CN102494680A - 一种基于灰色理论的自适应前向线性预测去噪方法 - Google Patents

Abstract

本发明涉及一种基于灰色理论的自适应前向线性预测（FLP）去噪方法：G-FLP算法。本方法包括以下步骤：（1）：对振动环境下获得的光纤陀螺信号

进行灰化累加处理,得到累加后的信号；（2）：对

进行自适应前向线性预测，即去噪，得到去噪后的信号

；（3）：对

进行白化累减处理，得到累减后的信号

，即完成了对原始信号

的去噪。本发明有效降低了原始信号的随机性，从而提高了自适应前向线性预测的预测精度。本发明能有效克服振动误差对光纤陀螺输出精度的影响，提高了光纤陀螺的精度，拓展了其应用范围，同时也可用于其他传感器输出信号的去噪处理。

Description

一种基于灰色理论的自适应前向线性预测去噪方法

技术领域

本发明属于惯性技术领域中的信号处理，涉及一种光纤陀螺振动误差信号处理方法，特别涉及一种基于灰色理论的自适应前向线性预测(FLP)去噪方法：G-FLP算法，适用于各种光纤陀螺仪。 

背景技术

光纤陀螺是一种以Sagnac效应为原理的全固态惯性仪表，具有体积小、重量轻、启动快、动态范围大、抗过载和耐冲击等优点，引起世界各国的普遍重视。 

光纤陀螺在力学环境下(振动、冲击)的性能指标是其环境适应性的重要内容。理论上讲，与机械陀螺相比，光纤陀螺的全固态结构、无旋转活动部件的特点决定了它应具有抗冲击、抗振动能力强、可靠性高的优点。但是在实际应用中，冲击、振动引起的光纤环应力变化、器件尾纤振动以及结构的共振都将引起陀螺误差，造成振动状态下的误差增加。如何消除或减小光纤陀螺的振动误差，充分体现光纤陀螺的优点是光纤陀螺研究单位及系统用户共同关心的问题。 

对振动引起的光纤陀螺误差的抑制方法主要有两种：一是物理方法，从光纤陀螺封装或电路结构上进行改造，如在有限元分析的基础上对光纤陀螺结构进行小型化和轻型化设计并优化装配工艺；采用固胶的方法提高光纤环 的抗振性能；在光纤环圈中引入“匹配点”以实现四级对称缠绕技术等。但是由于工艺及安装方面的限制，这些方法并不能够完全消除振动对光纤陀螺性能的影响。因此在物理方法的基础上，人们又引入了数学方法对光纤陀螺振动误差进行处理，如神经网络算法等。相比物理方法，利用数学方法进行振动误差分析与补偿的方法在简易性、可操作性上均具有明显优势。 

发明内容

本发明的技术解决问题：克服现有技术的不足，提出了一种基于灰色理论的自适应前向线性预测(FLP)去噪方法：G-FLP算法，该方法将灰色累加理论与FLP算法优点结合在一起，能有效的去除振动环境下光纤陀螺输出信号中噪声，提高光纤陀螺输出信号精度，且易于程序实现。 

本发明的技术解决方案：一种基于灰色理论的自适应前向线性预测(FLP)去噪方法：G-FLP算法，主要包括以下三个步骤： 

(1)：对振动环境下获得的光纤陀螺信号X进行灰化累加处理 

利用灰色累加理论对振动环境下获得的光纤陀螺信号X进行灰化处理，得到累加后的信号 

即设原始输入数据序列为X＝{x⁽⁰⁾(1)，x⁽⁰⁾(2)，...，x⁽⁰⁾(n)}，进行一次累加处理得到新序列 

(2)：对 

进行自适应前向线性预测，即去噪处理 

对累加后得到的新序列 

进行自适应前向线性预测，得到预测后的新序列，即 

(3)：对预测后的序列 

进行白化累减处理 

对预测后的序列 

进行白化累减处理，得到累减后的信号 

即得到了最 终的去噪结果。 

本发明与现有技术相比的优点在于： 

(1)与现有建模补偿技术相比，本发明无需预先建立经验模型，直接对光纤陀螺的输出信号进行处理，从而提高了数据处理的泛化能力和实时性。 

(2)将灰色累加操作与自适应FLP算法的优势结合在一起，首先利用灰色累加操作对数据进行预处理，从而有效的减小了非确定性误差的随机性，提高了预测的准确度，进而提高了去噪精度。 

(3)在FLP算法中，建立了精确的步长与FLP预测误差之间关系的公式，从而保证了FLP算法的收敛速度。 

附图说明

图1为光纤陀螺信号处理总体框图。 

具体实施方式

光纤陀螺信号处理的总体框图如图1所示，主要包括以下三个步骤： 

(1)：对振动环境下获得的光纤陀螺信号X进行灰化累加处理 

利用灰色累加理论对振动环境下获得的光纤陀螺信号X进行灰化处理，得到累加后的信号 

即设原始输入数据序列为X＝{x⁽⁰⁾(1)，x⁽⁰⁾(2)，...，x⁽⁰⁾(n)}，进行一次累加处理得到新序列 

(2)：对 进行自适应前向线性预测，即去噪处理 

对累加后得到的新序列 

进行自适应前向线性预测，得到预测后的新序列，即 

其中，FLP算法中的自适应变步长公式如下： 

μ(n)＝β(1-exp(-α|e(n)|²)) 

μ为步长，β为一个由预测过程决定的加权系数，α为衰减系数，e为FLP预测误差。 

(3)：对预测后的序列 

进行白化累减处理 

对预测后的序列 进行白化累减处理，得到累减后的信号 

即得到了最终的去噪结果。 

所述步骤(1)中对序列的累加次数为1次。 

所述步骤(2)中应用自适应前向线性预测算法对步骤(1)中得到的累加序列序列进行处理，自适应前向线性预测算法中的阶数N的选为60。 

所述步骤(2)中应用自适应前向线性预测算法对步骤(1)中得到的累加序列进行处理，自适应前向线性预测算法中的自适应变步长公式如下： 

μ(n)＝β(1-exp(-α|e(n)|²)) 

其中，μ为步长，β为一个由预测过程决定的加权系数，α为衰减系数，e为FLP预测误差。 

所述步骤(3)中的序列累减次数为一次，便得到最终的去噪结果。 

本发明的原理是：光纤陀螺仪做为惯性导航系统的测量基准元件，其角度随机游走误差是决定惯性系统精度的重要因素之一。因此，光纤陀螺输出信号的处理显得非常重要。光纤陀螺输出误差中包含有规律的常值漂移和非确定性的随机漂移，前者主要影响光纤陀螺的长期稳定性，可在漂移测试的基础上借助硬件或软件进行补偿；后者主要影响光纤陀螺的短期精度，通常采用自回归模型进行建模并补偿，但是由于陀螺仪在启动过程中模型参数的不稳定性和逐次启动参数的不一致，很难建立精确、稳定的自回归模型，因此本发明提出了一种新的基于灰色累加理论和自适应前向线性预测的滤波 算法，来消除光纤陀螺输出中的非确定性误差。 

灰色理论是上世纪80年代发展起来的一门新学科，灰色累加生成操作是灰色理论中一个非常重要的特性，它能够减小隐含在数据中的随机性，使数据变得更加规则。前向线性预测(FLP)滤波的主要思路是把先前的信号乘以相应的权值来预测当前时刻的信号，很明显，预测结果往往受到数据中随机性的影响，即随机性越强，预测精度越低。也即随机噪声越大，去噪效果越差，反之亦然。因此本文提出将灰色理论中的灰色累加生成操作预处理方法引入到FLP算法中，从而建立了一种新的滤波算法：灰色FLP算法。 

总之，本发明提出了一种新型的滤波算法，即灰色FLP滤波算法。此混合滤波方法的提出基于两个理论：一是灰色理论的核心-累加生成操作具有减小数据随机性的特点，能够使数据变得更加有规则；二是FLP算法的预测精度往往受到数据中随机性的影响，随机性越大，预测精度越低，即去噪效果越差。基于此本发明将灰色累加生成操作预处理方法引入到FLP滤波算法中，形成了一种新型的灰色FLP滤波算法，从而提高预测准确度，进而提高去噪精度。 

Claims (5)

1.一种基于灰色理论的自适应前向线性预测去噪方法，其特征在于包括如下步骤：

(1)：对振动环境下获得的光纤陀螺信号X进行灰化累加处理

利用灰色累加理论对振动环境下获得的光纤陀螺信号X进行灰色累加生成操作，得到累加后的信号；

(2)：对

进行自适应前向线性预测，即去噪处理

对累加后得到的新序列

进行自适应前向线性预测，得到预测后的新序列，即；

(3)：对预测后的序列

进行白化累减处理

对预测后的序列

进行白化累减处理，得到累减后的信号

，即得到了最终的去噪结果。

2.根据权利要求1所述的一种基于灰色理论的自适应前向线性预测去噪方法，其特征在于，所述步骤(1)中对序列的累加次数为1次。

3.根据根据权利要求1所述的一种基于灰色理论的自适应前向线性预测去噪方法，其特征在于，所述步骤(2)中应用自适应前向线性预测算法对步骤(1)中得到的累加序列序列进行处理，自适应前向线性预测算法中的阶数N的选为60。

4.根据权利要求1所述的一种基于灰色理论的自适应前向线性预测去噪方法，其特征在于，所述步骤(2)中应用自适应前向线性预测算法对步骤(1)中得到的累加序列进行处理，自适应前向线性预测算法中的自适应变步长公式如下：

μ(n)＝β(1-exp(-α|e(n)|²))

其中，μ为步长，β为一个由预测过程决定的加权系数，α为衰减系数，e为FLP预测误差。

5.根据权利要求1所述的一种基于灰色理论的自适应前向线性预测去噪方法，其特征在于，所述步骤(3)中的序列累减次数为一次，便得到最终的去噪结果。

Images