基于EMD-SVR的MEMS陀螺仪随机漂移多尺度预测

基于EMD-SVR的MEMS陀螺仪随机漂移多尺度预测

V241.5; 为了提高MEMS陀螺仪随机漂移序列的预测精度,提出了一种基于经验模态分解(EMD)和支撑向量回归(SVR)的多尺度预测模型.首先,通过EMD分解,将原始漂移序列分解为有限个频率逐级递减的本征模函数(IMF).然后,根据每个IMF的时频特性,分别进行相空间重构并建立SVR预测模型.最后,将各IMF的预测结果等权相加得到最终预测结果.实验结果表明,提出的模型能够有效预测MEMS陀螺仪的随机漂移,且相比于单一的SVR模型具有更高的预测精度,可为MEMS陀螺仪漂移误差补偿提供依据....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:测试科学与仪器 2020, Vol.11 (3), p.290-296
Hauptverfasser: 何嘉宁, 钟莹, 李醒飞
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:V241.5; 为了提高MEMS陀螺仪随机漂移序列的预测精度,提出了一种基于经验模态分解(EMD)和支撑向量回归(SVR)的多尺度预测模型.首先,通过EMD分解,将原始漂移序列分解为有限个频率逐级递减的本征模函数(IMF).然后,根据每个IMF的时频特性,分别进行相空间重构并建立SVR预测模型.最后,将各IMF的预测结果等权相加得到最终预测结果.实验结果表明,提出的模型能够有效预测MEMS陀螺仪的随机漂移,且相比于单一的SVR模型具有更高的预测精度,可为MEMS陀螺仪漂移误差补偿提供依据.
ISSN:1674-8042
DOI:10.3969/j.issn.1674-8042.2020.03.013