焦晨陽(yáng)+王新龍+王盾+李群生+潘哲

摘要： 提出一種將經(jīng)驗(yàn)?zāi)B(tài)分解法、 時(shí)間序列分析法與Kalman濾波相結(jié)合， 對(duì)隨機(jī)振動(dòng)引起的石英撓性擺式加速度計(jì)誤差進(jìn)行建模的方法。 針對(duì)隨機(jī)振動(dòng)引起的加速度計(jì)非平穩(wěn)序列誤差， 通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解法有效分離出誤差序列中的非平穩(wěn)成分， 進(jìn)一步采用時(shí)間序列分析法建立平穩(wěn)序列的誤差模型， 并引入Kalman濾波算法對(duì)模型的預(yù)測(cè)誤差進(jìn)行最優(yōu)估計(jì)。 實(shí)現(xiàn)了對(duì)加速度計(jì)隨機(jī)振動(dòng)誤差的精確建模， 提高了隨機(jī)振動(dòng)環(huán)境下石英撓性擺式加速度計(jì)的測(cè)量精度。

關(guān)鍵詞： 石英撓性擺式加速度計(jì)； 隨機(jī)振動(dòng)； 經(jīng)驗(yàn)?zāi)B(tài)分解； 時(shí)間序列分析法； Kalman濾波

中圖分類號(hào)： TJ765.1； V241.4+5文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 1673-5048（2017）05-0048-060引言

石英撓性擺式加速度計(jì)以高精度、 高靈敏度、 穩(wěn)定性好等優(yōu)點(diǎn)在航空、 航天、 測(cè)繪等領(lǐng)域得到廣泛應(yīng)用。 然而在實(shí)際工作中， 加速度計(jì)易受環(huán)境振動(dòng)、 溫度等因素的影響， 導(dǎo)致其參數(shù)不斷發(fā)生變化， 嚴(yán)重影響導(dǎo)航精度。 因此， 研究隨機(jī)振動(dòng)對(duì)加速度計(jì)輸出的影響有著重要的現(xiàn)實(shí)意義[1]。

目前， 對(duì)于加速度計(jì)誤差的研究多數(shù)為環(huán)境溫度變化下的系統(tǒng)參數(shù)辨識(shí)與補(bǔ)償算法， 而對(duì)隨機(jī)振動(dòng)誤差建模的研究很少。 時(shí)間序列分析法[2]是一種較為成熟的傳感器建模方法， 利用時(shí)間序列分析法建模能夠?qū)崿F(xiàn)數(shù)據(jù)的平滑、 濾波和預(yù)測(cè)， 并能夠?qū)ο到y(tǒng)特性進(jìn)行識(shí)別， 有利于對(duì)系統(tǒng)進(jìn)行控制； 其對(duì)動(dòng)態(tài)數(shù)據(jù)具有外延特性， 從而可以避免在求取其統(tǒng)計(jì)特性時(shí)直接加“窗”造成的影響。 文獻(xiàn)[3]就是利用時(shí)間序列分析法對(duì)加速度計(jì)的隨機(jī)振動(dòng)平穩(wěn)誤差序列進(jìn)行建模， 然而并未考慮振動(dòng)誤差中的趨勢(shì)項(xiàng)等非平穩(wěn)成分的影響， 因此， 所建的加速度計(jì)振動(dòng)誤差模型并非完整模型。

基于此， 本文通過(guò)對(duì)石英撓性擺式加速度計(jì)進(jìn)行多方向隨機(jī)振動(dòng)測(cè)試試驗(yàn)， 提出一種完整的石英撓性擺式加速度計(jì)隨機(jī)振動(dòng)誤差建模方法。

1隨機(jī)振動(dòng)試驗(yàn)分析

1.1隨機(jī)振動(dòng)試驗(yàn)特點(diǎn)分析

捷聯(lián)慣導(dǎo)系統(tǒng)在實(shí)際工作中， 由于環(huán)境影響引起的系統(tǒng)振動(dòng)往往具有隨機(jī)性。 這種隨機(jī)振動(dòng)具有兩個(gè)顯著的特點(diǎn)， 即非周期性和瞬時(shí)值不能預(yù)測(cè)， 但其統(tǒng)計(jì)特性卻是有規(guī)律的[4]。 依據(jù)振動(dòng)的統(tǒng)計(jì)特性， 設(shè)計(jì)隨機(jī)振動(dòng)試驗(yàn)， 采用時(shí)間序列分析法建立隨機(jī)振動(dòng)引起的加速度計(jì)誤差模型， 并利

收稿日期： 2016-11-28

基金項(xiàng)目： 國(guó)家自然科學(xué)基金項(xiàng)目（61673040； 61233005）； 航空科學(xué)基金項(xiàng)目（2015ZC51038； 20160812004）； 天地一體化信息技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目（2015-SGIIT-KFJJ-DH-01）； 2015年度北京航空航天大學(xué)教改資助項(xiàng)目

作者簡(jiǎn)介： 焦晨陽(yáng)（1992-）， 男， 河南洛陽(yáng)人， 碩士研究生， 研究方向?yàn)閼T性導(dǎo)航、 組合導(dǎo)航。

引用格式： 焦晨陽(yáng)， 王新龍， 王盾， 等. 一種石英撓性擺式加速度計(jì)隨機(jī)振動(dòng)誤差建模方法[ J]. 航空兵器， 2017（ 5）： 48-53.

Jiao Chenyang， Wang Xinlong， Wang Dun， et al. A Modeling Method for Quartz Flexible Pendulum Accelerometer Random Vibration Error[ J]. Aero Weaponry， 2017（ 5）： 48-53. （ in Chinese）用Kalman濾波對(duì)模型的預(yù)測(cè)誤差進(jìn)行最優(yōu)估計(jì)， 以達(dá)到誤差補(bǔ)償?shù)哪康摹?通常， 隨機(jī)振動(dòng)條件使用功率譜密度函數(shù)來(lái)描述， 一旦功率譜密度值確定下來(lái)， 振動(dòng)譜形也隨之確定。

隨機(jī)振動(dòng)試驗(yàn)采用基于兩點(diǎn)響應(yīng)平均控制的方法獲取捷聯(lián)慣組加速度計(jì)的實(shí)測(cè)輸出， 控制點(diǎn)位于慣組減振前， 頻率范圍為20～2 000 Hz， 時(shí)間為960 s， 其譜形如圖1所示。

圖1隨機(jī)振動(dòng)試驗(yàn)控制點(diǎn)譜形

Fig.1The control point spectrum of random vibration test

加速度計(jì)隨機(jī)振動(dòng)試驗(yàn)分為預(yù)振動(dòng)段、 振動(dòng)段和結(jié)束段三個(gè)階段， 輸出采樣時(shí)間設(shè)定為0.5 ms， 試驗(yàn)總時(shí)間為2 000 s。 試驗(yàn)過(guò)程中， 依次在X， Y， Z三個(gè)軸向施加隨機(jī)振動(dòng)， 使加速度計(jì)產(chǎn)生相對(duì)應(yīng)的9組輸出。

1.2隨機(jī)振動(dòng)試驗(yàn)結(jié)果分析

由隨機(jī)振動(dòng)試驗(yàn)分別獲得X， Y， Z三個(gè)方向上加速度測(cè)量輸出通道的視加速度增量脈沖數(shù)（數(shù)字量）， 根據(jù)加速度計(jì)輸出通道的測(cè)量模型和極性規(guī)定， 將增量脈沖輸出數(shù)據(jù)轉(zhuǎn)換為實(shí)際加速度值。 以X軸方向振動(dòng)時(shí)， X， Y， Z三個(gè)方向上敏感到的加速度值為例， 其加速度曲線如圖2所示。

為了建立加速度計(jì)隨機(jī)振動(dòng)時(shí)序模型， 選取X方向上加速度計(jì)的振動(dòng)段（1 320～1 495 s）輸出作為研究對(duì)象， 其數(shù)據(jù)曲線如圖3所示。

圖3為在振動(dòng)臺(tái)上實(shí)測(cè)的加速度計(jì)輸出數(shù)據(jù)， 可以看出， 隨機(jī)振動(dòng)引起的加速度計(jì)輸出誤差具有顯著的波動(dòng)性和隨機(jī)性， 變化范圍始終保持在固定的區(qū)間內(nèi)， 但其趨勢(shì)項(xiàng)并不明顯， 因此， 單純采用時(shí)間序列分析法很難對(duì)加速度計(jì)隨機(jī)振動(dòng)誤差進(jìn)行精確建模， 需要選擇更為有效的方法建立加速度計(jì)隨機(jī)振動(dòng)誤差模型。

航空兵器2017年第5期焦晨陽(yáng)， 等： 一種石英撓性擺式加速度計(jì)隨機(jī)振動(dòng)誤差建模方法2建模方案設(shè)計(jì)

在隨機(jī)振動(dòng)試驗(yàn)中， 振動(dòng)輸入相對(duì)于加速度計(jì)是一種有色噪聲， 因此會(huì)引起系統(tǒng)參數(shù)的不斷改變， 造成輸出序列的非平穩(wěn)性。

針對(duì)非平穩(wěn)隨機(jī)振動(dòng)誤差序列的建模， 將經(jīng)驗(yàn)?zāi)B(tài)分解法和Kalman濾波算法引入時(shí)間序列分析法中， 設(shè)計(jì)了一種高精度的隨機(jī)誤差建模方案， 如圖4所示。endprint

建模方案主要分為經(jīng)驗(yàn)?zāi)B(tài)分解、 時(shí)間序列建模和數(shù)據(jù)優(yōu)化擬合三個(gè)部分：

（1） 經(jīng)驗(yàn)?zāi)B(tài)分解。 針對(duì)隨機(jī)振動(dòng)誤差序列的非平穩(wěn)性， 采用自適應(yīng)較好的經(jīng)驗(yàn)?zāi)B(tài)分解法對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)化處理， 提取出非平穩(wěn)項(xiàng)， 并將振動(dòng)誤差序列分為多個(gè)固有模態(tài)函數(shù)（IMF）， 且每個(gè)IMF均為平穩(wěn)時(shí)間序列。

（2） 時(shí)間序列建模。 對(duì)同時(shí)滿足平穩(wěn)性和非白噪聲性的IMF分量進(jìn)行時(shí)間序列建模， 建模過(guò)程包括模型識(shí)別、 模型定階、 參數(shù)估計(jì)和適用性檢驗(yàn)四個(gè)部分。

（3） 數(shù)據(jù)優(yōu)化擬合。 采用Kalman濾波算法對(duì)時(shí)間序列模型的預(yù)測(cè)誤差進(jìn)行最優(yōu)估計(jì)， 將各階IMF分量時(shí)序模型的濾波輸出與經(jīng)驗(yàn)?zāi)B(tài)分解提取出的非平穩(wěn)項(xiàng)序列相疊加， 實(shí)現(xiàn)模型的高精度擬合。

3隨機(jī)振動(dòng)數(shù)據(jù)處理方法

3.1經(jīng)驗(yàn)?zāi)B(tài)分解

經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）法是一種能夠自適應(yīng)處理非平穩(wěn)信號(hào)的有效篩分方法[5]， 其將信號(hào)中包含的所有成分按照頻率由高至低逐級(jí)劃分并提取， 獲得多個(gè)具有實(shí)際物理意義的IMF和非平穩(wěn)成分。 這種方法具有適應(yīng)能力強(qiáng)、 直觀性好、 運(yùn)算量小等優(yōu)點(diǎn)。

對(duì)于非平穩(wěn)時(shí)間序列x（t）， 利用EMD法對(duì)其進(jìn)行平穩(wěn)化處理， 可以表示為如下形式：

x（t）=∑ni=1Ii（t）+r（t）（1）

式中： Ii（t）為第i階IMF分量； r（t）為非平穩(wěn)殘差序列。

3.2時(shí)間序列分析法建模

3.2.1模型識(shí)別

模型識(shí)別是從各種模型族中選擇一個(gè)與實(shí)際過(guò)程相吻合的模型。 模型識(shí)別的方法很多， 其中根據(jù)時(shí)間序列的自相關(guān)系數(shù)（ACF）和偏自相關(guān)系數(shù)（PACF）的截尾性、 拖尾性特征進(jìn)行模型識(shí)別的方法應(yīng)用較為廣泛[6]。

AR（n）模型、 MA（m）模型以及ARMA（n， m）模型所對(duì)應(yīng)的ACF和PACF特點(diǎn)如表1所示。

models模型類型ACF特點(diǎn)PACF特點(diǎn)AR（n）拖尾截尾MA（m）截尾拖尾ARMA（n，m）拖尾拖尾

3.2.2模型定階

模型定階是利用適當(dāng)?shù)亩A準(zhǔn)則對(duì)所選擇模型的階次進(jìn)行確定。 其中AIC準(zhǔn)則與BIC準(zhǔn)則是目前常用的兩種定階方法。

這兩種定階準(zhǔn)則均能夠?qū)崿F(xiàn)模型階數(shù)的確定， 但在算法上各有特點(diǎn)。 當(dāng)樣本的個(gè)數(shù)較少時(shí)， 選擇AIC準(zhǔn)則計(jì)算較為簡(jiǎn)單； 當(dāng)樣本的個(gè)數(shù)N→∞時(shí)， 用BIC準(zhǔn)則確定的最佳模型階數(shù)更加準(zhǔn)確。 因此， 實(shí)際使用時(shí)需要根據(jù)序列的實(shí)際長(zhǎng)度選擇合適的定階方法。

3.2.3參數(shù)估計(jì)

模型的參數(shù)估計(jì)是利用估計(jì)算法對(duì)模型中的未知參數(shù)進(jìn)行估計(jì)， 獲得模型的顯式表達(dá)式。 ARMA模型的參數(shù)估計(jì)算法可以分為時(shí)序理論估計(jì)法、 優(yōu)化理論估計(jì)法和控制理論估計(jì)法三類， 其特點(diǎn)如表2所示。

algorithms估計(jì)算法特點(diǎn)時(shí)序理論估計(jì)法“準(zhǔn)”最優(yōu)估計(jì)算法、 概念簡(jiǎn)單、 易于實(shí)現(xiàn)優(yōu)化理論估計(jì)法

控制理論估計(jì)法最優(yōu)估計(jì)算法、 算法復(fù)雜、 反復(fù)迭代、 運(yùn)算量大

由表2可以看出， 時(shí)序理論估計(jì)法在保證參數(shù)估計(jì)精度的前提下， 計(jì)算速度更快， 有利于實(shí)現(xiàn)工程應(yīng)用中對(duì)模型參數(shù)的實(shí)時(shí)估計(jì)與修正。

3.2.4適用性檢驗(yàn)

模型的適用性檢驗(yàn)實(shí)質(zhì)上就是殘差序列a（t）的獨(dú)立性檢驗(yàn)。 通過(guò)殘差序列a（t）的自相關(guān)系數(shù)ρa(bǔ)， k和a（t）與x（t）的互相關(guān)系數(shù)ρa(bǔ)x， k對(duì)模型的適用性進(jìn)行檢驗(yàn)。 若ρa(bǔ)， k→0， ρa(bǔ)x， k→0， 則所得時(shí)序模型為適用模型[7]。

3.3Kalman濾波在時(shí)序建模中的應(yīng)用

由于時(shí)序模型中不僅包含了線性回歸部分， 也包含了隨機(jī)誤差序列a（t）， 該項(xiàng)會(huì)對(duì)加速度計(jì)的隨機(jī)振動(dòng)誤差補(bǔ)償造成不利影響。 因此， 引入Kalman濾波算法對(duì)模型進(jìn)行最優(yōu)估計(jì)， 以消除隨機(jī)誤差項(xiàng)的影響[8]。

以AR（n）模型為例， 其離散化后的系統(tǒng)狀態(tài)空間模型為

X（k）=Φ（k， k-1）X（k-1）+W（k）

Z（k）=H（k）X（k）+V（k） （2）

式中： 狀態(tài)轉(zhuǎn)移陣Φ（k， k-1）=ψ

B， 其中ψ=[φ1φ2…φn]， B=[I（n-1）×（n-1）0（n-1）×1]； X（k）為系統(tǒng)k時(shí)刻的狀態(tài)； W（k）和V（k）分別為系統(tǒng)的狀態(tài)噪聲和觀測(cè)噪聲， W， V=randn（n， 1）， 且W（k）的方差陣Q和V（k）的方差陣R可由殘差序列確定； Z（k）為系統(tǒng)在k時(shí)刻的測(cè)量值； 量測(cè)矩陣H（k）=[101×（n-1）]。 依據(jù)Kalman濾波遞推算式實(shí)現(xiàn)對(duì)模型預(yù)測(cè)誤差的最優(yōu)估計(jì)。

4模型方案驗(yàn)證及分析

4.1經(jīng)驗(yàn)?zāi)B(tài)分解

采用EMD法將經(jīng)過(guò)預(yù)處理后的x（t）序列分為18個(gè)IMF及非平穩(wěn)項(xiàng)序列， 分解后的部分結(jié)果如圖5所示。

時(shí)間序列分析法建模的條件是平衡非白噪聲序列， 因此對(duì)EMD后產(chǎn)生的各階IMF分量進(jìn)行平穩(wěn)性和白噪聲性檢驗(yàn)[9]：

（1） 平穩(wěn)性檢驗(yàn)。 采用逆序檢驗(yàn)法進(jìn)行平穩(wěn)性檢驗(yàn)， 結(jié)果表明， IMF1～I(xiàn)MF17均滿足平穩(wěn)性要求， 但I(xiàn)MF18的統(tǒng)計(jì)量|u|=2.39>1.96， 為非平穩(wěn)序列， 此時(shí)對(duì)其進(jìn)行差分處理， 經(jīng)檢驗(yàn)， 一階差分后的序列滿足平穩(wěn)性要求。

（2） 白噪聲性檢驗(yàn)。 利用Q統(tǒng)計(jì)量進(jìn)行白噪聲性檢驗(yàn)， 結(jié)果表明， 各IMF分量的Q值均大于χ20.95（m）（其值為3.744 9×104）， 屬于非白噪聲序列。

4.2時(shí)間序列建模

以EMD后的IMF1分量為例， 其自相關(guān)系數(shù)和偏自相關(guān)系數(shù)隨延遲步長(zhǎng)變化曲線如圖6所示。

由圖6可以看出， IMF1的自相關(guān)系數(shù)呈現(xiàn)拖尾性， 偏自相關(guān)系數(shù)呈現(xiàn)截尾性， 根據(jù)表1中的判定準(zhǔn)則， 選擇AR模型對(duì)IMF1分量進(jìn)行建模。endprint

IMF1分量的AIC和BIC值隨延遲步長(zhǎng)的變化曲線如圖7所示。

由圖7可以看出， 模型階次從1階增加到2階時(shí)， 曲線斜率最大， AIC和BIC值下降最為明顯， 之后變化較為緩慢， 因此選擇模型階次為AR（2）。 對(duì)AR（2）模型中的未知參數(shù)， 采用時(shí)序理論估計(jì)法進(jìn)行估計(jì)， 即可得到φ1和φ2。

從而可得IMF1分量的時(shí)間序列模型為

x（t）=0.610 1x（t-1）-0.418 5x（t-2）+

a（t） （3）

式中： a（t）服從N（0， 13.685 4）。

對(duì)上述模型適用性檢驗(yàn)， 其殘差序列a（t）的自相關(guān)系數(shù)和a（t）與x（t）的互相關(guān)系數(shù)變化曲線如圖8所示。

由圖8可知， IMF1分量時(shí)序模型的殘差序列a（t）的自相關(guān)系數(shù)以及a（t）與x（t）的互相關(guān)系數(shù)均趨近于零， 說(shuō)明a（t）序列符合隨機(jī)白噪聲序列的統(tǒng)計(jì)特性， 模型通過(guò)適用性檢驗(yàn)。

4.3數(shù)據(jù)擬合優(yōu)化

利用EMD對(duì)加速度計(jì)隨機(jī)振動(dòng)誤差序列進(jìn)行處理， 將振動(dòng)序列分解為多階IMF分量和非平穩(wěn)項(xiàng)序列， 利用時(shí)序建模方法對(duì)每個(gè)IMF分量單獨(dú)進(jìn)行建模， 再將各個(gè)模型的預(yù)測(cè)輸出與趨勢(shì)項(xiàng)相疊加， 得到預(yù)測(cè)序列（t）， 其擬合結(jié)果見(jiàn)圖9。 同時(shí)， 對(duì)傳統(tǒng)的單純時(shí)序建模方法和基于EMD的時(shí)序建模方法的預(yù)測(cè)誤差進(jìn)行對(duì)比， 如圖10所示。

由圖9～10可以看出， 基于EMD的時(shí)間序列模型呈現(xiàn)出和原始序列同樣的趨勢(shì)， 擬合效果較為理想。 通過(guò)與傳統(tǒng)的單純時(shí)序建模方法的對(duì)比能夠看出， 基于EMD的時(shí)序模型的預(yù)測(cè)誤差顯著減小， 且始終保持在合理的范圍內(nèi)， 驗(yàn)證了建模方案的有效性。

在基于EMD的時(shí)間序列建模方法中， 預(yù)測(cè)誤差主要是由殘差序列a（t）的隨機(jī)性引起的， 而殘差序列為服從正態(tài)分布的白噪聲序列。 因此， 引入Kalman濾波算法， 對(duì)各階IMF分量時(shí)序模型的預(yù)測(cè)結(jié)果進(jìn)行最優(yōu)估計(jì)， 對(duì)比濾波前后預(yù)測(cè)誤差， 如圖11所示。

對(duì)比傳統(tǒng)的單純時(shí)序建模方法、 基于EMD的時(shí)間序列分析法與Kalman濾波相結(jié)合的時(shí)序建模方法， 其預(yù)測(cè)誤差對(duì)比如表3所示。

通過(guò)對(duì)比兩種模型的預(yù)測(cè)誤差能夠看出， 在EMD的基礎(chǔ)上所建的時(shí)間序列模型最終預(yù)測(cè)誤差的方差由原單純時(shí)序建模方法的183.863減小至16.605， 明顯小于單純時(shí)序建模的預(yù)測(cè)誤差， 擬合誤差小于10%和20%的比例也明顯提高。 經(jīng)過(guò)Kalman濾波以后， 模型預(yù)測(cè)誤差的方差由16.605減小至7.169， 且誤差小于10%和20%的比例進(jìn)一步提高。 說(shuō)明基于EMD的時(shí)間序列分析法與Kalman濾波相結(jié)合的時(shí)序建模方法能夠有效改善模型的預(yù)測(cè)誤差， 提高加速度計(jì)隨機(jī)振動(dòng)誤差的建模精度， 實(shí)現(xiàn)加速度計(jì)在實(shí)際工作環(huán)境中對(duì)隨機(jī)振動(dòng)誤差的實(shí)時(shí)建模與補(bǔ)償。

5結(jié)束語(yǔ)

本文研究了一種EMD法、 時(shí)間序列分析法與Kalman濾波相結(jié)合的加速度計(jì)隨機(jī)振動(dòng)誤差建模方法。 通過(guò)對(duì)石英撓性擺式加速度計(jì)進(jìn)行隨機(jī)振動(dòng)試驗(yàn)， 模擬真實(shí)振動(dòng)環(huán)境下的加速度輸出， 研究其隨機(jī)振動(dòng)誤差規(guī)律。 利用EMD法處理加速度計(jì)隨機(jī)振動(dòng)誤差序列， 并對(duì)得到的各個(gè)IMF進(jìn)行時(shí)序建模， 引入Kalman濾波算法對(duì)模型的預(yù)測(cè)誤差進(jìn)行了最優(yōu)估計(jì)， 消除了模型中隨機(jī)誤差項(xiàng)對(duì)預(yù)測(cè)結(jié)果的影響。 預(yù)測(cè)結(jié)果表明， 基于EMD的時(shí)間序列分析法與Kalman濾波相結(jié)合的時(shí)序建模方法能夠很好地實(shí)現(xiàn)對(duì)加速度計(jì)隨機(jī)振動(dòng)誤差序列的擬合估計(jì)， 有效地減小了傳統(tǒng)的單純時(shí)序建模的預(yù)測(cè)誤差， 對(duì)工程應(yīng)用中加速度計(jì)隨機(jī)振動(dòng)誤差的建模與實(shí)時(shí)補(bǔ)償具有重要的參考價(jià)值。

參考文獻(xiàn)：

[1] 李闖， 蘇展. 激光捷聯(lián)慣導(dǎo)系統(tǒng)線振動(dòng)基座下誤差參數(shù)辨識(shí)仿真[J]. 航空兵器， 2015（4）： 21-23， 50.

Li Chuang， Su Zhan. Simulation of Laser Gyro SINS Error Identification under the Condition of Linear Vibration[J]. Aero Weaponry， 2015（4）： 21-23， 50.（in Chinese）

[2] 楊叔子， 吳雅， 軒建平. 時(shí)間序列分析的工程應(yīng)用[M]. 武漢： 華中科技大學(xué)出版社， 2007.

Yang Shuzi， Wu Ya， Xuan Jianping. Engineering Application of Time Series Analysis[M]. Wuhan： Huazhong University of Science and Technology Press， 2007. （in Chinese）

[3] 岳中貴， 葉洪康. 用時(shí)間序列分析法辨識(shí)加速度計(jì)的隨機(jī)誤差模型[J]. 中國(guó)慣性技術(shù)學(xué)報(bào)， 1994， 2（2）： 41-45， 66.

Yue Zhonggui， Ye Hongkang. Times Series Technique Applied to Identification of Random Error Model of Accelerometer[J]. Journal of Chinese Inertial Technology， 1994， 2（2）： 41-45， 66. （in Chinese）

[4] 吳煥， 趙潤(rùn)生， 唐勇. 隨機(jī)振動(dòng)的描述及其試驗(yàn)與仿真[J]. 環(huán)境技術(shù)， 2015（3）： 6-9， 20.

Wu Huan， Zhao Runsheng， Tang Yong. Description of Random Vibration and Its Test and Simulation[J]. Environmental Technology， 2015（3）： 6-9， 20. （in Chinese）endprint

[5] 楊永鋒， 吳亞鋒. 經(jīng)驗(yàn)?zāi)B(tài)分解在振動(dòng)分析中的應(yīng)用[M]. 北京： 國(guó)防工業(yè)出版社， 2013.

Yang Yongfeng， Wu Yafeng. Application of Empirical Mode Decomposition in Vibration Analysis[M]. Beijing： National Defense Industry Press， 2013. （in Chinese）

[6] 王新龍， 陳濤， 杜宇. 基于ARMA模型的光纖陀螺漂移數(shù)據(jù)建模方法研究[J]. 彈箭與制導(dǎo)學(xué)報(bào)， 2006， 26（1）： 5-7， 11.

Wang Xinlong， Chen Tao， Du Yu. The Drift Method of Fiber Optic Gyros Based on the ARMA Model[J]. Journal of Projectiles， Rockets， Missiles and Guidance， 2006， 26（1）： 5-7， 11. （in Chinese）

[7] 冀振元. 時(shí)間序列分析與現(xiàn)代譜估計(jì)[M]. 哈爾濱： 哈爾濱工業(yè)大學(xué)出版社， 2016.

Ji Zhenyuan. Time Series Analysis and Modern Spectrum Estimation[M]. Harbin： Harbin Institute of Technology Press， 2016. （in Chinese）

[8] 陳濤， 王新龍， 杜宇. 基于AR模型的光纖陀螺建模方法研究[J]. 魚雷技術(shù)， 2005， 13（3）： 25-27.

Chen Tao， Wang Xinlong， Du Yu. Modeing Method of Fiber Optic Gyro Based on AR Model[J]. Torpedo Technology， 2005， 13（3）： 25-27. （in Chinese）

[9] 陳旭， 趙雪花. 基于EMD分解的AR模型在年徑流預(yù)測(cè)中的應(yīng)用[J]. 水電能源科學(xué)， 2014， 32（7）： 14-18.

Chen Xu， Zhao Xuehua. Application of Auto Regressive Model to Annual Runoff Forecasting Based on Empirical Mode Decomposition[J]. Water Resources and Power， 2014， 32（7）： 14-18. （in Chinese）

A Modeling Method for Quartz Flexible Pendulum

Accelerometer Random Vibration Error

Jiao Chenyang1， Wang Xinlong1， Wang Dun 2， Li Qunsheng3， Pan Zhe4

（1. School of Astronautics， Beihang University， Beijing 100191， China；

2. State Key Laboratory of SpaceGround Information Technology， Beijing 100086， China；

3. School of Instrumentation Science and OptoElectronics Engineering， Beihang University， Beijing 100191， China；

4. Beijing Electromechanical Engineering General Design Department， Beijing 100854， China）

Abstract： In order to build an accurate mathematic model of accelerometer random vibration error sepuence， a method combining empirical mode decomposition （EMD）， time series analysis method with Kalman filter is proposed. Aiming at the accelerometer nonstationary sequence error caused by random vibration， the EMD is introduced to separate the nonstationary components from error sequence effectively， and the time series analysis method is used to build the stationary sequence error model. Furthermore， Kalman filter algorithm is introduced to obtain an optimal estimation error sequence. Consequently， an accurate model of accelerometer random vibration error sequence is built， and it can improve the measure accuracy of accelerometer in random vibration environment.

Key words： quartz flexible pendulum accelerometer； random vibration； EMD； time series analysis； Kalman filter

Oppressive jamming will incapacitate its normal function for phased array radar。 for this problem， the basic of polarization mismatch will be used， and isolate the interference source at the receiver， improve the ability of antiinterference. In this paper， a joint beamforming technique for polarization and spatial domain is first proposed， which is derive， which is a problem of secondorder cone programs， to obtain the polarized beam with a null and polarization constraint in desired sidelobe region. Numerical examples are provided to demonstrate the usefulness and effectiveness of the proposed approaches.Polarization； interference rejection； phased array radarendprint