基于前向线性预测的自适应小波神经网络去噪建模方法

摘要

本发明涉及一种基于前向线性预测的自适应小波神经网络去噪建模方法，包括以下步骤：（1）：利用小波变换对当前时刻的光纤陀螺零漂信号进行多尺度分解；（2）：对分解后的近似信号和细节信号进行单支重构，得到重构后的近似信号与细节信号；（3）：对步骤（2）中的近似信号与细节信号逐层分别利用FLP方法进行去噪；（4）：以步骤（3）中得到的逐层去噪后的信号与作为神经网络的输入，以下一时刻的光纤陀螺信号作为输出，对网络进行训练，训练完毕即完成了对光纤陀螺零漂信号的去噪及建模。本发明方法融去噪与建模为一体，有效的提高了光纤陀螺零漂信号的建模及补偿精度，且易于实现。

主权项

一种基于前向线性预测的自适应小波神经网络去噪建模方法，其特征在于包括如下步骤：(1)：利用小波变换对光纤陀螺零漂信号进行多尺度分解利用小波变换对静态下的光纤陀螺零漂信号进行多尺度分解，分解层数为n，得到分解后各层的小波系数，包括近似系数与细节系数；(2)：对分解得到的逼近系数和细节系数进行单支重构对分解得到的逼近系数和细节系数进行单支重构，得到重构后的近似信号an与细节信号di(i＝1，2，Λ，n)；(3)：对重构后的逼近信号和细节信号逐层分别进行FLP去噪对步骤(2)中进行单支重构后得到的逼近信号an与细节信号di(i＝1，2，Λ，n)分别利用FLP算法进行去噪，得到去噪后的信号a(n)与d′i(i＝1，2，Λ，n)；(4)：对网络进行训练，以得到光纤陀螺零漂信号的模型以步骤(3)中得到的逐层去噪后的信号a(n)与d′i(i＝1，2，Λ，n)作为神经网络的输入样本，以下一时刻的光纤陀螺信号作为输出样本，对网络进行训练，训练完毕即得到光纤陀螺零漂信号的模型。