一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法技术

本发明专利技术公开了一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法，包括如下步骤：S1、根据动态贝叶斯网络方法，建立机动动作识别模型，确定飞行器当前正在执行的机动动作；S2、根据误差分析方法，建立机动过载分析模型，确定MEMS陀螺仪所需的机动过载数据；S3、建立各机动动作下过载

【技术实现步骤摘要】
一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法


[0001]本专利技术公开涉及小波阈值MEMS陀螺仪降噪
，尤其涉及一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法。

技术介绍

[0002]微机电系统(Micro Electromechanical System，MEMS)的快速发展，出现了基于 MEMS技术的微机械惯性器件，惯性器件的微小型化为惯性导航系统的集成化和微小型化奠定了基础。微机电系统陀螺仪凭借体积小、重量轻、功耗低、成本低、响应速度快等优点，在个人定位和无人机导航领域得到了广泛的应用。惯性测量技术是实现无人机惯性导航的核心。
[0003]目前，国内外有很多专家学者对小波变换降噪方法进行了研究。欧美近年来提出数种降噪方法，最典型的降噪手段为模糊小波技术降噪方法，是通过对模糊小波分解后的调节系数进行阈值调整，以获得对信号去噪较优的处理方法；另外一种为模平方小波阈值降噪方法，通过综合软、硬阈值函数优点，重新构建阈值函数，对小波系数进行优化处理到达降噪效果；还有一种降噪方法是基于递归最小二乘法多重小波分解重构的强追踪自反馈模型，建立新的软阈值函数，减少了信号的噪声影响。国内在相关领域起步较晚，但目前进展快速，有很多成果出现。如国内学者提出一种将稀疏分解与提升小波变换相结合的方法，通过小波提升正变换计算带噪信号的非稀疏的小波系数，利用稀疏分解理论恢复小波系数的稀疏性，再通过小波提升反变换重构信号，达到降噪的目的；在考虑到尺度变换到对于小波降噪的影响，又提出引入尺度调节参数的方法对阈值做出调整。相比于固定阈值，随着实际情况自适应性改变阈值的方法，在去噪过程中较有效。
[0004]小波阈值MEMS陀螺仪降噪领域已经取得了一定的进展，但在实际检测到的MEMS 陀螺角速度信号中夹杂着各种干扰信号。这些干扰信号不仅会影响系统的分辨率和稳定性，更会严重影响对信号的进一步处理。小波变换自提出以来，在许多工程
均得到了较好的应用，证明在对信号进行分析前应做好预处理并尽可能的消除噪声是非常重要的。因此，有必要专利技术一种契合上述特征的自适应小波阈值MEMS陀螺仪降噪方法，提高陀螺仪的降噪效果。

技术实现思路

[0005]鉴于此，本专利技术针对实际检测到的MEMS陀螺角速度信号中仍夹杂着各种干扰信号的问题，提出了一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法，以机动识别为特征，以自适应小波阈值方法为信号，实现对MEMS陀螺仪的降噪处理。
[0006]本专利技术提供的技术方案，具体为，一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法，包括如下步骤：
[0007]S1、根据误差分析方法，建立确定性误差模型，确定MEMS陀螺仪所需的机动过载数据；
[0008]为了更好地降低MEMS陀螺仪输出信号的噪声，本专利技术选择对输出信号进行误差分析，具体包括如下步骤：
[0009]首先，以对航向姿态测量系统与运动相关的误差为对象，建立确定性误差模型；
[0010]具体地，将传感器本身的过载测量值、测量噪声、姿态解算方法误差及圆锥误差作为影响无人机航姿系统输出结果的主要因素；
[0011]需要说明的是：用于稳定平台导航系统的敏感器件在选定的坐标系中固定，且不承受运载体的动态旋转运动，而本专利技术中应用于飞行器姿态测量的MEMS陀螺仪等敏感器件要受飞行器在其飞行过程中姿态、角速度和过载变化等因素的影响；本专利技术不考虑对于MEMS姿态测量误差的传播与各误差源所占的比重，而考虑如何减少误差。
[0012]其次，将MEMS陀螺仪内部振动元件的加速度、温度变化作为建立机动过载分析模型的考虑因素，最终得到MEMS陀螺仪的确定性误差模型：
[0013][0014]式中，ΔT为真实温度相对于基准温度的温度改变量，C
T0
表示加速度计零位的温度系数，C
T1
表示加速度计主标定因数的温漂系数，B
fx
、B
fy
、B
fz
为飞行器各轴向零点漂移，a为飞行器各轴向加速度值；
[0015]结合下式：
[0016]其中，V为速度，g为重力加速度，n
x
为无人机的切向过载，n
n
为无人机的法向过载，γ为航迹倾角，μ为滚转角，过载是指作用在飞机上的气动力和发动机推力的合力与飞机重量之比，由该式可知过载与三轴加速度的关系；
[0017]结合上述两式可知，考虑到飞行器做机动动作时具有的过载对于姿态输出信号的影响，本专利技术将过载作为测量噪声项来进行考虑是具有合理性的，即通过建立确定性误差模型，得到MEMS陀螺仪所需的机动过载数据是准确的。
[0018]S2、根据动态贝叶斯网络DBN方法，建立机动动作识别模型，确定飞行器当前正在执行的机动动作；
[0019]在对飞行器的MEMS陀螺仪信号降噪时，本专利技术选择在降噪时进行机动动作识别，不同的机动动作具有其独特的运动特性，即使在相同的过载下，其对于输出信号的影响也不尽相同，于是，本专利技术在降噪前先采用贝叶斯网络进行机动动作时别，具体包括如下步骤：
[0020]首先，基于飞行仿真平台，输出飞行仿真数据；针对大量的飞行仿真数据进行特征
提取，得到飞行仿真特征数据；
[0021]其次，根据提取到的特征数据，选择13种基本机动动作作为识别节点的机动动作集合，并将13种基本机动定义为四大类，分别为直线运动类、盘旋类、斤斗类机动和战斗转弯类；
[0022]其中直线运动类分为：水平匀速直线飞行，定义为保持高度、速度不变的机动动作；水平加速直线飞行，定义为保持高度、速度增大的机动动作；水平减速直线飞行，定义为保持高度、速度减小的机动动作；
[0023]盘旋类分为：左盘旋，定义为水平面内向左等速圆周飞行的机动动作；右盘旋，定义为水平面内向右等速圆周飞行的机动动作；
[0024]斤斗类分为：俯冲，定义为迅速降低高度、增大速度的机动动作；跃升，定义为迅速升高高度的机动动作；斤斗，定义为以期望过载拉起后向下俯冲的机动动作；半筋斗翻转，定义为以期望法向过载向上拉起后以最大法向过载俯冲的机动动作；垂直变向斤斗，定义为以最大法向过载拉起后以最大法向过载俯冲的机动动作；半滚倒转，定义为滚转180度后向下俯冲至航向角调转180度的机动动作；
[0025]战斗转弯类分为：左上战斗转弯，定义为向左改变飞行方向、高度升高的机动动作；右上战斗转弯，定义为向右改变飞行方向、高度升高的机动动作。
[0026]然后，根据选定的13种基本机动动作识别节点组成的机动动作集合来定义机动动作识别网络模型的观测节点及中间节点；
[0027]具体为，选取对机动动作识别结果影响最大的五种飞行参数特征：飞行高度、航迹角、高度变化率、航迹角变化率和速度作为构建机动动作识别网络模型的观测节点；
[0028]并将第一中间节点分为盘旋类、斤斗类、跃升和直线运动类；第二中间节点分为左盘旋、右盘旋、跃升、俯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法，其特征在于，包括如下步骤：S1、根据误差分析方法，建立机动过载分析模型，确定MEMS陀螺仪所需的机动过载数据；S2、根据动态贝叶斯网络方法，建立机动动作识别模型，确定飞行器当前正在执行的机动动作；S3、建立各机动动作下过载
‑
阈值自适应模型，确定飞行器在不同机动动作和不同过载下的自适应小波降噪曲线，将原始信号输入到自适应小波降噪曲线，通过自适应小波降噪曲线的作用，最后得到降噪后的信号。2.根据权利要求1所述的一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法，其特征在于，所述步骤S3在得到自适应小波降噪曲线后，还包括如下步骤：S4、根据线性插值函数方法及评判指标，建立信噪比最优条件下的过载
‑
阈值插值模型。3.根据权利要求1所述的一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法，其特征在于：步骤S1具体包括：以对航向姿态测量系统与运动相关的误差为对象，建立确定性误差模型；将MEMS陀螺仪内部振动元件的加速度、温度变化作为建立机动过载分析模型的考虑因素，最终得到MEMS陀螺仪的确定性误差模型：式中，ΔT为真实温度相对于基准温度的温度改变量，C
T0
表示加速度计零位的温度系数，C
T1
表示加速度计主标定因数的温漂系数，B
fx
、B
fy
、B
fz
为飞行器各轴向零点漂移，a为飞行器各轴向加速度值。4.根据权利要求1所述的一种基于机动识别的自适应小波阈值MEMS陀螺仪降噪方法，其特征在于：步骤S2中根据动态贝叶斯网络方法，建立机动动作识别模型的具体方法为：首先，基于飞行仿真平台，输出飞行仿真数据；针对大量的飞行仿真数据进行特征提取，得到飞行仿真特征数据；其次，根据提取到的特征数据，选择13种基本机动动作作为识别节点的机动动作集合，并将13种基本机动定义为四大类，分别为直线运动类、盘旋类、斤...

【专利技术属性】
技术研发人员：孟光磊，赵润南，李树发，王竹筠，周铭哲，田丰，孙小平，梁宵，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：