模平方小波阈值在MEMS陀螺信号降噪中的应用

在深入分析现有软阈值和硬阈值小波去噪方法的基础上,综合二者的优点,提出一种模平方小波阈值去噪方法,并将其应用到MEMS陀螺仪输出信号的滤波处理中,从而有效地减小了信号中的高频噪声,提高了信噪比,抑制了MEMS陀螺仪的随机漂移.文中详细介绍了该方法的原理与实现过程,并结合某项目研究中MEMS惯性测量系统的实地跑车实验,对其中MEMS陀螺仪的实测数据进行了分析研究,肯定了使用该方法对MEMS陀螺仪输出信号进行滤波消噪处理的可行性和有效性.     

一种优化的小波阈值去噪方法在行人导航系统中的应用

针对MEMS陀螺仪输出信号随机漂移噪声较大的问题,结合室内行人导航应用需求,在分析传统小波阈值去噪方法的基础上,设计了一种优化的小波阈值去噪方法。该方法构造了一种小波系数介于软硬阈值之间的连续小波阈值函数,在一定程度上克服了软硬阈值函数自身固有的缺陷。最后,分别采用传统阈值去噪法与优化小波阈值去噪法对行人导航系统中采集到的MEMS陀螺仪数据进行去噪处理,结果表明,相对传统的软硬阈值滤波法,优化阈值去噪法处理后的信号获得了更高的信噪比40.8748 d B,同时均方差降低了40%,MEMS陀螺信号中的随机噪声被有效剔除,满足了行人导航后续研究工作的需求。     

MEMS陀螺随机漂移多尺度滤波方法

为了能有效地补偿MEMS(微电子机械系统)陀螺仪的随机漂移,提高载体姿态估计的精度,基于小波理论与多尺度分析方法,使用db4小波,将MEMS陀螺仪随机漂移进行深度为4的多尺度分解,得到5组小波系数。根据分解后的各尺度系数进行信号重建,得到5组多尺度陀螺仪漂移数据。对重建后的各尺度漂移数据进行时间序列建模,可以得到MEMS陀螺仪随机漂移的多尺度时间序列模型。在多尺度时间序列模型的基础之上,建立多尺度离散系统的系统模型,使用卡尔曼滤波方法,对个尺度陀螺随机噪声进行滤波,可以有效地滤除MEMS陀螺仪的随机漂移。试验结果表明本方法能有效降低信噪比。     

基于CEEMDAN改进阈值滤波的微机电陀螺信号去噪模型

为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型。该模型首先应用CEEMDAN方法将陀螺信号有效地分解为多个固有模态函数(IMF)分量;其次通过相关系数法判断噪声分量与有效分量的界限;进而对噪声分量进行阈值设置并使用改进阈值函数进行滤波处理;最后重构滤波处理后的噪声分量与有效分量以得到去噪后的信号。实际陀螺信号去噪试验结果显示:所提模型相对于CEEMDAN、集成经验模态分解(EEMD)、经验模态分解(EMD)强制去噪方法及小波分析方法,其信噪比提高了约3.9dB,均方根误差降低了约36%;所提模型相对于CEEMDAN结合软、硬阈值函数的去噪模型,均方根误差降低了30%以上。表明采用所提模型可以对MEMS陀螺输出信号进行有效去噪,提升去噪性能。     

基于小波变换的重力变化信号处理技术研究

针对重力敏感器中所测信号的特点，提出了小波变换的多分辨率分析方法。采用了强制去噪和阈值去噪两种方法，利用Daubechies小波函数，分别针对三种典型情况进行了分析。结果表明，对于信噪比非常小的重力变化信号，阈值去噪法相对于强制去噪法来说效果并没有明显提高，第9层下重建信号的逼近误差满足性能指标。文中还讨论了加入确定性干扰的情况下微弱信号的提取情况，结果表明，加入大的确定性干扰后，为了满足设计要求，小波分解的尺度有所增加，整体的滤波效果与未加入确定性干扰的情况基本相同。     

基于改进小波阈值的微机械陀螺去噪方法

陀螺的噪声是影响组合导航系统精度的重要因素之一。以插秧机GPS/INS组合导航系统为研究背景,在分析常规硬阈值和软阈值小波去噪的基础上,提出了一种改进的小波阈值去噪方法。该方法构造了一种改进的阈值函数,改进的阈值函数具有较好的连续性,避免了将混叠在噪声中的有效信号完全消除,能够自动调节小波系数的收缩程度,具有一定的自适应性。利用插秧机组合导航系统中微机械陀螺的实际输出数据,分别采用硬阈值、软阈值和改进阈值小波去噪方法进行了对比试验。结果表明改进的小波阈值去噪方法处理后信号的信噪比提高了约3倍、均方差小,具有一定的实用价值。     

基于小波分析与LSSVM的陀螺仪随机漂移建模

为了提高陀螺仪的使用精度,以陀螺仪随机漂移时间序列为研究对象,建立了基于小波分析和最小二乘支持向量机（LSSVM）的陀螺仪随机漂移模型。陀螺仪作为高精度敏感器件,其随机漂移信号具有非线性、弱平稳性等特点,难以补偿。为了提高补偿精度,这里采用小波分析对陀螺仪随机漂移信号进行多尺度分解,利用最小二乘支持向量机方法对重构后的近似序列和细节序列建立非线性子模型,最后将各子模型输出融合作为组合模型输出。最后将该算法用于动调陀螺仪的随机漂移建模,实验结果表明基于该组合算法的非线性模型能够有效地反映陀螺仪的随机漂移特性,建模效果明显优于直接采用LSSVM和ANN建立的模型。     

基于虚拟响应信号的结构参数时域辨识研究

在充分考虑线性动力系统的时域响应特性以及小波包分析的频率空间剖分特性的基础上,提出了一种基于虚拟响应信息提取的信号去噪新方法.虚拟响应虽然没有在结构动力检测过程中真实发生,但却是在某种激励下可以实现的一个响应,因此,根据虚拟响应信息同样可以进行结构系统的动力识别.数值研究表明,对于地脉动响应这种有效信号频带与噪声频带相互覆盖的低信噪比信号而言,小波阈值去噪法已无能为力,而基于虚拟响应信息提取的信号去噪方法则有较好的去噪效果.     

基于经验模态概率分布的光纤陀螺信号处理

为了抑制光纤陀螺随机漂移,基于改进的经验模态分解(EMD)和新型模态筛选标准提出了一种自适应的区间阈值滤波方法。首先分析加入高斯噪声对 EMD 分解结果的影响,提出有界噪声辅助以改善 EMD 分解质量,然后针对本征模态函数的概率分布特征提出了基于样本熵的模态筛选标准,最后采用数据驱动的阈值选择方法实现自适应的区间阈值滤波。为了验证算法的有效性,采集一款干涉型光纤陀螺静态漂移信号进行实验分析,结果表明本文方法较基于平稳小波变换和 EMD 的阈值滤波有更好的去噪效果。仿真分析表明该去噪算法减小了捷联惯性导航系统的航向角误差,均方根误差较     

基于离散小波变换的岩石SHPB测试信号去噪

运用离散小波阈值去噪原理对SHPB测试信号进行了处理,针对SHPB测试信号持时短、突变快等特性,并根据各小波基对信号的重构均方根误差,选择Symlets小波系中的小波基Sym5为适合SHPB测试信号小波分析的最佳小波基,并运用无偏估计程序SURE确定了各分解层的阈值。比较了小波阈值去噪与动态应变仪中常规低通滤波器去噪的信噪比和均方根误差,研究结果表明,相对于常规低通滤波器的去噪处理,离散小波变换不仅有良好的去噪效果,而且能得到更精确的重构信号,可以取代动态应变仪中的低通滤波器对SHPB测试信号进行去噪处理。