光纤陀螺(FOG)随机噪声中包含了白噪声和具有长程相关性、自相似性及1/fγ类型谱密度特点的一种非平稳随机噪声——1/fγ类分形噪声。采用传统的方法很难去除该类噪声。由于小波分析的多分辨分析特性,使之成为研究分形噪声的有力工具。提出一种新的基于提升小波的自适应阈值选取滤波方法对光纤陀螺的输出信号进行阈值滤波,进而提高光纤陀螺的精度,算法包括提升小波分解、滤波参数估计及自适应软阈值滤波。对多组实测数据进行仿真实验,将传统小波固定阈值滤波方法与新方法进行比较,实验结果验证了新方法的有效性。

光纤陀螺经过确定性误差补偿后,各种随机噪声成为其误差的主要来源。为了减小光纤陀螺的随机误差,研究基于小波包分析的滤波方法,分析了小波包滤波的原理以及滤波过程中阈值及阈值函数的选取问题,并进行了相应的改进。然后分别采用Allan方差法和功率谱密度(PSD)方法分析滤波前后光纤陀螺的随机误差特性,对滤波的效果进行理论上的分析。最后,选取光纤陀螺VG951的漂移数据进行仿真验证,结果表明,基于改进的小波包滤波方法能够有效地减小光纤陀螺的随机误差,从而提高测试的精度。

高精度光电稳定跟踪平台基准轴抖动或者缓慢漂移通常使得光纤陀螺(FOG)的输出信号中含有随机噪声.针对这一特点,通过对工程中实际采用的光纤陀螺实测数据进行时间序列分析,运用递推最小二乘法建立了噪声模型,并对其进行自适应卡尔曼(Kalman)滤波处理.通过Allan 方差法分析结果表明,使用只对观测噪声协方差R阵进行自适应的Kalman 算法滤波效果明显优于普通Kalman 算法,且加入的计算量小,实时性能优于Saga-Huga 自适应Kalman算法,对提高光电稳定跟踪平台性能有一定的实用价值.