Faculté des sciences

Application of Kalman filtering to noisereduction on microsensor signals = Application de filtres de Kalman à la réduction de bruitde microcapteurs

Marselli, Catherine ; Daudet, D. ; Amann, Hans Peter ; Pellandini, Fausto

In: Proceedings du Colloque interdisciplinaire en instrumentation, C2I, 18-19 novembre 98, pp. 443-450, 1998, p. 443-450

L'encombrement réduit et les coûts relativement bas des microcapteurs les rendent intéressants dans de nombreuses applications. Cependant, la plupart sont encore bien moins précis que des capteurs classiques de sorte que des méthodes de correction d'erreurs doivent être développées. Ce papier propose une méthode de réduction des bruits stochastiques basée sur un filtre de Kalman. Une... Plus

Ajouter à la liste personnelle
    Résumé
    L'encombrement réduit et les coûts relativement bas des microcapteurs les rendent intéressants dans de nombreuses applications. Cependant, la plupart sont encore bien moins précis que des capteurs classiques de sorte que des méthodes de correction d'erreurs doivent être développées. Ce papier propose une méthode de réduction des bruits stochastiques basée sur un filtre de Kalman. Une fois qu'un modèle de l'erreur est défini, le filtre permet d'estimer le signal désiré à partir de mesures bruitées. Dans une version modifiée, l'algorithme peut être appliqué alors qu'aucun modèle du signal n'est disponible. L'intérêt de cette deuxième méthode est illustré dans le cas particulier de la correction d'offset pour un gyroscope micro-usiné. Les deux approches sont illustrées par plusieurs exemples.
    Summary
    Due to their low cost and small size, microsensors are of great interest for many applications. However, few are as accurate than their classical forerunners so that their output signals must be corrected. The present research work focuses on an error correction system designed to eliminate perturbations that are random in character. Provided they can be modelled, Kalman filters are well suited: they are used to estimate a desired signal from noisy measurements. In a second step, the basic method is modified to suit also applications where no model of the signal is available. The interest of this second method is outlined in the peculiar case of the offset correction for an angular rate microsensor. Both approaches are presented and illustrated through examples.