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
慣性航法において、RMSは、統合された位置、速度、姿勢における測定ノイズと残差誤差の両方を定量化するためによく適用されます。例えば、RMS加速度ノイズは、ランダムな変動が積分後の速度推定値に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、しばしば角速度ランダムウォークとして表現され、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、バイアス再現性、出力ノイズ密度など、多くの性能指標をその値を用いて規定しています。これらのRMSベースの仕様により、システムインテグレーターは異なるIMUを比較し、経時的な航法ドリフトを推定し、適切なフィルタリング戦略を設計できます。
INS/GNSS統合で広く使用されているカルマンフィルターは、不確実性を管理し、推定誤差を低減するために、そのプロセスおよび測定共分散行列でRMSノイズレベルを使用します。
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して機能します。アナリストは、GNSS拒否または高ダイナミクスな操縦を伴うテスト中にINSの品質を評価するために、推定された軌跡と参照ソリューション間のRMS差を計算します。
低いRMS誤差は、安定したセンサー挙動と効果的なフィルタリングを示します。逆に、高いRMS誤差は、熱ドリフト、機械的振動、不十分なキャリブレーションなどの問題を浮き彫りにします。
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評価できます。このように、RMSは慣性センサーの挙動を特性評価し、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でINSが確実に機能することを保証するための基礎的なツールとして機能します。
