基于双U梁振动环陀螺仪的实时温度补偿与噪声抑制融合算法研究

作者及机构
本研究的核心团队来自中国北方大学仪器与电子学院（North University of China）的科学技术电子测试与测量实验室，通讯作者为IEEE会员Huiliang Cao。合作作者包括Ke Li、Rang Cui、Qi Cai等，研究发表于2024年3月的IEEE Sensors Journal（第24卷第6期）。

学术背景
微机电系统（MEMS, Micro-Electro-Mechanical System）陀螺仪因其体积小、成本低、抗冲击等优势，在军工、无人驾驶等领域广泛应用。然而，温度稳定性和噪声问题是其性能提升的主要瓶颈：
1. 温度漂移：温度变化导致硅材料弹性模量（Young’s modulus）和共振频率偏移，进而影响陀螺仪的零偏稳定性；
2. 噪声干扰：输出信号中的高频随机噪声（如角随机游走，ARW）和低频漂移（如偏置不稳定性，BI）会降低信噪比。
本研究旨在针对双U梁振动环陀螺仪（DUVRG, Double U-Beam Vibration Ring Gyroscope），提出一种融合温度补偿与噪声抑制的实时算法，以提升其在-40°C至60°C极端环境下的性能。

研究流程与方法
1. 陀螺仪结构与制造工艺
- DUVRG设计：采用硅玻璃（SOG）和深反应离子刻蚀（DRIE）技术制造，具有全对称环形谐振结构，8组双U梁支撑中央锚点，16个内部电极用于驱动和检测。真空封装提升品质因数（Q值）。
- 创新点：全对称结构降低工艺误差，双边驱动电极设计增强稳定性。

1. 温度漂移建模与补偿

   • 数据采集：在-40°C至60°C范围内以0.3°C/min、0.4°C/min、0.5°C/min三种速率进行升降温实验，采集零偏信号。
     
   • 量化温度模型：将温度数据按0.02°C间隔量化，通过滑动中值滤波和均值融合建立误差模型。该模型以量化温度为索引，避免温度传感器噪声引入。
     
   • 补偿效果：补偿后零偏温度依赖性显著降低，残余误差通过动态修正消除。
     

2. 噪声抑制算法设计

   • 卡尔曼滤波（KF）：针对高频噪声（如角随机游走），通过状态预测和校正实现实时滤波。
     
   • 统计校准滤波器（SCF）：结合自适应滑动窗口（ASW），根据数据标准差动态调整窗口长度。窗口内数据通过均值、中位数和实测值的最小值选择输出，抑制低频漂移。
     
   • 算法融合：KF与SCF串联，兼顾高频噪声抑制与长期稳定性。
     

3. 实验验证与性能分析

   • Allan方差分析：补偿后陀螺仪的角随机游走（ARW）从2.06°/√h降至0.58°/√h（降幅71.8%），偏置不稳定性（BI）从93.59°/h降至1.10°/h（降幅98.8%）。
     
   • 带宽测试：算法在10Hz输入信号下响应衰减仅4%，未影响DUVRG的动态性能。
     

主要结果与逻辑关系
- 温度补偿：通过量化模型将温度误差转化为可查表补偿值，解决了传统拟合方法引入噪声的问题（图12）。
- 噪声抑制：KF-SCF融合算法在高温（60°C）下仍保持高斯分布（图9），证明其鲁棒性。实验数据（表I）显示，三种温度变化速率下性能提升一致，验证了算法的普适性。
- 动态性能：图19的带宽测试表明，算法未牺牲陀螺仪的动态响应能力。

结论与价值
1. 科学价值：提出了一种基于量化温度的信号提取方法，克服了传统神经网络（如Elman NN）和模态分解（如VMD）算法计算量大的缺陷。
2. 应用价值：算法计算资源需求低，适合嵌入式系统实时处理，为MEMS陀螺仪在极端环境下的应用提供了可行方案。
3. 行业意义：该成果有望推动MEMS陀螺仪替代低端光纤陀螺仪（FOG），降低成本并扩大应用场景。

研究亮点
1. 创新方法：首次将量化温度模型与KF-SCF融合算法结合，兼顾温度补偿与噪声抑制。
2. 性能突破：在宽温域内实现BI降低98.8%，优于文献中基于ARMA二阶模型（仅补偿长期漂移）或温度控制（增加功耗）的方法（表II）。
3. 工程友好性：算法无需额外硬件，可直接集成于现有MEMS陀螺仪控制系统。

其他有价值内容
- 研究团队开发了专用测量控制系统（图6），包括闭环驱动电路和开环检测电路，支持实时数据采集与处理。
- 实验严格遵循IEEE Std. 1431和1554标准，数据可靠性高。