基于小波阈值去噪和FAR模型的MEMS陀螺数据处理方法

摘要

基于小波阈值去噪和FAR模型的MEMS陀螺数据处理方法，首先，为解决MEMS陀螺输出信号中含有大量噪声的问题，采用小波阈值去噪方法对陀螺输出信号进行处理，滤除噪声，提高信噪比；针对陀螺小波去噪后的静态信号，采用多项式拟合的方法进行陀螺确定性漂移的补偿，补偿后的残差即为陀螺的随机漂移，即获得陀螺随机漂移建模所需的样本序列；为实现对MEMS陀螺随机漂移以较高精度进行建模的目的，采用FAR模型对随机漂移建模。本发明解决MEMES陀螺输出噪声大的问题，提高了信噪比，且可对陀螺随机漂移进行精确建模，从而提高MEMS陀螺输出精度。

主权项

基于小波阈值去噪和FAR模型的MEMS陀螺数据处理方法，其特征在于实现步骤如下：(1)采用小波阈值去噪方法对陀螺输出信号进行处理，滤除噪声，提高信噪比，所述小波阈值去噪方法的步骤如下：(1.1)分解过程：选定一种小波函数，并利用基于奇异谱分析的自适应算法确定分解的层次，对陀螺原始输出信号进行N层小波分解；(1.2)作用阈值过程：针对分解得到的各层小波系数，根据一定的准则选择阈值，模大于阈值的小波系按软阈值函数处理，模小于阈值的小波系数设为零；(1.3)重建过程：根据去噪处理后的各层系数通过小波重构恢复原始信号，得到去噪后的陀螺输出；(2)针对陀螺小波去噪后的静态信号，采用多项式拟合的方法进行陀螺确定性漂移的补偿，补偿后的残差即为陀螺的随机漂移，即获得陀螺随机漂移建模所需的样本序列；(3)采用FAR模型对随机漂移建模，所述建模过程如下：(3.1)以步骤(2)中获得的MEMS陀螺随机漂移数据作为建模样本，将样本数据进行零均值、归一化处理，并将处理后的陀螺随机漂移序列{X1，X2，…，Xn}的最大值记为： u max = max t ( X t ) , 最小值记为 u min = min t ( X t ) , 设{uj|j＝0，1，…N}是等分点集合，其中u0＝umin，uN＝umax，依靠等分点可将区间等间隔划分为N+1个区间段：[uN-b0，uN)，[u0，u0+b0)，[u1-b0，u1+b0)，[u2-b0，u2+b0)，…，[uN-1-b0，uN-1+b0)，其中：b0＝(umax-umin)/2N，N的上限值可参考任一区间段内的样本点数目不低于2p来给定，p为模型阶数；(3.2)在模型阶数p，指定依赖变量的参数d确定的情况下，通过选定窗函数宽度b后，最小化拟合误差，由加权最小二乘求得各区间上系数函数的局部线性近似系数；(3.3)模型参数N，p，d和b的选取可通过定义平均均方预测误差APE来实现，依次让N＝1，…，Nmax；p＝1，…，pmax；d＝1，…，p；b＝b0，…，1，其中Nmax为区间划分N的最大值，pmax为阶数p的最大值，b0＝(uN-u0)/2N。分别计算APE，令APE值最小的N，p，d，b作为模型的最佳参数，计算此时的FAR系数函数的局部线性近似系数αi，j，βi，j(i＝1，…p；j＝0，1，…N)，建立最终陀螺随机漂移的FAR模型。