趙玉龍， 沈懷榮， 任元,*

(1. 裝備學(xué)院 研究生管理大隊(duì), 北京 101416； 2. 裝備學(xué)院 航天裝備系, 北京 101416)

進(jìn)入21世紀(jì)，量子技術(shù)特別是低溫物理學(xué)的研究取得了重大突破[1]，由此誕生了基于物質(zhì)波干涉的新型低溫超流體陀螺[2]。該陀螺是利用液氦在低溫條件下呈現(xiàn)的量子宏觀效應(yīng)，基于物質(zhì)波Sagnac效應(yīng)實(shí)現(xiàn)角速率敏感的一類新概念陀螺，其計(jì)算靈敏度比激光干涉陀螺高將近10個(gè)數(shù)量級(jí)，因此引起各國(guó)的極大興趣[3]。美國(guó)的加州大學(xué)伯克利分校[4]和哈佛大學(xué)[5]、俄羅斯的科學(xué)研究院[6]等機(jī)構(gòu)競(jìng)相開始研究[6]。憑借超高精度、超高靈敏度、小體積等優(yōu)勢(shì)，超流體陀螺有望被應(yīng)用于深空探測(cè)、新型戰(zhàn)略武器等長(zhǎng)航時(shí)、大航程高精度軍用和民用領(lǐng)域[7]。

超流體陀螺是通過(guò)檢測(cè)薄膜位移而實(shí)現(xiàn)角速度測(cè)量的，因此位移傳感器的分辨率是影響超流體陀螺分辨率的重要因素。文獻(xiàn)[8]通過(guò)改進(jìn)測(cè)量電路，將位移傳感器的輸出噪聲由3×10-5m/Hz降低到了1×10-5m/Hz，從而提高了超流體量子干涉陀螺的測(cè)量精度。文獻(xiàn)[9]對(duì)超流體陀螺的熱噪聲進(jìn)行了分析，驗(yàn)證了增加弱連接微孔數(shù)目可實(shí)現(xiàn)陀螺熱噪聲的抑制，然而受限于弱連接的加工技術(shù)，微孔數(shù)目不宜過(guò)多。文獻(xiàn)[10]設(shè)計(jì)了多圈環(huán)繞結(jié)構(gòu)，在一定程度上降低了陀螺噪聲，但增加了加工難度和成本，且不能實(shí)現(xiàn)噪聲的完全抑制。

此外，關(guān)于噪聲抑制的濾波算法方面，由于非線性自適應(yīng)濾波計(jì)算較復(fù)雜且硬件實(shí)現(xiàn)困難，因此實(shí)際中仍多采用線性自適應(yīng)濾波[11]。考慮維納濾波和卡爾曼濾波對(duì)先驗(yàn)知識(shí)的初始條件依賴較大[12]，最小均方(LMS)算法對(duì)非平穩(wěn)信號(hào)的適應(yīng)性差[13]，為此，本文在明晰陀螺相位波動(dòng)噪聲形成機(jī)理的基礎(chǔ)上，結(jié)合陀螺角速度噪聲與外界輸入角速度互不相關(guān)的特性，提出了一種基于遞推最小二乘(RLS)自適應(yīng)濾波的陀螺相位波動(dòng)噪聲抵消系統(tǒng)。該方法結(jié)合陀螺混合角速度信息，基于RLS算法實(shí)現(xiàn)濾波參數(shù)調(diào)節(jié)，使得RLS自適應(yīng)濾波器的輸出與混合角速度中噪聲部分相抵消，在對(duì)信號(hào)的適應(yīng)性和收斂速率方面有很大優(yōu)勢(shì)。

1 超流體陀螺相位檢測(cè)模型

超流體陀螺結(jié)構(gòu)如圖1所示，該陀螺裝置主要由熱驅(qū)動(dòng)部分、干涉環(huán)路和薄膜檢測(cè)模塊組成。

圖1 超流體陀螺示意圖

超流體陀螺工作時(shí)，啟動(dòng)熱驅(qū)動(dòng)裝置使得超流體在環(huán)形干涉環(huán)路的雙弱連接處發(fā)生約瑟夫森效應(yīng)從而產(chǎn)生物質(zhì)波，超流體流經(jīng)單個(gè)微孔的物質(zhì)波流量I0可表示為[14]

I0=Icisin Δφii=a,b

(1)

式中：Ica、Δφa和Icb、Δφb分別為流過(guò)弱連接a、b兩端單個(gè)微孔的超流體臨界流量和相位。

則環(huán)形腔內(nèi)超流體的總物質(zhì)波流量I為

I=NIcasin Δφa+NIcbsin Δφb

(2)

式中：N為單弱連接包含的微孔數(shù)目。

假設(shè)雙弱連接加工完全一致，則流過(guò)弱連接a、b兩端的臨界流量大小一致，即Ica=Icb=Ic，由和差化積公式，得到總物質(zhì)波流量為

(3)

當(dāng)存在外界角速度時(shí)，由于物質(zhì)波Sagnac效應(yīng)，超流體物質(zhì)波流量幅值H將被調(diào)制為[15]

(4)

式中：Δφs為外界輸入角速度引起的轉(zhuǎn)動(dòng)相位；A為陀螺的感應(yīng)面積；m4為氦-4的原子質(zhì)量；h為普朗克常數(shù)；ω為外界輸入角速度；k4=h/m4為超流體量子環(huán)流量。

在超流體物質(zhì)波流量的作用下，陀螺的薄膜位移發(fā)生變化，使用高精度的超導(dǎo)量子干涉儀作為薄膜位移的檢測(cè)模塊，將檢測(cè)到的薄膜位移經(jīng)快速傅里葉變化便可得到約瑟夫森頻率下的位移幅值Xm。位移幅值Xm與流量幅值H滿足[16]：

(5)

式中：fJ為約瑟夫森頻率；ρ為總的流體密度；Af為柔性薄膜面積。

根據(jù)式(4)，當(dāng)陀螺檢測(cè)較小的角速度時(shí),則由該角速度引起的轉(zhuǎn)動(dòng)相位也較小，此時(shí)超流體陀螺轉(zhuǎn)動(dòng)相位與薄膜幅值的關(guān)系可表示為

(6)

2 相位波動(dòng)噪聲分析及抑制

2.1 相位波動(dòng)噪聲分析

考慮超流體內(nèi)部分子的熱運(yùn)動(dòng)始終存在，超流體陀螺環(huán)路中的流體熱能量為KBT/2，KB為玻爾茲曼常數(shù)，T為陀螺工作溫度。熱能量作用下，超流體流過(guò)弱連接的流體包含的動(dòng)能為NρsD2為超流體密度，D為微孔孔徑，Δvs為超流體流動(dòng)速度，為弱連接厚度。

超流體流動(dòng)速度與弱連接兩側(cè)相位差Δφ滿足[14]:

(7)

式中：?=h/(2π)。

根據(jù)能量守恒關(guān)系可得，由熱運(yùn)動(dòng)引起弱連接兩側(cè)的相位波動(dòng)為

(8)

超流體陀螺的角速度檢測(cè)原理是通過(guò)檢測(cè)薄膜位移而間接得到外界輸入角速度信息。由式(6)、 式(8)易知，相位波動(dòng)噪聲的存在將直接影響陀螺的薄膜檢測(cè)幅值。顯然弱連接a、b在位置上相互獨(dú)立，波動(dòng)相位摻雜在轉(zhuǎn)動(dòng)相位中，由相位波動(dòng)噪聲引起的角速度噪聲屬于熱噪聲范疇[6]。結(jié)合式(4)、 式(8)，得到相位波動(dòng)噪聲引起的陀螺等效輸入角速度噪聲為

(9)

由式(9)易知，由相位波動(dòng)噪聲引起的陀螺角速度噪聲與外界輸入角速度無(wú)關(guān)，只與弱連接的結(jié)構(gòu)和陀螺工作溫度有關(guān)，通過(guò)設(shè)置合適的陀螺工作溫度、弱連接厚度、微孔數(shù)目和孔徑橫截面積，可以在一定程度上實(shí)現(xiàn)陀螺相位波動(dòng)噪聲的抑制。

由于超流體在弱連接處發(fā)生約瑟夫森效應(yīng)的前提為[4]

D≤2ξ4

(10)

式中：ξ4為與溫度相關(guān)的關(guān)聯(lián)長(zhǎng)度，單位為nm，表示為[3]

(11)

其中：Tλ為超流體的相變溫度。

2.2 基于RLS算法的噪聲自適應(yīng)抵消系統(tǒng)設(shè)計(jì)

根據(jù)超流體陀螺工作原理，通過(guò)薄膜幅值信息可以求解出相位波動(dòng)噪聲影響下陀螺輸出的混合噪聲角速度信息。針對(duì)該角速度信息中相位波動(dòng)噪聲引起的角速度噪聲與輸入角速度互不相關(guān)的特性，設(shè)計(jì)的陀螺波動(dòng)噪聲自適應(yīng)抵消系統(tǒng)如圖2所示。期望輸入d(i)為陀螺薄膜解算出的有用角速度信息ω(i)和噪聲δω(i)的混合角速度信息，u(i)為與δω(i)相關(guān)但與ω(i)不相關(guān)的參考噪聲輸入。

通過(guò)將薄膜幅值信息解算出的混合角速度信息作為噪聲自適應(yīng)抵消系統(tǒng)的期望輸入，相位波動(dòng)引起的角速度噪聲作為RLS自適應(yīng)濾波器的參考噪聲輸入, 經(jīng)過(guò)參數(shù)調(diào)節(jié)使得RLS自適應(yīng)濾波器的輸出與混合角速度的噪聲部分相抵消。其中，RLS自適應(yīng)濾波器采用如圖3所示的橫向?yàn)V波器結(jié)構(gòu)。

RLS橫向?yàn)V波器的輸出為

圖2 噪聲自適應(yīng)抵消系統(tǒng)示意圖

Fig.3 橫向?yàn)V波器結(jié)構(gòu)

(12)

式中：U(i)=[u(i),u(i-1),…,u(i-M+1)]T為輸入向量；W(i)=[w0(i),w1(i),…,wM-1(i)]T為權(quán)系數(shù)向量，i為時(shí)間序列，M為濾波器階數(shù)。

則超流體陀螺噪聲自適應(yīng)抵消系統(tǒng)的實(shí)際輸出為

e(i)=ω(i)+δω(i)-y(i)

(13)

對(duì)式(13)平方得到

e2(i)=ω2(i)+(δω(i)-y(i))2+

2ω(i)(δω(i)-y(i))

(14)

由式(9)可知，由相位波動(dòng)噪聲引起的陀螺角速度噪聲與輸入角速度不相關(guān)，即ω(i)與y(i)及δω(i)互不相關(guān)，則ω(i)與δω(i)-y(i)也不相關(guān)，對(duì)式(14)取數(shù)學(xué)期望得到

E(e2(i))=E(ω2(i))+E((δω(i)-y(i))2)

(15)

調(diào)節(jié)權(quán)系數(shù)使E((δω(i)-y(i))2)為0，E(e2(i))對(duì)應(yīng)也為最小，此時(shí)超流體陀螺噪聲自適應(yīng)抵消系統(tǒng)的輸出即為有用角速度信息。

采用RLS算法時(shí)，為使得系統(tǒng)期望輸出和實(shí)際輸出之間誤差最小，取代價(jià)函數(shù)[17]為

(16)

式中：λ為遺忘因子，其作用是使得離k時(shí)刻遠(yuǎn)的誤差賦較小權(quán)重。

將誤差代入代價(jià)函數(shù)，得到加權(quán)誤差平方和的完整表達(dá)式為

(17)

為使代價(jià)函數(shù)取得最小值，可通過(guò)對(duì)權(quán)向量求導(dǎo)，得到代價(jià)函數(shù)達(dá)到最小值時(shí)，存在如下關(guān)系:

(18)

R(k)和r(k)可由遞推關(guān)系得到

(19)

根據(jù)矩陣逆的引理，令P(k)=R-1(k)，得到

(20)

將式(19)、式(20)代入式(18)，得權(quán)向量的更新方程為

W(k)=W(k-1)+g(k)(d(k)-

WH(k-1)U(k))

(21)

超流體陀螺噪聲自適應(yīng)抵消系統(tǒng)通過(guò)實(shí)時(shí)比較期望信息和RLS自適應(yīng)濾波器輸出信息的差值信息，自適應(yīng)調(diào)整權(quán)向量W(k)，同時(shí)更新P(k)，并把RLS自適應(yīng)濾波器的輸出與期望輸入信息相抵消，最終實(shí)現(xiàn)對(duì)陀螺角速度噪聲的完全抑制。

3 仿真分析

為保證微孔發(fā)生約瑟夫森效應(yīng)的一致性，通常設(shè)定工作溫度在臨界溫度以下的10 mK以內(nèi)。恒定的溫度保持系統(tǒng)和高精度的溫度控制系統(tǒng)是超流體陀螺穩(wěn)定工作的前提，為了獲得恒定的陀螺工作溫度，通常將陀螺裝置放置于體積遠(yuǎn)遠(yuǎn)大于超流體陀螺的液氦浴恒溫系統(tǒng)中，通過(guò)高精度溫度控制系統(tǒng)維持低溫液氦浴系統(tǒng)在恒溫環(huán)境。因此，陀螺啟動(dòng)后的工作溫度也是恒定的，可不考慮其對(duì)陀螺標(biāo)度因數(shù)的影響。超流體陀螺的主要參數(shù)如表1所示，分析陀螺參數(shù)對(duì)陀螺角速度噪聲的影響，在保證超流體在弱連接處發(fā)生約瑟夫森效應(yīng)的基礎(chǔ)上，仿真得到相位波動(dòng)噪聲引起的角速度噪聲隨工作溫度和弱連接厚度的變化曲面如圖4所示。

由圖4的曲面走勢(shì)可知，角速度噪聲隨著陀螺工作溫度的升高而降低，陀螺的工作溫度為2.175 K時(shí)，角速度噪聲達(dá)到最小。在工作溫度固定的情況下，陀螺的角速度噪聲隨著弱連接厚度的增加而增大。在陀螺工作參數(shù)范圍內(nèi)，取陀螺工作溫度為2.175 K，弱連接厚度為50 nm時(shí)，角速度噪聲幅值達(dá)到最小為0.210 5×10-6rad/s?？梢?，通過(guò)合理設(shè)置陀螺相關(guān)參數(shù)，在一定程度上可實(shí)現(xiàn)陀螺角速度噪聲的抑制。

表1 超流體陀螺的主要參數(shù)

圖4 角速度噪聲變化曲面

分析圖4易知，一旦陀螺工作溫度和弱連接厚度確定時(shí)，由相位波動(dòng)噪聲引起的等效角速度噪聲也是確定的，該噪聲幅值(標(biāo)準(zhǔn)偏差)在10-7～10-6rad/s數(shù)量級(jí)。不失一般性，考慮陀螺角速度噪聲標(biāo)準(zhǔn)偏差為1.003×10-6rad/s的情況(對(duì)應(yīng)陀螺參數(shù)為：工作溫度為2.167 K，弱連接厚度為60 nm)，相位波動(dòng)噪聲屬于熱噪聲范疇，則其等效角速度噪聲可表示為10-6randn(1,i)。

超流體陀螺噪聲自適應(yīng)抵消系統(tǒng)的關(guān)鍵是要保證參考輸入與被抵消噪聲相關(guān)，而與有用信息無(wú)關(guān)。因此，選取參考輸入u(i)與被抵消噪聲δω(i)這2路噪聲都來(lái)自于同一個(gè)噪聲源，則可滿足相關(guān)性要求，即參考輸入噪聲為u(i)=10-6·randn(1,i)；此外，相位波動(dòng)引起的角速度噪聲是只與陀螺結(jié)構(gòu)參數(shù)相關(guān)的獨(dú)立隨機(jī)變量，與外界輸入角速度顯然不相關(guān)。

為了驗(yàn)證所設(shè)計(jì)的超流體陀螺噪聲自適應(yīng)抵消系統(tǒng)的可行性和有效性，對(duì)超流體陀螺薄膜輸出的混有噪聲的正弦角速度信息進(jìn)行研究。有用角速度設(shè)為2×10-6sin(0.03πi) rad/s，背景信息的時(shí)域和頻域信息特性如圖5所示。圖5(a)為噪聲源的時(shí)域特性，可見噪聲源是在整個(gè)時(shí)域內(nèi)呈均勻分布的白噪聲；圖5(b)為混合噪聲的角速度信息的頻域特性，分析可知，背景信息在0.015 Hz頻率處有一個(gè)幅度突變，其余頻率處信息幅度都為均勻分布，突變點(diǎn)處的幅值在2×10-6rad/s附近，說(shuō)明背景信息中包含頻率為0.015 Hz、幅值為2×10-6rad/s的交流分量信息，此信息即有用角速度信息。

考慮輸入信噪比為3 dB的情況，設(shè)計(jì)濾波器階數(shù)為3，遺忘因子為0.99，仿真得到基于RLS算法的噪聲抵消效果如圖6所示?？芍?，經(jīng)過(guò)約100次的迭代運(yùn)算后，陀螺角速度噪聲已基本被抵消掉，基于RLS算法的噪聲自適應(yīng)抵消系統(tǒng)能夠有效抑制陀螺相位波動(dòng)噪聲引起的角速度噪聲對(duì)測(cè)量角速度的污染。

固定濾波器階數(shù)為3，圖7為采用RLS算法、LMS算法和歸一化LMS(NLMS)算法調(diào)節(jié)濾波器參數(shù)時(shí)得到的噪聲自適應(yīng)抵消系統(tǒng)輸出結(jié)果。對(duì)比分析可知，與RLS算法相比，其他2種算法初始時(shí)速度波動(dòng)較大，且調(diào)整時(shí)間較長(zhǎng)?；赗LS算法的噪聲自適應(yīng)抵消系統(tǒng)的輸出角速度較為平滑且調(diào)整時(shí)間較短，可實(shí)現(xiàn)有用角速度信息的快速精確跟蹤。

圖5 背景信息的時(shí)域和頻域特性

圖6 基于RLS算法的噪聲抑制效果

為了直觀分析不同算法對(duì)有用角速度跟蹤的誤差收斂情況，仿真得到采用RLS算法、LMS算法和NLMS算法時(shí)噪聲自適應(yīng)抵消系統(tǒng)的輸出與有用角速度信息誤差的平方變化情況，如圖8所示?？芍?種算法都能實(shí)現(xiàn)良好的噪聲抑制效果，噪聲自適應(yīng)抵消系統(tǒng)的輸出誤差最終均能收斂，且RLS算法具有較快的收斂速度和較好的跟蹤精度。

表2為使用3種算法時(shí)，有用角速度信息為2×10-6sin(0.03πi) rad/s、輸入信噪比為3 dB時(shí)，得到的相關(guān)量化指標(biāo)的對(duì)比。其中，輸入信噪比是指輸入有用信息的能量與噪聲能量的比值，輸出信噪比是指輸出有用信息的能量和剩余噪聲能量的比值。分析可知，3種算法作用下，系統(tǒng)最終的輸出信噪比均遠(yuǎn)遠(yuǎn)大于輸入信噪比3 dB，表明3種算法對(duì)噪聲均具有較好的抑制能力，其中，RLS算法作用下輸出信噪比最大為16.43 dB。

圖7 3種算法的噪聲抑制效果

圖8 3種算法的輸出誤差平方

考慮陀螺中可能存在其他白噪聲增強(qiáng)效應(yīng)的影響，將角速度噪聲的強(qiáng)度增大4倍，有用角速度信息保持不變，對(duì)應(yīng)信噪比變?yōu)?3 dB，濾波參數(shù)不變?？紤]在強(qiáng)噪聲背景條件下，基于3種不同算法的噪聲自適應(yīng)抵消系統(tǒng)輸出與有用角速度信息的均方誤差收斂曲線對(duì)比如圖9所示?？芍趶?qiáng)噪聲背景下，基于RLS算法的噪聲自適應(yīng)抵消系統(tǒng)能夠使均方誤差快速收斂；而采用LMS算法和NLMS算法時(shí)，不僅收斂速度慢，且系統(tǒng)始終存在未被抵消的剩余誤差，即無(wú)法精確地跟蹤有用角速度信息。

表2 輸入信噪比為3 dB時(shí)的相關(guān)量化指標(biāo)Table 2 Relevant quantitative indicators when input signal to noise ratio is 3 dB

圖9 3種算法的均方誤差

算 法均方誤差/(10-12rad2·s-2)輸出信噪比/dB100次迭代運(yùn)算耗時(shí)/sRLS416.315.281LMS49.292.474NLMS49.483.282

表3為使用3種算法時(shí)，有用角速度信息為2×10-6sin(0.03πi) rad/s、輸入信噪比為-3 dB時(shí)，得到的相關(guān)量化指標(biāo)對(duì)比。對(duì)比表2、表3可知，隨著均方誤差的增大，采用LMS算法和NLMS算法對(duì)噪聲的抑制能力較為有限，輸出信噪比明顯降低，而采用RLS算法仍能保持較大的輸出信噪比。

進(jìn)一步考慮大輸入角速度、大噪聲復(fù)雜情況對(duì)噪聲自適應(yīng)抵消系統(tǒng)的影響，角速度噪聲的方差增大16倍，相應(yīng)的增大輸入角速度噪聲幅值，使得信噪比為3 dB保持不變，得到大角速度、大噪聲時(shí)，3種算法均方誤差收斂曲線如圖10所示?？芍?，基于LMS算法的噪聲自適應(yīng)抵消系統(tǒng)受到大角速度、大噪聲的影響，系統(tǒng)失穩(wěn)而不能收斂，這是由于LMS濾波器受到了梯度噪聲放大的影響。 NLMS算法對(duì)LMS算法進(jìn)行了歸一化處理，規(guī)避了梯度噪聲放大的影響。基于NLMS算法的噪聲自適應(yīng)抵消系統(tǒng)在初始時(shí)可實(shí)現(xiàn)較快的誤差收斂，但系統(tǒng)最終仍存在未被抵消的剩余誤差，導(dǎo)致均方誤差曲線無(wú)法收斂為0。基于RLS算法的噪聲自適應(yīng)抵消系統(tǒng)在大角速度、大噪聲的情況下，仍能實(shí)現(xiàn)快速穩(wěn)定的收斂和角速度信息的精確跟蹤。

圖10 大角速度、大噪聲時(shí)3種算法的均方誤差

算 法均方誤差/(10-12rad2·s-2)輸入信噪比/dB輸出信噪比/dB100次迭代運(yùn)算耗時(shí)/sRLS16316.445.304LMS1634.522.492NLMS16310.483.293

表4為使用3種算法時(shí)，有用角速度信息為8×10-6sin(0.03πi) rad/s、輸入信噪比為3 dB時(shí)，得到的相關(guān)量化指標(biāo)的對(duì)比?？芍?，在輸入大幅值角速度信息、大噪聲的復(fù)雜情況時(shí)，采用LMS算法對(duì)噪聲的抑制能力極小，輸出信噪比幾乎接近輸入信噪比3 dB。NLMS算法仍能保持較好的噪聲抑制能力，這是由于NLMS算法歸一化處理而規(guī)避了梯度噪聲放大的影響。對(duì)比表2～表4中3種算法的輸出信噪比變化情況可知，相比于其他2種算法，RLS算法作用下噪聲自適應(yīng)抵消系統(tǒng)的輸出信噪比始終能維持在16 dB附近，表明RLS算法對(duì)噪聲的抑制能力是最好的。

綜上所述，相比于其他2種算法，RLS算法在不同輸入信噪比、均方誤差情況下，均能有效抵消陀螺混合角速度信息中的噪聲成分，且具有較快的均方誤差收斂速度和較好的穩(wěn)定性。然而通過(guò)分析表2～表4中3種算法在不同工況時(shí)的100次迭代運(yùn)算耗時(shí)可知，相比于其他2種算法，RLS算法由于計(jì)算復(fù)雜度較高導(dǎo)致其計(jì)算時(shí)間是最長(zhǎng)的。可見，為了實(shí)現(xiàn)RLS算法從離線處理走向?qū)崟r(shí)系統(tǒng)應(yīng)用，還需進(jìn)一步研究如何降低RLS算法的計(jì)算復(fù)雜、計(jì)算時(shí)間長(zhǎng)的問(wèn)題。

4 結(jié) 論

針對(duì)超流體陀螺相位波動(dòng)噪聲影響陀螺角速度檢測(cè)精度的問(wèn)題，本文開展了超流體陀螺噪聲抑制的相關(guān)研究，得出以下結(jié)論：

1) 相位波動(dòng)噪聲引起的等效角速度噪聲隨著工作溫度的升高而降低，隨著弱連接厚度的增加而增大。在陀螺參數(shù)范圍內(nèi)，其噪聲幅值為10-7～10-6rad/s，通過(guò)合理設(shè)置陀螺相關(guān)參數(shù)，在一定程度上可以實(shí)現(xiàn)陀螺角速度噪聲的抑制。

2) 在不同輸入信噪比、均方誤差情況下，基于RLS算法的噪聲自適應(yīng)抵消系統(tǒng)均能夠有效消除陀螺混合角速度信息中的噪聲成分，且具有較快的收斂速度和較好的穩(wěn)定性。然而，相比于LMS算法和NLMS算法，RLS算法由于計(jì)算復(fù)雜度較高導(dǎo)致其計(jì)算時(shí)間是最長(zhǎng)的。

參考文獻(xiàn)(References)

[1] DOLBIN A V.Physics of nanostructures at low temperatures [J].Low Temperature Physics,2016,42(2):75.

[2] PACKARD R.Principles of superfluid helium gyroscopes[J].Physical Review B,1992,46(6):3540-3549.

[3] SATO Y,ADITYA J,PACKARD R.Superfluid4He quantum interference grating[J].Physical Review Letters,2008,101(8):085302-1-085302-4.

[4] HOSKINSON E.Superfluid4He weak links[D].Berkeley:University of California,2005:45-58.

[5] SATO Y.Sagnac-based rotation sensing with superfluid helium quantum interference devices[J].Comptes Rendus Physique,2014,15(10):898-906.

[6] GOLOVASHKIN A I,ZHERIKHINA L N,TSKHOVREBOV A M,et al.Ordinary SQUID interferometers and superfluid helium matter wave interferometers:The role of quantum fluctuations [J].Journal of Experimental and Theoretical Physics,2010,111(2):332-339.

[7] SIMMOND R W,MARCHENKOV A,HOSKINSON E,et al.Quantum interference of superfluid3He[J].Nature,2001,412(6842):55-58.

[8] SATO Y,PACKARD R.DC superconducting quantum interference device based neodymium magnet displacement sensor for superfluid experiments[J].Review of Scientific Instruments,2009,80(5):055102.

[9] CHUI T,HOLMES W,PENANEN K.Fluctuations of the phase difference across an array of Josephson junctions in superfluid4He near the Lambda transition[J].Physical Review Letters,2003,90(8):085301.

[10] NARAYANA S,SATO Y.Superfluid quantum interference in multiple-turn reciprocal geometry[J].Physical Review Letters,2011,106(25):255301.

[11] MAO Y,DING F,ALSAEDI A,et al.Adaptive filtering parameter estimation algorithms for Hammerstein nonlinear systems[J].Signal Processing,2016,128:417-425.

[12] DU G,ZHANG P.A markerless human-robot interface using particle filter and Kalman filter for dual robots[J].IEEE Transactions on Industrial Electronics,2015,62(4):2257-2264.

[13] AMIRYARAHMADI N,KROPP W,LARSSON K.Application of LMS algorithm to measure low-frequency transient forces from human walking[J].Acta Acustica United with Acustica,2016,102(1):23-34.

[14] SATO Y,ADITYA J,PACKARD R.Flux locking a superfluid interferometer[J].Applied Physics Letters,2007,91(7):1-3.

[15] SATO Y.Experiments using 4He weak link[D].Berkeley:University of California,2007:51-58.

[16] PACKARD R.The role of the Josephson-Anderson equation in superfluid helium[J].Review of Modern Physics,1998,70(2):641-651.

[17] KOHLI A K,RAI A.Numeric variable forgetting factor RLS algorithm for second-order volterra filtering[J].Circuits,Systems,and Signal Processing,2013,32(1):223-232.