一种消费级惯性传感单元环境噪声的估计方法技术

本发明专利技术公开了一种消费级惯性传感单元环境噪声的估计方法，步骤1、使用消费级惯性传感单元采集传感单元的信号；步骤2、采进行源信号和加性噪声分离处理；步骤3、对采集到的加速度、角速度等信号进行频谱分析；步骤4、对谱线的频率、幅值及相位三个参数进行估计；步骤5、基于相位一致性准则对CIMU传感数据中的单源成分进行判别，采用数据密度聚类算法完成频率合成及有效成分判定，基于混合矩阵估计、空间投影等算法对BSS模型中的具体处理进行修正；步骤6、基于频率判定的结果，结合混合矩阵估计和空间投影算法，完成盲源分离，估计出噪声频谱。与现有技术相比，本发明专利技术根据噪声估计结果可以设计滤波器滤除噪声，提高数据精度。

【技术实现步骤摘要】
一种消费级惯性传感单元环境噪声的估计方法
本专利技术涉及信号处理、数据处理应用领域，特别是涉及一种惯性传感单元环境噪声的估计方法。
技术介绍
近年来，随着惯性技术和电子加工技术的发展，惯性测量单元(InertialMeasurementUnit，IMU)的性价比不断提高，使得基于惯性导航的室内定位方案快速发展。运用惯性导航进行室内定位，主要包括步长计算、方向估计等技术。按照步长-方向(Stride-Heading-System，SHS)的框架，人员行进过程可被分为单步运动，由单步步长和行进方向两个因素确定人员的位移。与采用战术级惯性传感单元(TacticalInertialMeasurementUnit，TIMU)的SHS框架不同，采用CIMU采集数据的误差常常会由于环境条件(电磁辐射等)出现数据激变。因此，数据采集后的噪声频谱估计及滤波处理对于获得良好的人员行进传感至关重要。此外，CIMU的加速度数据、角速度数据以及磁力数据所采用的传感原理不同，例如：加速度计可能采用真空压阻式、压电式以及电位器等多种方式。而角速度计和磁力计则可能采用陀螺仪等技术。不同的物理传感方式受到周围的环境条件影响不同。因此，如何对所采集的信号进行盲源分离，为不同的传感数据建立快速的噪声频谱估计，并对CIMU的传感信号进行滤波和校正是一个惯性导航系统中必须解决的问题。
技术实现思路
为了克服现有技术的不足，本专利技术提出了一种消费级惯性传感单元环境噪声的估计方法，针对消费级传感单元(Consumer-gradeInertialMeasurementUnit，CIMU)传感数据时的环境噪声，采用盲源分离BSS模型，快速完成对环境噪声频谱估计的方法。一种消费级惯性传感单元环境噪声的估计方法，该方法包括以下步骤：步骤1、使用消费级惯性传感单元采集传感单元的信号，采集数据至少包括加速度、角速度；步骤2、采用基本谐波盲源分离BSS模型实现源信号S和加性噪声N的分离处理：定义源信号为sk(t),k＝1,...,K，K为源数目，经线性瞬时系统混合，得到的混合信号为xm(t),m＝1,…,M，M为混合信号的数目，混合信号xm(t)表达式如下：其中，am,k为混合系数，Nm(t)为第m个混合信号的加性噪声；将上式表示为矩阵形式，则有：x(t)＝As(t)+N(t)其中，s(t)为K×1维源信号向量，表示为s(t)＝[s1(t),s2(t),...,sk(t)]T；x(t)＝[x1(t),x2(t),...,xM(t)]T为M×1维混合信号向量；N(t)＝[N1(t),N2(t),...,NM(t)]T为M×1维加性噪声矢量，A为M×K维混合矩阵；t表示是时间；对上式做时频变换，得到混合信号的频域表达式：X(τ,ω)＝AS(τ,ω)将单源成分表示如下：其中，τ0表示某个源信号活跃的那一时刻，ω0、c0、分别表示单源成分频率、幅值、相位参数，将以上单源成分的表达式代入时频BSS模型，得到：可见，单源时频点(τ0,ω0)上的混合时频向量X(τ0,ω0)与混合矩阵A第n个列向量an平行；找到所有的单源时频点，即确定整个混合矩阵A，用于信号恢复；步骤3、采用短时傅立叶变换等时频分析工具对采集到的加速度、角速度信号进行频谱分析；短时傅里叶变换也叫短时谱(加窗的方式)，具体变换公式如下：Xn(ejw)中的下标n表示区别于标准的傅里叶变换，w(n-m)是窗口函数序列，w(n-m)中的n表示是关于n的离散函数，w表示是关于角频率w的连续函数；步骤4、采用比值法频谱校正技术对频率、幅值及相位三个参数进行估计，实现频谱校正；实现了在某个固定的时刻τ0上，利用混合信号谱线Xm(τ0，kΔω)，简记为Xm(τ0，k)，k＝1,2,…,L,L是STFT的窗长，m＝1,…,M提取所有谐波的三个参数：是当前时刻上的谱峰个数，也就是谐波分分量个数；步骤5、基于相位一致性准则对CIMU传感数据中的单源成分进行判别，采用数据密度聚类算法完成频率合成及有效成分判定，使用相位一致特性作为有效成本判断准则，在某个时刻τ0下，对于第n个源的单源频率成分ω0，其理想的时频混合向量X(τ0，ω0)，也即在时刻τ0下频率成分ω0所对应的模式向量将平行于an，与此同时，X(τ0，ω0)的每项都由实数am，n，列向量an的第m个元素，m＝1,2，…，M和同一复数乘积生成，因而理论上X(τ0，ω0)每项的相位应与Φ0相等；即对于某个模式向量当其满足：判定其为单源头成分，其中，ξ为给定的小阈值；基于混合矩阵估计、空间投影等算法对BSS模型中的具体处理进行修正：当混合矩阵中系数存在负号时，该路源信号经过混合后其相位发生大小为π的相移；假设某单源成分为了排除相移π所带来的影响，将相位一致性准则修正为：其中‘<·>’代表内积操作，对于的所有相位，定义一个相位差异指数仅当满足：构造单源成分对应的单源模式：根据相位一致特性组建一个实值的模式向量，以第一路混合信号中的相位为参考，有：其中：其中，为实值模式向量的分量值，为混合信号中的谐波参数，为的相位，为第一路混合信号中的相位；进一步，将归一化，所有时刻的单源成分将组成单源模式集合P*为所有时刻的单源成分总数，对进行聚类即可得到混合矩阵估计；步骤6、基于频率判定的结果，结合混合矩阵估计和子空间投影算法，进行盲源信号恢复处理，完成盲源分离，估计出噪声频谱：允许源信号在时域的支撑区有重叠，但完全恢复需要满足如下条件，重叠成分只能被小于混合信号数目M的ρ个源信号共有，为提供足够多的重叠可能，不妨令ρ(ρ＝M-1)；直接将每个时频点的所有混合信号的STFT值组成向量作为输入，求得在每个时频点(τ0，ω0)上，找到与该点对应的ρ个源信号下标α1，…，αp,进一步从混合矩阵估计中获得M×ρ维的子矩阵然后通过下式求得各个源信号在时频点(τ0,ω0)上的STFT值：对所有时频点运行子空间投影算法，得到N个源信号的STFT谱估计再对其进行逆STFT变换，则得到恢复信号完成盲源分离，完成盲源分离后即可确定环境噪声的模型。与现有技术相比，本专利技术根据噪声估计结果可以设计滤波器滤除噪声，提高数据精度。附图说明图1是本专利技术CIMU环境噪声的滤除方法路线图；图2是CIMU的源信号和环境噪声信号的盲源分离处理方法的流程示意图。具体实施方式下面将结合附图对本专利技术的实施方式作进一步的详细描述。步骤1、使用消费级惯性传感单元(Consumer-gradeInertialMeasurementUnit，CIMU)采集传感单元的信号，主要包括加速度、角速度等数据；步骤2、采用基本谐波盲源分离BSS模型(BlindSourceSeparation)实现源信号S(Source)和加性噪声N(Noise)分离处理：如图1所示，CIMU感知到的信号被视为线性瞬时混合信号，即信号为源信号的线性组合，通道不存在时延。假设源信号为sn(t),n＝1,...,N，N为源数目，经线性瞬时系统混合，得到的混合信号为xm(t),m＝1,…,M，M为混合信号的数目，其数学表达式如下：其中，am,n为混合系数，nm(t)为第m个混合信号的加性噪声。将上式表示为矩阵形式，则有：x(t)＝As(t)+n(t本文档来自技高网...

【技术保护点】
一种消费级惯性传感单元环境噪声的估计方法，其特征在于，该方法包括以下步骤：步骤(1)、使用消费级惯性传感单元采集传感单元的信号，采集数据至少包括加速度、角速度；步骤(2)、采用基本谐波盲源分离BSS模型实现源信号S和加性噪声N的分离处理：定义源信号为sk(t),k＝1,...,K，K为源数目，经线性瞬时系统混合，得到的混合信号为xm(t),m＝1,…,M，M为混合信号的数目，混合信号xm(t)表达式如下：

【技术特征摘要】
1.一种消费级惯性传感单元环境噪声的估计方法，其特征在于，该方法包括以下步骤：步骤(1)、使用消费级惯性传感单元采集传感单元的信号，采集数据至少包括加速度、角速度；步骤(2)、采用基本谐波盲源分离BSS模型实现源信号S和加性噪声N的分离处理：定义源信号为sk(t),k＝1,...,K，K为源数目，经线性瞬时系统混合，得到的混合信号为xm(t),m＝1,…,M，M为混合信号的数目，混合信号xm(t)表达式如下：其中，am,k为混合系数，Nm(t)为第m个混合信号的加性噪声；将上式表示为矩阵形式，则有：x(t)＝As(t)+N(t)其中，s(t)为K×1维源信号向量，表示为s(t)＝[s1(t),s2(t),...,sk(t)]T；x(t)＝[x1(t),x2(t),...,xM(t)]T为M×1维混合信号向量；N(t)＝[N1(t),N2(t),...,NM(t)]T为M×1维加性噪声矢量，A为M×K维混合矩阵；t表示是时间；对上式做时频变换，得到混合信号的频域表达式：X(τ,ω)＝AS(τ,ω)将单源成分表示如下：其中，τ0表示某个源信号活跃的那一时刻，ω0、c0、分别表示单源成分频率、幅值、相位参数，将以上单源成分的表达式代入时频BSS模型，得到：可见，单源时频点(τ0,ω0)上的混合时频向量X(τ0,ω0)与混合矩阵A第n个列向量an平行；找到所有的单源时频点，即确定整个混合矩阵A，用于信号恢复；步骤(3)、采用短时傅立叶变换等时频分析工具对采集到的加速度、角速度信号进行频谱分析；短时傅里叶变换也叫短时谱(加窗的方式)，具体变换公式如下：Xn(ejw)中的下标n表示区别于标准的傅里叶变换，w(n-m)是窗口函数序列，w(n-m)中的n表示是关于n的离散函数，w表示是关于角频率w的连续函数；步骤(4)、采用比值法频谱校正技术对频率、幅值及相位三个参数进行估计，实现频谱校正；实现了在某个固定的时刻τ0上，利用混合信号谱线Xm(τ0，kΔω)，简记为Xm(τ0，k)，k＝1,2,…,L,L是STFT的窗长，m＝1,…,M提取所有谐波的三个参数：是当前时刻上的谱峰个数，也就是谐波分分量个数；步骤(5)、基于相位一致性准则对CIMU传感数据中的单源成分进行判别，采用数据密度聚类算法完成频率合成及有效成分判定，使用相位一致特性作为有效成本判断准则，在某个时刻τ0下，对于第n个源的单源频率成分ω0，其理想的时频混合向量X(τ0，ω0)，也即在时刻τ0下频率成分ω0所对应的模式向量将平行于an，与此同时，X(τ0，ω0)的每项都...

【专利技术属性】
技术研发人员：刘昱，吴建超，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12