imu内参标定，allan方差分析，imu-utils

基于动态Allan 方差的光纤陀螺随机误差分析及算法改进

微机电（MEMS）陀螺仪的随机漂移误差较大，严重影响导航精度。针对上述问题，首先利用Allan方差分析了MEMS陀螺的随机漂移误差；然后基于小波阈值去噪算法处理陀螺信号的高频噪声，建立了硬阈值函数和软阈值函数，并通过两种函数对陀螺信号进行小波阈值去噪处理。实验结果表明：较之硬阈值函数，软阈值函数去噪效果更佳，去噪后信号标准差更低，量化噪声、角度随机游走和零偏不稳定性分别下降了97.34%、97.62%、57.07%。

计算MEMS陀螺的Allan方差，并求出与Allan方差相关的五个系数，最后在求出拟合误差

这本手册描述了频率稳定分析的实用技术。它涵盖了频率稳定性的定义，测量系统和数据格式，预处理步骤，分析工具和方法，后处理步骤，和报告建议。本文包含了许多此类技术的示例。一些例子使用了Stable32程序[1]，它是研究和执行频率稳定分析的工具。本文还给出了两篇关于本课题的通用文献[2,3]。 这本手册既可以作为教程使用，也可以作为参考。如果这是您第一次接触这一领域，您可能会发现它有助于浏览某些部分获得有关频率稳定分析的一些理解。我强烈建议参考参考资料，作为你研究这个主题的一部分。重点是时域稳定性分析，其中专门的统计方差已被开发来表征时钟噪声作为平均时间的函数。我提出了执行这些计算、识别噪声类型和确定置信限的方法。将老化和环境敏感性等确定性因素从随机噪声过程中分离出来是非常重要的。我们必须始终意识到异常值的可能性和其他可能污染数据的测量问题。 建议的分析程序是：收集数据、预处理、稳定性分析和报告结果。纵观这一分析过程，值得记住的是R.W.Hamming的公理:“计算的目的是洞察，而不是数字。”分析师应该自由地运用自己的直觉，尝试不同的方法，以提供更深入的理解。

计算Allan方差的Python 实现，两种分组方式（标准分组和交叠式分组）都有考量，并且还提供了简单的调用示例，很容易上手。Allan 方差的计算原理可以参看https://zhuanlan.zhihu.com/p/550890736

The aim of this book is to provide the reader with a fairly thorough treatment of the main body of basic and classical probability theory, preceded by an introduction to the mathematics which is necessary for a solid treatment of the material.

对原始的钟差数据处理，将其转化为频率数据，通过频率数据求阿伦方差，来分别求解卫星钟的千秒稳，万秒稳，天稳，从而对卫星钟性能进行分析。

原始数据为严恭敏老师stim300。此程序利用Allan方差求解陀螺五个系数，速率斜坡系数（K速率随机游走系数，B零偏稳定性，N角度随机游走系数，Q量化噪声系数）

随机游走matlab代码一些变化 陀螺仪和acc的输出偏差随机游走，斜率为0.5。 将噪声输出更改为连续时​​间形式。 修复acc的噪声参数，包括Q/N/K/R，去除系数60或3600等。 主要思想是使用 Q / N / B / K / R 拟合 log Allan Variance 值，不同的幂包括 -1、-0.5、0、0.5、1。 imu_utils 用于分析 IMU 性能的 ROS 封装工具。 艾伦方差工具的 C++ 版本。 这些数字是由 Matlab 绘制的，在scripts 。 实际上，只需分析 IMU 数据的 Allan Variance。 在 IMU 静止时收集数据，持续时间为两个小时。 参考 参考技术报告： 、 和 。 Woodman, O.J., 2007. An introduction to inertial navigation (No. UCAM-CL-TR-696). University of Cambridge, Computer Laboratory. 参考 Matlab 代码： IMU 噪声值 范围 YAML 元素 象征 单位 陀螺仪“白噪声” gy