基于时间序列分析的车载MEMS陀螺仪异常测量数据的辨识与修正

• 作者: 张为公 李旭 陈伟
• 来源期刊: 东南大学学报（英文版）
• 学科: 交通运输
• 关键词: MEMS陀螺仪 ARIMA模型 时间序列分析 粗大误差
• 年，卷（期）: 2013,（2）
• 页码范围: 170-174
• 页数: 5页
• 分类号: U467
• 字数: 596字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2013.02.011

摘要

针对目前车载MEMS陀螺仪含有较多异常测量数据的情况,提出了一种基于时间序列分析的辨识和修正方法.根据MEMS陀螺仪测量数据的自相关函数和偏相关函数特征初步确定自回归移动平均(ARIMA)模型,再引入AIC准则确定最优模型,并采用最小二乘估计法对模型参数进行估计.当此模型的有效性检验通过时,即用该模型对测量数据的变化趋势进行预测.当某个测量值与其预测值之差大于设定的阈值时,则判定此测量值为异常数据并用预测值进行修正.为了验证所提算法的效果,对MEMS陀螺仪测量的横摆角速度数据进行了实验.结果表明,所提方法可以有效地识别出车载MEMS陀螺仪的异常测量数据,并能进行合理的修正.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张为公	东南大学仪器科学与工程学院	227	2706	26.0	38.0
2	陈伟	东南大学仪器科学与工程学院	35	148	8.0	10.0
3	李旭	东南大学仪器科学与工程学院	50	384	11.0	17.0