二乗平均平方根（RMS）は、変動する信号の大きさを定量化する統計的尺度です。慣性航法では、センサーノイズ、バイアス不安定性、および慣性測定の全体的な品質を記述するために広く使用されています。RMSは、二乗値の平均の平方根を取ることにより、信号の実効電力を表します。このプロセスにより、正と負の偏差が結果に等しく寄与することが保証されます。
エンジニアは、特に慣性計測ユニット（IMU）での誤差伝播を評価する場合に、加速度計とジャイロスコープの出力を特徴付けるためにRMSに依存しています。したがって、これは、慣性航法システム（INS）が推測航法中に精度を維持できるかどうかを評価する上で不可欠な役割を果たします。
慣性航法への影響
慣性航法では、位置、速度、姿勢の積分値における測定ノイズと残留誤差の両方を定量化するために、RMSが頻繁に用いられます。例えば、RMS加速度ノイズは、積分後の速度推定値にランダムな変動がどのように影響するかを判断するのに役立ちます。
RMS角速度ノイズは、しばしば「角ランダムウォーク」として表され、姿勢ドリフトに直接影響を与えます。 メーカーは、速度ランダムウォーク、バイアスの再現性、出力ノイズ密度など、多くの性能指標をRMS値を用いて規定している。これらのRMSに基づく仕様により、システムインテグレーターは異なるIMUを比較し、経時的なナビゲーションドリフトを推定し、適切なフィルタリング戦略を設計することができる。
GNSS 広く使用されているカルマンフィルタは、不確実性を管理し推定誤差を低減するために、処理共分散行列および測定共分散行列においてRMSノイズレベルを利用しています。
RMSは、後処理を通じて航法性能を検証する際にも重要な指標となります。アナリストは、GNSS や高動的機動を伴うINS 、推定軌道と基準解との間のRMS差を計算し、INS 品質を評価します。
RMS誤差が小さいことは、センサーの挙動が安定しており、フィルタリングが有効であることを示します。逆に、RMS誤差が大きい場合は、熱ドリフト、機械的振動、または不十分な校正などの問題があることを示唆します。
RMSは変動の全体的な大きさを要約するため、エンジニアは環境ストレス下でのシステムの堅牢性を判断することができます。このように、RMSは慣性センサーの挙動を特徴づけ、航法アルゴリズムを評価し、多様なミッションプロファイルにおいてINS 確実にINS 保証するための基礎的なツールとして機能します。
