一种陀螺温度漂移建模方法技术

本发明专利技术公开了一种陀螺温度漂移建模方法，该方法首先将EEMD和相对熵作为陀螺温度漂移信号的信号和噪声的分离方法，再设定SVM拟合的均方误差阀值，并采用三次均匀B样条和网格搜索方法对SVM的参数C和g进行精细搜索，当搜索值小于阀值时停止参数寻优，最后把寻优得到的参数代入SVM公式，得到陀螺温漂的数学建模。本发明专利技术可以实现陀螺温度漂移建模，满足陀螺高精度、小型化的要求。

【技术实现步骤摘要】

本专利技术涉及数字信号处理方法，尤其涉及一种陀螺温度漂移建模方法。
技术介绍
光纤陀螺常常工作在复杂的环境下，复杂的环境温度会导致陀螺产生非互异性相移，从而带来陀螺输出的漂移。对于由温度引起的陀螺漂移，目前有两种方法进行修正，一种是采用物理的方法进行消减影响，另一种方法是运用算法进行漂移补偿。相比于物理方法，补偿方法不会带来成本和体积的提高。随着算法的改进，漂移补偿方法也越来越能够满足陀螺高精度、小型化的要求。集合经验模分解(Ensemble Empirical Mode Decomposition,EEMD)是一种基于噪声辅助的数据分析方法，它能够在时域进行自适应分解，不用任何基函数。EEMD中噪声幅值的选择十分重要，这关系着信号分解的好坏。若噪声幅值选择的不合适，将会带来模式混叠、虚假模态和有用信号不能正确分离等问题。在应用EEMD时，传统的辅助噪声的幅值需要根据经验值进行添加，一般取原始信号0.1-0.4倍的标准差，使用存在随机性，分解效果不能得到保证。但是在实际使用过程中，辅助噪声的幅值远不止这个范围，根据信号频域的不同，往往取更小的值效果更好。支持向量机(Support Vector Machine,SVM)是一种有监督的学习模型，广泛应用于数据的分类、预测和拟合。在支持向量回归估计算法中，径向基(Radial basis function，RBF)核函数参数g以及惩罚系数C直接影响SVM拟合效果的好坏。核函数参数g决定了低维空间到高维空间的映射方式，惩罚系数C用于平衡误差和模型复杂程度，因此必须通过计算得到最优的参数C和g。对于SVM回归模型的参数寻优，主要是通过最小化均方根误差(Mean Square Error，MSE)来得到最优参数。网格划分(grid search)来寻找最佳的参数C和g，它是一种遍历算法，虽然计算效率不高，但是能够在CV意义下得到最高的分类准确率。但是传统的网格搜索法都是针对离散的C和g的，而且为了计算的效率，往往步长都选的较大，这就不能保证在全局范围内最优。B样条是一种灵活、高效的拟合算法，其中二次B样条具有较好的细节刻画能力，而三次B样条则有更好的低频信号跟踪、拟合能力。针对B样条函数的特点，二次可以用来拟合高频信号，三次可用来跟踪较低频信号。
技术实现思路
专利技术目的：本专利技术针对现有技术存在的问题，提供一种陀螺温度漂移建模方法。该方法可以实现陀螺温度漂移建模，满足陀螺高精度、小型化的要求。技术方案：本专利技术所述的陀螺温度漂移建模方法，包括：(1)采用EEMD方法对陀螺温度漂移信号f进行分解，得到N个分解分量：IMF1～IMFN；(2)计算各分解分量的相对熵值，并根据相对熵值从陀螺温度漂移信号中分离出噪声信号；(3)对所述噪声信号进行二次B样条拟合，得到拟合噪声信号；(4)采用三次均匀B样条和网格搜索方法，搜索SVM的惩罚系数和核函数参数的最优值；(5)将搜索到的最优值代入SVM，联合所述拟合噪声信号，建立陀螺温漂的数学模型。进一步的，步骤(2)具体包括：(21)计算分解分量IMF2～IMFN的和IMFpre-all；其中，(22)计算各分解分量的相对熵值；其中，第i个分解分量IMFi的相对熵值为式中，i＝2,...,N，P(IMFpre-all)表示IMFpre-all的概率值，P(IMFi)表示IMFi的概率值；(23)根据各分解分量的相对熵值绘制相对熵值曲线，并找出曲线的变换拐点所对应的分解分量IMFk；(24)计算分解分量IMF1～IMFk的和，得到噪声信号进一步的，步骤(3)具体包括：对所述噪声信号fnoise进行二次B样条拟合，得到拟合噪声信号fnoise(d)为：式中，j为整数且j≥3，di表示残差的第i个数据，N0,3(t-i)表示二次B样条的基函数。进一步的，步骤(4)具体包括：(41)定义SVM的惩罚系数C和核函数参数g的范围和步长，并设置标准差阀值；(42)将惩罚系数C取值为定义范围内的最小值；(43)将核函数参数g在定义范围内以定义步长增长分别取值，联合当前惩罚系数C值分别进行SVM拟合，计算得到不同g值时的SVM拟合均方误差；(44)对所述不同g值时的SVM拟合均方误差进行三次均匀B样条拟合，得到连续的B样条拟合均方误差，并从中选取最小值；(45)判断B样条拟合均方误差的最小值是否小于所述标准差阀值MSEth；若否，则将惩罚系数C的取值增加一个步长，并返回执行(43)，若是，则当前的惩罚系数C和核函数参数g的取值即为最优值。进一步的，步骤(41)具体包括：定义SVM的惩罚系数C和核函数参数g的范围为：C&g∈[-2-m,2m]，步长SL为：SL＝n，标准差阀值MSEth为：MSEth＝p，其中，m≥8，n≤0.5，p值根据系统允许误差进行定义。进一步的，步骤(43)中SVM拟合均方误差MSEl的计算公式为： MSE l = M S E [ f p u r e - Σ i = 1 s ( a i - a i * ) C * exp ( - g | | x i - x | | 2 ) + b ] ]]>式中，MSE[·]表示求平均值，表示有用信号，s表示SVM里支持向量的个数，ai和为拉格朗日乘子，xi表示SVM拟合fpure的支持向量，x是fpure的值，b表示超平面截距常量，C表示当前惩罚系数值，g表示当前核函数参数值。进一步的，步骤(44)中B样条拟合均方误差的计算公式为： MSE { c本文档来自技高网...

【技术保护点】
一种陀螺温度漂移建模方法，其特征在于该方法包括：(1)采用EEMD方法对陀螺温度漂移信号f进行分解，得到N个分解分量：IMF1～IMFN；(2)计算各分解分量的相对熵值，并根据相对熵值从陀螺温度漂移信号中分离出噪声信号；(3)对所述噪声信号进行二次B样条拟合，得到拟合噪声信号；(4)采用三次均匀B样条和网格搜索方法，搜索SVM的惩罚系数和核函数参数的最优值；(5)将搜索到的最优值代入SVM，联合所述拟合噪声信号，建立陀螺温漂的数学模型。

【技术特征摘要】
1.一种陀螺温度漂移建模方法，其特征在于该方法包括：(1)采用EEMD方法对陀螺温度漂移信号f进行分解，得到N个分解分量：IMF1～IMFN；(2)计算各分解分量的相对熵值，并根据相对熵值从陀螺温度漂移信号中分离出噪声信号；(3)对所述噪声信号进行二次B样条拟合，得到拟合噪声信号；(4)采用三次均匀B样条和网格搜索方法，搜索SVM的惩罚系数和核函数参数的最优值；(5)将搜索到的最优值代入SVM，联合所述拟合噪声信号，建立陀螺温漂的数学模型。2.根据权利要求1所述的陀螺温度漂移建模方法，其特征在于：步骤(2)具体包括：(21)计算分解分量IMF2～IMFN的和IMFpre-all；其中，(22)计算各分解分量的相对熵值；其中，第i个分解分量IMFi的相对熵值为式中，i＝2,...,N，P(IMFpre-all)表示IMFpre-all的概率值，P(IMFi)表示IMFi的概率值；(23)根据各分解分量的相对熵值绘制相对熵值曲线，并找出该曲线的变换拐点所对应的分解分量IMFk；(24)计算分解分量IMF1～IMFk的和，得到噪声信号3.根据权利要求1所述的陀螺温度漂移建模方法，其特征在于：步骤(3)具体包括：对所述噪声信号fnoise进行二次B样条拟合，得到的拟合噪声信号fnoise(d)为：式中，j为整数且j≥3，di表示残差的第i个数据，N0,3(t-i)表示二次B样条的基函数。4.根据权利要求1所述的陀螺温度漂移建模方法，其特征在于：步骤(4)具体包括：(41)定义SVM的惩罚系数C和核函数参数g的范围和步长，并设置标准差阀值；(42)将惩罚系数C取值为定义范围内的最小值；(43)将核函数参数g在定义范围内以定义步长增长分别取值，联合当前惩罚系数C值分别进行SVM拟合，计算得到不同g值时的SVM拟合均方误差；(44)对所述不同g值时的SVM拟合均方误差进行三次均匀B样条拟合，得到连续的B样条拟合均方误差，并从中选取最小值；(45)判断B样条拟合均方误差的最小值是否小于所述标准差阀值MSEth；若否，则将惩罚系数C的取值增加一个步长，并返回执行(4...

【专利技术属性】
技术研发人员：陈熙源，王威，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32