【技术实现步骤摘要】
一种用于车载MEMS惯性传感器的时延降噪方法
本专利技术属于车载传感器信号处理领域，尤其涉及一种用于车载MEMS惯性传感器的时延降噪方法。
技术介绍
基于微机电系统(Micro-Electro-MechanicalSystem，MEMS)的惯性传感器具有体积小、重量轻、成本低、功耗低、响应快、灵敏度高和易生产等特点，以及微型化和集成化的优势，目前已经逐渐取代传统机电技术传感器，而广泛应用于汽车领域，是实现车辆导航、定向和运动控制等功能的重要部件。但现有的MEMS陀螺仪性能由于漂移和累积误差等问题，使得其精度还比不上传统光纤陀螺仪，因此在实际应用中仍需要进行误差补偿来提高其测量精度。CN201710561498.2公开了一种基于对合并式MEMS加速计传感器斩波的降噪方法及电子电路，其主要面向的是加速度计信号的降噪和滤波，没有评估对于陀螺仪信号的滤波效果；CN201810777853.4公开了一种基于改进阈值小波降噪的MEMS粗对准方法，能够提高整个MEMS粗对准系统对准速度，并有效减小误差，但其效果依赖于阈值的选定。<...
【技术保护点】
1.一种用于车载MEMS惯性传感器的时延降噪方法，其特征在于，包括以下步骤：/n步骤1，实时测量和记录车辆行驶中的车载MEMS-IMU数据，分为训练集S1和测试集S2；/n步骤2，利用抽头延迟法建立TD-MLR的数学模型；/n步骤3，以训练集S1代入TD-MLR的数学模型进行训练学习，求解确定模型的最优参数；/n步骤4，将测试集S2代入步骤3计算的最优参数下的TD-MLR的数学模型中进行验证，并评估降噪结果。/n
【技术特征摘要】
1.一种用于车载MEMS惯性传感器的时延降噪方法，其特征在于，包括以下步骤：
步骤1，实时测量和记录车辆行驶中的车载MEMS-IMU数据，分为训练集S1和测试集S2；
步骤2，利用抽头延迟法建立TD-MLR的数学模型；
步骤3，以训练集S1代入TD-MLR的数学模型进行训练学习，求解确定模型的最优参数；
步骤4，将测试集S2代入步骤3计算的最优参数下的TD-MLR的数学模型中进行验证，并评估降噪结果。
2.根据权利要求1所述的一种用于车载MEMS惯性传感器的时延降噪方法，其特征在于，步骤1中训练集S1和测试集S2为同一段道路上进行的不同时间段的测试，所述车载MEMS-IMU数据是指安装于车辆的一个六轴MEMS-IMU单元对其所在车辆测量的三个方向加速度和三个方向角速度，每个方向轴的数据均可看作是一个时间序列，假设xt＝[x1,x2,…,xn]表示该MEMS-IMU在任意一个方向的数据，t表示时间单位，n表示该时间序列的长度，记表示由另一个六轴IMU单元提供的与原IMU数据xt相一一对应的参照数据。
3.根据权利要求1所述的一种用于车载MEMS惯性传感器的时延降噪方法，其特征在于，步骤2中抽头延迟线法TDLM利用延迟线抽头提取出延迟线内的信号，并与其他抽头求和以形成输出信号，即输出信号被表示为来自同一源信号的多个时间段的相应累加；如图2所示，基于该方法进行多重线性回归建模TD-MLR的步骤具体如下：
首先，将车载MEMS传感器的真值信号视为模型估计值与一个残差之和，可表示为
yt＝F(xt)+∈t(1)
其中，yt表示传感器在第t个时间单位的真值信号；F(xt)表示一个任意监督学习模型的对信号xt的估计值；∈t则是yt与F(xt)之间的残差；
其次，采用抽头延迟线法方法，采集之前s个时间单位采集的惯性数据，对其中每个惯性数据增加权重系数，可将F(xt)改写为：
F(xt)＝α+βLq(xt)(2)
其中，α是第t个单位时间段的截距项；β表示滞后权重，为随q变化的时变参数；表达式Lq(xt)代表xt变量的延迟线变换过程；q表示在一个t时间段内自定义的滞后单位时间数。公式(2)是一个拟合线性方程，必须估计不同q中的每个单位时间信号的系数β；
最后，将公式(2)代入公式(1)，生...
【专利技术属性】
技术研发人员：冯李航，戴海航，陈伟，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。