摄像机的视频图像并计算出图像旋转量进行补偿；采用二维灰度投影法对图像二维偏移量进行估计，分离意向运动和随机抖动，得到抖动偏移量，控制成像光路中的压电陶瓷微摆镜进行光机补偿校正；进一步结合参考图像采用数字稳像方法进行第2 次偏移量补偿，实现了对偏移量的大范围和高精度校正，得到清晰图像。实验表明：该系统对角度的稳像精度小于0.4°，对二维平移的补偿精度达到1 个像素，图像帧频达到25 fps，可对存在平移和旋转的抖动图像进行有效的校正。

为了减少温度对MEMS陀螺测量精度的影响，提出了一种采用阵列技术的MEMS陀螺仪温度误差补偿新方法。该方法不需要进行温度测量，通过对多陀螺输出进行数据融合以消除温度对陀螺仪输出的影响，达到正确检测角速率的目的，简化了系统结构。采用遗传算法优化的BP神经网络来进行陀螺阵列数据的融合，抛开通常把零偏和标度因数分开建模补偿的思想，将两者统一进行补偿。实验结果表明，该方法能够大幅度降低温度造成的陀螺误差，从而满足工程应用需要。

为进一步提高MEMS陀螺仪的品质因数及其稳定性,研究了MEMS陀螺仪器件级真空封装的高真空获取技术和真空保持技术。以Z轴MEMS陀螺仪动力学方程为基础,分析了MEMS陀螺仪的误差信号与品质因数之间的关系,并采用稀薄气体动力学分析具有高品质因数陀螺仪的空气阻尼。对早期真空封装陀螺仪品质因数的变化曲线进行了分析,得出了腔体内残余气体是品质因数下降的主要原因。采用程序升温脱附质谱分析法(TPD-MS)分析陶瓷管壳和金属盖板的放气特性,并选用了合适的吸气剂。最后,改进了器件级真空封装流程。测试结果表明,采用改进的器件级真空封装的陀螺仪品质因数最高可达162 660,约为早期真空封装陀螺仪品质因数的14倍,且在一年内的变化＜0.05%。