论文部分内容阅读
为了提高IMU精度,进一步提高惯性系统精度,采用时间序列理论中的AR模型对MEMS IMU的误差估计和补偿作了深入的研究,并与径向基神经网络建模方法分析比较。通过卡尔曼滤波器比较了两种建模方法和补偿技术对位置误差的估计性能,试验结果表明:使用AR模型的卡尔曼滤波器估计误差比RBF神经网络小2~3个数量级而均方差和标准差差不多,验证了使用AR模型的卡尔曼滤波器得到的位置估计误差更小,使用更为灵活。