基于低成本mems陀螺的小波阈值去噪应用研究

《基于低成本mems陀螺的小波阈值去噪应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于低成本MEMS陀螺的小波阈值去噪应用研究赵宣懿孔雪博熊智刘建业南京航空航天大学导航研究中心摘要：通过有效抑制微机电系统(MEMS)陀螺的随机漂移误差，实现了提高低成本MEMS陀螺的测量精度。研究了小波阈值去噪算法的基本原理，分析了影响小波阈值去噪质量的主要因素;确定了小波函数类型、小波分解的层数、去噪阈值以及去噪阈值函数;利用小波阈值去噪算法对实际陀螺信号进行了去噪处理，结果表明：陀螺随机漂移得到了明显的抑制，取得了良好的去噪效果。关键词：低成本微机电系统;陀螺随机漂移;小波阈值去噪;作者简介：赵宣懿(1992-),男，硕士研究生，研究方向为车载组合导航系统。收稿日期:2017-0

2、1-11基金:国家自然科学基金项目资助(61533008,61374115,61533009,61673208)Researchofapplicationofwaveletthresholdde-noisingbasedonlow-costMEMSgyroZHAOXuan-yiKONGXue-boXIONGZhiLIUJian-yeNavigationResearchCenter,NanjingUniversityofAeronauticsandAstronautics;Abstract：Througheffectivelyrestrainrandomdrifterrorimprove

3、measurementprecisionofthelow-costmicroelectro-mechanicalsystem(MEMS)gyro.Thefundamentalprincipleofwaveletthresholdde-noisingalgorithmisresearchedandthemainfactorsthatinfluencethequalityofthewaveletthresholdde~noisingisanalyzed.Thetypesofwaveletfunction，numberofdecompositionlayers,de-noisingthres

4、holdandde-noisingthresholdfunctionaredetermined.Thealgorithmofthewaveletthresholdde-noisingisappliedtoprocessactualsignalsofgyroandthegyrorandomdriftisrestrainedobviouslyandgooddenoisingeffectisachieved.Keyword：low-costMEMS;gyrorandomdrift;waveletthresholdde—noising;Received：2017-01-110引言低成本微机电系

5、统(micro-electro-mechanicalsystem,MEMS)陀螺精度较差［1］,有效抑制MEMS陀螺的随机漂移误差，可以提高低成本MEMS陀螺的测量精度。由于MEMS陀螺仪的随机漂移特性往往表现为弱非线性、非平稳和慢时变，且极易受外部环境的影响，所以无法预知其准确的统计特性，导致无法建立其准确的系统模型，如果再利用卡尔曼滤波对MEMS陀螺仪随机漂移误差进行滤波时,常因课差模型建立的不准确而导致系统滤波精度不高，甚至发散［2,3］。小波变换具有较好的时频局域化特性和多分辨率特性等，特别适于分析和处理非平稳信号⑷。目前，小波去噪的算法中，阈值去噪法相对简单、计算量小，而且去

6、噪效果也很好，广泛应用于实际的信号处理中［5］。本文研究了小波阈值去噪算法的基本原理，分析了影响小波阈值去噪质量的主要因素，确定了小波函数类型、小波分解的层数、去噪阈值以及去噪阈值函数,利用小波阈值去噪算法对实际陀螺信号进行了去噪处理，陀螺随机漂移得到了明显的抑制，取得了良好的去噪效果。1小波阈值去噪算法原理研究L1小波阈值去噪算法原理鸟』小波阈值去噪算法根据有用信号和噪声信号在分解尺度变化的过程中具有不同的表现形式，构造出相应的准则，对有用信号和噪声信号的小波系数进行处理,减小甚至完全消除由噪声信号产牛的小波系数，同时最大程度地保留有用信号对应的小波系数。1.2小波阈值去噪算法分析一

7、维信号A(i)模型式中f(i)为真实信号;c(i)为噪声信号；o为噪声的标准差;A(i)为含噪声信号。一般，对一维信号进行阈值去噪包括3个步骤：1)对一维信号进行小波分解:选择合适的小波函数和合适的分解层数，对一维信号进行n层小波分解。2)小波分解阈值量化:选择合适的阈值和阈值函数，对每一层的高频系数进行阈值量化处理。3)一维小波重构:根据小波分解的第n层的低频系数和经过阈值量化处理后的第1层到第n层的高频系数对信号进行小波重构。从以上步骤看岀