Імітаційні моделі синтезу шумів MEMS гіроскопів

Т.А. Марусенкова, канд. техн. наук
Національний університет «Львівська політехніка»
(Україна, 79013, Львів, вул. Степана Бандери, 28а,
тел. +38 (032) 258 25 78; e-mail: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.)

Èlektron. model. 2019, 41(5):03-16
https://doi.org/10.15407/emodel.41.05.003

АННОТАЦИЯ

Розроблено математичні моделі та програмне забезпечення імітаційного моделювання шумових параметрів MEMS гіроскопів. Наведено два алгоритми синтезу шумів MEMS гіроскопів: через інтегрування псевдовипадкових гармонічних сигналів та за допомогою частотної корекції масиву псевдовипадкових сигналів. Аналіз спектральної характеристики синтезованого шуму проведено за допомогою графіків Алана. Експериментальне дослідження шумів здійснено з використанням розробленого програмно-апаратного комплексу IMU Tester, основою якого є модуль M5Stack з SoC ESP32. Отримані результати мають важливе значення для імітаційного моделювання похибок на основі методу МонтеКарло, оптимізації коректувальних фільтрів Калмана та програмних кодів вбудованих
систем інтегрованих IMU сенсорів.

КЛЮЧЕВЫЕ СЛОВА:

MEMS гіроскоп, шум, модель синтезу шумів, інерційний вимірювальний пристрій.

СПИСОК ЛИТЕРАТУРЫ

1. Höflinger F., Müller J., Zhang R. et al. Wireless microinertial measurement unit (IMU) // IEEE Transactions on Instrumentation and Measurement, 2013, 62 (9), pp. 2583—2595.
2. Blasch E., Kostek P., Paèes P., Kramer K. Summary of avionics technologies // IEEE Aerospace and Electronic Systems Magazine, 2015, 30 (9), pp. 6—11.
3. Ahmed H., Tahir M. Accurate attitude estimation of a moving land vehicle using low-cost MEMS IMU sensors // IEEE Transactions on Intelligent Transportation Systems, 2017, 18(7), pp. 1723—1739.
4. Buke A., Gaoli F., Yongcai W. et al. Healthcare algorithms by wearable inertial sensors: a survey // China Communications, 2015, 12 (4), pp. 1—12.
5. Nemec D., Janota A., Hrubos M., Simak V. Intelligent real-time MEMS sensor fusion and calibration // IEEE Sensors Journal, 2016, 16 (19), pp. 7150—7160.
6. Lima P.U. A Bayesian approach to sensor fusion in autonomous sensor and robot networks // IEEE Instrumentation & Measurement Magazine, 2007, 10 (3), pp. 22—27.
7. Holyaka R., Marusenkova T. Split Hall Structures: Parametric Analysis and Data Processing. Norderstedt: Lambert Academic Publishing, 2018, 124 p.
8. The five motion senses: using MEMS inertial sensing to transform application. Analog Devices, Inc. 2017, 4p.
9. Shin B., Kim C., Kim J. et al. Motion recognition-based 3D pedestrian navigation system using smartphone // IEEE Sensors Journal, 2016, 16 (8), pp. 6977—6989.
10. Zekavat R., Buehrer M. Localization sensor error measures and analysis. Handbook of Position Location: Theory, Practice, and Advances. John Wiley & Sons, 2019, 1376 p.
11. Daroogheha S., Lasky T., Ravani B. Position measurement under uncertainty using magnetic field sensing // IEEE Transactions on Magnetics, 2018, 54 (12), N. 4002908.
12. Li Y., Georgy J., Niu X. et al. Autonomous calibration of MEMS gyros in consumer portable devices // IEEE Sensors Journal, 2015, 15 (7), pp. 4062—4072.
13. Latt W., Tan U., Riviere C., Ang W. Transfer function compensation in gyroscope-free inertial measurement units for accurate angular motion sensing // Ibid, 2012, 12 (5), pp. 1207—1208.
14. Huang J., Soong B. Cost-aware stochastic compressive data gathering for wireless sensor networks // IEEE Transactions on Vehicular Technology, 2019, 68, pp. 1525—1533.
15. Shmaliy Y., Zhao S., Ahn C. Optimal and unbiased filtering with colored process noise using state differencing // IEEE Signal Processing Letters, 2019, 26 (4), pp. 548—551.
16. Lin X., Jiao Y., Zhao D. An improved Gaussian filter for dynamic positioning ships with colored noises and random measurements loss // IEEE Access, 2018, 6, pp. 6620—6629.
17. Allan D., Levine J. A historical perspective on the development of the Allan variances and their strengths and weaknesses // IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, 2016, 63 (4), pp. 513—519.
18. Guerrier S., Molinari R., Stebler Y. Theoretical limitations of Allan variance-based regression for time series model estimation // IEEE Signal Processing Letters, 2016, 23 (5), pp. 597—601.
19. Shao T., Duan Z., Ge Q., Liu H. Recursive performance ranking of Kalman filter with mismatched noise covariances // IET Control Theory & Applications, 2019, 13 (4), pp. 459—466.
20. Won S., Melek W., Golnaraghi F. A Kalman particle filter based position and orientation estimation method using a position sensor/Inertial measurement unit hybrid system // IEEE Transactions on Industrial Electronics, 2010, 57 (5), pp. 1787—1798.
21. High Stability, Low Noise Vibration Rejecting Yaw Rate Gyroscope. Data Sheet ADXRS646. Analog Devices, Inc. 2017, 12ð. Режим доступу: https://www.analog.com/media/en/technical-documentation/data-sheets/ADXRS646.pdf.
22. M5Stack Documentation. Режим доступу: https://media.readthedocs.org/pdf/m5stack/%20master/m5stack.pdf .
23. MICRO-CAP. Electronic Circuit Analysis Program. Spectrum Software. Режим доступу: http://www.spectrum-soft.com.

МАРУСЕНКОВА Тетяна Анатоліївна, канд. техн. наук, доцент, доцент кафедри програмного забезпечення Національного університету «Львівська політехніка», який закінчила у 2005 р. Область наукових досліджень — математичне моделювання, інерційні сенсори, вбудоване програмне забезпечення.

Полный текст: PDF