基于小波-强跟踪滤波的陀螺漂移在线预测
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP273 ;TN713 ;V241.5;TH17

基金项目:

国家杰出青年科学基金资助项目(61025014);国家自然科学青年基金资助项目(61004069);陕西省自然科学基金资助项目(2011JQ8007)


Method for On-Line Forecasting of Gyro's Drift Based on Wavelet-Strong Tracking Filter Algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为进一步提高陀螺漂移预测精度,根据陀螺一次项漂移系数非平稳时间序列的特点,针对其数据的突变和趋势相较强的问题,提出一种基于小波和多重次优渐消因子强跟踪滤波相结合的非平稳时间序列在线预测方法,并将其应用于陀螺一次项漂移系数预测。实验结果表明,该方法能有效改善数据突变和较强趋势项所带来的状态估计不准、进而造成预测不准的问题,提高了预测精度。

    Abstract:

    An on-line forecasting method based on the wavelet-suboptimal multiple fading kalman filtering algorithm is proposed in order to advance the forecasting precision of the gyro′s drift coefficients for its data mutation and strong trend according to the characteristics of the gyro′s drift coefficients non-stationary time series. The experimental results indicate that the gyro′s drift can be precisely forecasted, which can effectively improve the problem of inaccurate results brought by the data mutation and the strong trend.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-09-02
  • 出版日期:
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司