一種基于小波分析的角加速度計(jì)信號(hào)自適應(yīng)去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于小波分析的角加速度計(jì)信號(hào)自適應(yīng)去噪方法，屬于信號(hào)處理
技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 角運(yùn)動(dòng)廣泛存在于海、陸、空、天各個(gè)領(lǐng)域中，是自然界最基本的運(yùn)動(dòng)之一。在角運(yùn) 動(dòng)動(dòng)態(tài)特性表征方面，角加速度能夠更直接、更快速、更準(zhǔn)確地表征角運(yùn)動(dòng)的高階特性。隨 著高新技術(shù)在軍事領(lǐng)域的廣泛應(yīng)用，未來(lái)戰(zhàn)爭(zhēng)面臨的是全方位、高強(qiáng)度、多類(lèi)別武器的聯(lián)合 作戰(zhàn)。因此在多擾動(dòng)、變負(fù)載、大過(guò)載等復(fù)雜工況下，高精度、高動(dòng)態(tài)、高可靠地測(cè)量角加速 度信號(hào)，能夠提高武器系統(tǒng)的綜合作戰(zhàn)效能，提高重型機(jī)械，精密儀器等工業(yè)裝備的工作效 能，提尚飛彳丁器、水下航彳丁體等運(yùn)載工具的運(yùn)彳丁效能。
[0003] 分子型液環(huán)式角加速度計(jì)作為一種直接測(cè)量角加速度信號(hào)的傳感器，利用界面雙 電層效應(yīng)來(lái)敏感輸入軸方向的角加速度信號(hào)，并輸出與該角加速度信號(hào)成正比的電信號(hào)， 相比于傳統(tǒng)對(duì)速率陀螺數(shù)據(jù)進(jìn)行電子或電磁微分所得到的角加速度信號(hào)微分計(jì)算，解決了 角加速度誤差放大和延遲滯后等問(wèn)題，可靠性及抗干擾能力更強(qiáng)。但分子型液環(huán)式角加速 度計(jì)依然會(huì)受到自身材料結(jié)構(gòu)、載體機(jī)械振動(dòng)及摩擦等復(fù)雜環(huán)境因素的限制，輸出信號(hào)會(huì) 帶有大量噪聲甚至?xí)a(chǎn)生畸變。尤其是角加速度計(jì)通常工作在多擾動(dòng)、變負(fù)載的復(fù)雜環(huán)境 下，輸出信號(hào)中有時(shí)更蘊(yùn)含著大量有用的高頻振蕩信號(hào)，需要進(jìn)行濾波才可獲得更為精準(zhǔn)、 可靠的信號(hào)以便進(jìn)行后期的數(shù)據(jù)分析工作。
[0004] 目前，針對(duì)角加速度計(jì)等慣性傳感器輸出信號(hào)的濾波算法研究主要集中在卡爾曼 濾波算法上?？柭鼮V波算法雖然是一種最優(yōu)估計(jì)的算法，但其需要先對(duì)系統(tǒng)建立模型， 利用線性系統(tǒng)狀態(tài)方程進(jìn)行狀態(tài)觀測(cè)和估計(jì)。對(duì)于分子型液環(huán)式角加速度計(jì)，國(guó)內(nèi)尚未得 到明確的系統(tǒng)模型，因此無(wú)法通過(guò)卡爾曼濾波算法來(lái)進(jìn)行信號(hào)處理。而采用常用的均值、中 值濾波算法，即使調(diào)節(jié)滑動(dòng)窗口也無(wú)法同時(shí)兼顧對(duì)噪聲的平滑及對(duì)局部高頻信號(hào)的保留， 自適應(yīng)去噪程度低，導(dǎo)致信號(hào)可靠度下降?？梢?jiàn)，針對(duì)分子型液環(huán)式角加速度計(jì)在復(fù)雜環(huán)境 中的使用及高動(dòng)態(tài)信號(hào)的處理還沒(méi)有提出一種行之有效的解決方法。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明提供一種基于小波分析的角加速度計(jì)信號(hào)自適應(yīng)去噪方法，以 小波分析理論為基礎(chǔ)，根據(jù)角加速度計(jì)信號(hào)的高動(dòng)態(tài)特性進(jìn)行自適應(yīng)濾波，既能有效地平 滑噪聲，又能保留有用的高頻振蕩信號(hào)，使信噪比得到提高。
[0006] -種基于小波分析的角加速度計(jì)信號(hào)自適應(yīng)去噪方法，其包括：
[0007] 步驟一:對(duì)獲得的角加速度計(jì)輸出信號(hào)進(jìn)行長(zhǎng)度判斷，該角加速度計(jì)輸出信號(hào)為 原始帶噪信號(hào)并記為XN，若長(zhǎng)度大于1000,則取前1000作為帶噪信號(hào)的樣本ΧΝ_;若長(zhǎng)度小 于1000,則以原始帶噪信號(hào)ΧΝ為帶噪信號(hào)的樣本XN_;S后對(duì)帶噪信號(hào)的樣本ΧΝ_進(jìn)行歸 一化運(yùn)算得到帶噪信號(hào)X，同時(shí)根據(jù)M max=l〇g2(length(XNsam))計(jì)算最大分解層數(shù)M max;并生 成長(zhǎng)度為1000的白噪聲序列樣本Nsam，并對(duì)其進(jìn)行歸一化運(yùn)算后得到噪聲序列N;
[0008]選擇小波基函數(shù)為db3小波基進(jìn)行第m層小波分解，且初始m=l;
[0009] 步驟二:利用db3小波基函數(shù)分別對(duì)帶噪信號(hào)X和噪聲序列N進(jìn)行第m層小波分解， 得到近似系數(shù)cAm和細(xì)節(jié)系數(shù)cDm，并分別計(jì)算帶噪信號(hào)X和噪聲序列N的Μ層小波能量熵 WEEx 和 WEEn;
[0010]
計(jì)算分層小波能量熵的差商T，若m = MmaxST> 10%，則停止計(jì)算，此時(shí)得到的分解層數(shù)減去一為最佳分解層數(shù)，設(shè)最佳分解層數(shù)為Μ;若T <10%，貝|J更新m值為m+Ι，返回步驟二繼續(xù)計(jì)算；
[0011]步驟四：對(duì)原始帶噪信號(hào)XN進(jìn)行中值濾波得到信號(hào)Xmid，并用XN與Xmid相減得到噪 聲估計(jì)序列及，求iv的絕對(duì)值后再求均值獲得I的半寬度w，同時(shí)計(jì)算噪聲估計(jì)序列iv的標(biāo) 準(zhǔn)差σ(Λ〇，最后根據(jù)職％ =#+ 3σ(及)和=-(?Γ + 3σ(Λ〇)得到門(mén)限閾值上界gateH 與下界gateL;
[0012]步驟五：用db3小波基函數(shù)對(duì)原始帶噪信號(hào)XN進(jìn)行Μ層離散小波分解，得到近似系 數(shù)cAM與細(xì)節(jié)系數(shù)cDl，cD2,. . .cDM，將細(xì)節(jié)系數(shù)與設(shè)定閾值進(jìn)行比較，保留細(xì)節(jié)系數(shù)內(nèi)大于 門(mén)限閾值上界gateH且小于門(mén)限閾值下界gate L的細(xì)節(jié)系數(shù)內(nèi)的元素值，獲得處理后的細(xì)節(jié) 系數(shù)cDl' '02' · · .cDM';
[0013]步驟六：用近似系數(shù)cAM與閾值處理過(guò)后的各層細(xì)節(jié)系數(shù)cDf . . .cDiT進(jìn)行 一維小波逆變換，得到最終的去噪信號(hào)茇。
[0014] 有益效果：
[0015] 本發(fā)明以小波分析理論為基礎(chǔ)，結(jié)合分子型液環(huán)式角加速度計(jì)高動(dòng)態(tài)的信號(hào)特性 對(duì)其進(jìn)行信號(hào)處理。該算法不同于卡爾曼濾波算法對(duì)傳感器系統(tǒng)模型的依賴，不同于中值 濾波算法對(duì)窗口大小的依賴，以及均值濾波算法對(duì)高動(dòng)態(tài)信號(hào)處理方面的限制，從實(shí)際應(yīng) 用環(huán)境中的信號(hào)特征出發(fā)，有效地平滑噪聲，又能保留有用的高頻振蕩信號(hào)，使信噪比得到 提尚。
[0016] 本發(fā)明相較于傳統(tǒng)的小波分析去噪方法，提出了通過(guò)計(jì)算帶噪信號(hào)與噪聲信號(hào)的 小波能量熵與能量熵的差商來(lái)確定帶噪信號(hào)的最佳小波分解層數(shù)，運(yùn)用中值濾波對(duì)噪聲寬 度與噪聲標(biāo)準(zhǔn)差進(jìn)行估計(jì)，結(jié)合3〇準(zhǔn)則設(shè)定門(mén)限閾值，從而進(jìn)行自適應(yīng)濾波。在閾值選取方 面，相比于傳統(tǒng)的啟發(fā)式sure準(zhǔn)則、極大極小值準(zhǔn)則以及penalty準(zhǔn)則，效果更勝一籌。以上 方法對(duì)于分子型液環(huán)式角加速度計(jì)的周期性信號(hào)與高動(dòng)態(tài)信號(hào)的降噪處理都取得了較好 的效果。
【附圖說(shuō)明】
[0017] 圖1為本發(fā)明總體工作流程圖；
[0018] 圖2為本發(fā)明中小波分解層數(shù)自適應(yīng)確定的流程圖；
[0019] 圖3為本發(fā)明中小波門(mén)限閾值確定的流程圖；
[0020] 圖4為本發(fā)明中未添加白噪聲的各原始仿真信號(hào)圖；
[0021] 圖5為本發(fā)明中疊加白噪聲后獲得信噪比為15dB的各帶噪信號(hào)圖；
[0022] 圖6為本發(fā)明中疊加白噪聲后獲得信噪比為lOdB的各帶噪信號(hào)圖；
[0023] 圖7為采用本發(fā)明中閾值確定方法與啟發(fā)式閾值選擇方法、通用閾值
、極大極小值閾值方法的Block信號(hào)降噪效果圖，原始信噪比為15dB;
[0024] 圖8為采用本發(fā)明中閾值確定方法與啟發(fā)式閾值選擇方法、通用閾值
、極大極小值閾值方法的Block信號(hào)降噪效果圖，原始信噪比為10dB;
[0025] 圖9為采用本發(fā)明中閾值確定方法與啟發(fā)式閾值選擇方法、通用閾值
、極大極小值閾值方法的Bumps信號(hào)降噪效果圖，原始信噪比為15dB;
[0026] 圖10為采用本發(fā)明中閾值確定方法與啟發(fā)式閾值選擇方法、通用閾值
、極大極小值閾值方法的Bumps信號(hào)降噪效果圖，原始信噪比為1 OdB;
[0027] 圖11為采用本發(fā)明中閾值確定方法與啟發(fā)式閾值選擇方法、通用閾值
*極大極小值閾值方法的Heavy s i n e s信號(hào)降噪效果圖，原始信噪比為15 dB;
[0028] 圖12為采用本發(fā)明中閾值確定方法與啟發(fā)式閾值選擇方法、通用閾值
、極大極小值閾值方法的Heavy s i n e s信號(hào)降噪效果圖，原始信噪比為10 dB;
[0029] 圖13為采用本發(fā)明中閾值確定方法與啟發(fā)式閾值選擇方法、通用閾值
、極大極小值閾值方法的Dopp 1 er信號(hào)降噪效果圖，原始信噪比為15dB;
[0030] 圖14為采用本發(fā)明中閾值確定方法與啟發(fā)式閾值選擇方法、通用閾值
、極大極小值閾值方法的Dopp 1 er信號(hào)降噪效果圖，原始信噪比為1 OdB;