Resumen

Los sistemas microelectromecánicos (MEMS) son componentes fundamentales en los vehículos aéreos no tripulados (UAV). La precisión de los sensores MEMS es muy importante cuando la señal GPS no es válida. Sin embargo, la precisión y el rendimiento de los sensores MEMS se verán degradados por los cambios del entorno. Por lo tanto, se considera necesario estimar e identificar los distintos términos de ruido existentes en los sensores MEMS. La varianza de Allan es un método común y estándar para analizar los sensores MEMS, pero no puede utilizarse para analizar las características dinámicas. La varianza dinámica de Allan (DAVAR) es una versión deslizante de la varianza de Allan. Es una herramienta práctica que puede representar el comportamiento no estacionario de la señal MEMS. Como el DAVAR necesita estimar la varianza de Allan en cada época, el tiempo de cálculo crece significativamente con la longitud de la serie de señales. En este trabajo, en el caso del giroscopio MEMS de un UAV, se propone un algoritmo DAVAR rápido mejorado basado en la elección del tiempo relevante para acortar el tiempo de cálculo. Como validación experimental, se realizan experimentos numéricos con el método propuesto. Los resultados demuestran que el método mejorado podría aumentar en gran medida la velocidad de cálculo y no afecta a la precisión de la estimación.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:sensores mems, varianza allan, tiempo de cálculo, varianza allan dinámica, algoritmo davar rápido, vehículos aéreos no tripulados, varios términos de ruido, davar, uav, estimación
• Keywords:mems sensors, allan variance, computation time, dynamic allan variance, fast davar algorithm, unmanned aerial vehicles, various noise terms, davar, uav, estimation