一种基于小波分析的角加速度计信号自适应去噪方法技术

本发明专利技术提供一种基于小波分析的角加速度计信号自适应去噪方法，相较于传统的小波分析去噪方法，本发明专利技术提出了通过计算带噪信号与噪声信号的小波能量熵与能量熵的差商来确定带噪信号的最佳小波分解层数，运用中值滤波对噪声宽度与噪声标准差进行估计，结合3σ准则设定门限阈值，从而进行自适应滤波。在阈值选取方面，相比于传统的启发式sure准则、极大极小值准则以及penalty准则，效果更胜一筹。以上方法对于分子型液环式角加速度计的周期性信号与高动态信号的降噪处理都取得了较好的效果。

【技术实现步骤摘要】

本专利技术涉及，属于信号处理

技术介绍
角运动广泛存在于海、陆、空、天各个领域中，是自然界最基本的运动之一。在角运 动动态特性表征方面，角加速度能够更直接、更快速、更准确地表征角运动的高阶特性。随 着高新技术在军事领域的广泛应用，未来战争面临的是全方位、高强度、多类别武器的联合 作战。因此在多扰动、变负载、大过载等复杂工况下，高精度、高动态、高可靠地测量角加速 度信号，能够提高武器系统的综合作战效能，提高重型机械，精密仪器等工业装备的工作效 能，提尚飞彳丁器、水下航彳丁体等运载工具的运彳丁效能。 分子型液环式角加速度计作为一种直接测量角加速度信号的传感器，利用界面双 电层效应来敏感输入轴方向的角加速度信号，并输出与该角加速度信号成正比的电信号， 相比于传统对速率陀螺数据进行电子或电磁微分所得到的角加速度信号微分计算，解决了 角加速度误差放大和延迟滞后等问题，可靠性及抗干扰能力更强。但分子型液环式角加速 度计依然会受到自身材料结构、载体机械振动及摩擦等复杂环境因素的限制，输出信号会 带有大量噪声甚至会产生畸变。尤其是角加速度计通常工作在多扰动、变负载的复杂环境 下，输出信号中有时更蕴含着大量有用的高频振荡信号，需要进行滤波才可获得更为精准、 可靠的信号以便进行后期的数据分析工作。 目前，针对角加速度计等惯性传感器输出信号的滤波算法研究主要集中在卡尔曼 滤波算法上。卡尔曼滤波算法虽然是一种最优估计的算法，但其需要先对系统建立模型， 利用线性系统状态方程进行状态观测和估计。对于分子型液环式角加速度计，国内尚未得 到明确的系统模型，因此无法通过卡尔曼滤波算法来进行信号处理。而采用常用的均值、中 值滤波算法，即使调节滑动窗口也无法同时兼顾对噪声的平滑及对局部高频信号的保留， 自适应去噪程度低，导致信号可靠度下降。可见，针对分子型液环式角加速度计在复杂环境 中的使用及高动态信号的处理还没有提出一种行之有效的解决方法。
技术实现思路
有鉴于此，本专利技术提供，以 小波分析理论为基础，根据角加速度计信号的高动态特性进行自适应滤波，既能有效地平 滑噪声，又能保留有用的高频振荡信号，使信噪比得到提高。 -种基于小波分析的角加速度计信号自适应去噪方法，其包括： 步骤一:对获得的角加速度计输出信号进行长度判断，该角加速度计输出信号为 原始带噪信号并记为XN，若长度大于1000,则取前1000作为带噪信号的样本ΧΝ_;若长度小 于1000,则以原始带噪信号ΧΝ为带噪信号的样本XN_;S后对带噪信号的样本ΧΝ_进行归 一化运算得到带噪信号X，同时根据M max=l〇g2(length(XNsam))计算最大分解层数M max;并生 成长度为1000的白噪声序列样本Nsam，并对其进行归一化运算后得到噪声序列N;选择小波基函数为db3小波基进行第m层小波分解，且初始m=l; 步骤二:利用db3小波基函数分别对带噪信号X和噪声序列N进行第m层小波分解， 得到近似系数cAm和细节系数cDm，并分别计算带噪信号X和噪声序列N的Μ层小波能量熵 WEEx 和 WEEn;计算分层小波能量熵的差商T，若m = MmaxST> 10%，则停止计算，此时得到的分解层数减去一为最佳分解层数，设最佳分解层数为Μ;若T <10%，贝|J更新m值为m+Ι，返回步骤二继续计算；步骤四：对原始带噪信号XN进行中值滤波得到信号Xmid，并用XN与Xmid相减得到噪 声估计序列及，求iv的绝对值后再求均值获得I的半宽度w，同时计算噪声估计序列iv的标 准差σ(Λ〇，最后根据职％ =#+ 3σ(及)和=-(?Γ + 3σ(Λ〇)得到门限阈值上界gateH 与下界gateL;步骤五：用db3小波基函数对原始带噪信号XN进行Μ层离散小波分解，得到近似系 数cAM与细节系数cDl，cD2,. . .cDM，将细节系数与设定阈值进行比较，保留细节系数内大于 门限阈值上界gateH且小于门限阈值下界gate L的细节系数内的元素值，获得处理后的细节 系数cDl' '02' · · .cDM';步骤六：用近似系数cAM与阈值处理过后的各层细节系数cDf . . .cDiT进行 一维小波逆变换，得到最终的去噪信号茇。 有益效果： 本专利技术以小波分析理论为基础，结合分子型液环式角加速度计高动态的信号特性 对其进行信号处理。该算法不同于卡尔曼滤波算法对传感器系统模型的依赖，不同于中值 滤波算法对窗口大小的依赖，以及均值滤波算法对高动态信号处理方面的限制，从实际应 用环境中的信号特征出发，有效地平滑噪声，又能保留有用的高频振荡信号，使信噪比得到 提尚。 本专利技术相较于传统的小波分析去噪方法，提出了通过计算带噪信号与噪声信号的 小波能量熵与能量熵的差商来确定带噪信号的最佳小波分解层数，运用中值滤波对噪声宽 度与噪声标准差进行估计，结合3〇准则设定门限阈值，从而进行自适应滤波。在阈值选取方 面，相比于传统的启发式sure准则、极大极小值准则以及penalty准则，效果更胜一筹。以上 方法对于分子型液环式角加速度计的周期性信号与高动态信号的降噪处理都取得了较好 的效果。【附图说明】 图1为本专利技术总体工作流程图； 图2为本专利技术中小波分解层数自适应确定的流程图； 图3为本专利技术中小波门限阈值确定的流程图； 图4为本专利技术中未添加白噪声的各原始仿真信号图； 图5为本专利技术中叠加白噪声后获得信噪比为15dB的各带噪信号图； 图6为本专利技术中叠加白噪声后获得信噪比为lOdB的各带噪信号图； 图7为采用本专利技术中阈值确定方法与启发式阈值选择方法、通用阈值、极大极小值阈值方法的Block信号降噪效果图，原始信噪比为15dB; 图8为采用本专利技术中阈值确定方法与启发式阈值选择方法、通用阈值、极大极小值阈值方法的Block信号降噪效果图，原始信噪比为10dB; 图9为采用本专利技术中阈值确定方法与启发式阈值选择方法、通用阈值、极大极小值阈值方法的Bumps信号降噪效果图，原始信噪比为15dB; 图10为采用本专利技术中阈值确定方法与启发式阈值选择方法、通用阈值、极大极小值阈值方法的Bumps信号降噪效果图，原始信噪比为1 OdB; 图11为采用本专利技术中阈值确定方法与启发式阈值选择方法、通用阈值*极大极小值阈值方法的Heavy s i n e s信号降噪效果图，原始信噪比为15 dB; 图12为采用本专利技术中阈值确定方法与启发式阈值选择方法、通用阈值、极大极小值阈值方法的Heavy s i n e s信号降噪效果图，原始信噪比为10 dB; 图13为采用本专利技术中阈值确定方法与启发式阈值选择方法、通用阈值、极大极小值阈值方法的Dopp 1 er信号降噪效果图，原始信噪比为15dB; 图14为采用本专利技术中阈值确定方法与启发式阈值选择方法、通用阈值、极大极小值阈值方法的Dopp 1 er信号降噪效果图，原始信噪比为1 OdB;当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于小波分析的角加速度计信号自适应去噪方法，其特征在于，包括：步骤一：对获得的角加速度计输出信号进行长度判断，该角加速度计输出信号为原始带噪信号并记为XN，若长度大于1000，则取前1000作为带噪信号的样本XNsam；若长度小于1000，则以原始带噪信号XN为带噪信号的样本XNsam；然后对带噪信号的样本XNsam进行归一化运算得到带噪信号X，同时根据：Mmax＝log2(length(XNsam))计算最大分解层数Mmax；并生成长度为1000的白噪声序列样本Nsam，并对其进行归一化运算后得到噪声序列N；选择小波基函数为db3小波基进行第m层小波分解，且初始m＝1；步骤二：利用db3小波基函数分别对带噪信号X和噪声序列N进行第m层小波分解，得到近似系数cAm和细节系数cDm，并分别计算带噪信号X和噪声序列N的M层小波能量熵WEEX和WEEN；步骤三：根据计算分层小波能量熵的差商T，若m＝Mmax或T＞10％，则停止计算，此时得到的分解层数减去一为最佳分解层数，设最佳分解层数为M；若T＜10％，则更新m值为m+1，返回步骤二继续计算；步骤四：对原始带噪信号XN进行中值滤波得到信号Xmid，并用XN与Xmid相减得到噪声估计序列求的绝对值后再求均值获得的半宽度W，同时计算噪声估计序列的标准差最后根据和得到门限阈值上界gateH与下界gateL；步骤五：用db3小波基函数对原始带噪信号XN进行M层离散小波分解，得到近似系数cAM与细节系数cD1,cD2,...cDM，将细节系数与设定阈值进行比较，保留细节系数内大于门限阈值上界gateH且小于门限阈值下界gateL的细节系数内的元素值，获得处理后的细节系数cD1′,cD2′...cDM′；步骤六：用近似系数cAM与阈值处理过后的各层细节系数cD1′,cD2′...cDM′进行一维小波逆变换，得到最终的去噪信号...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘彤，李晶，王美玲，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11