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
一种基于灰色理论的自适应前向线性预测去噪方法 Download PDFInfo
- Publication number
- CN102494680A CN102494680A CN2011103561413A CN201110356141A CN102494680A CN 102494680 A CN102494680 A CN 102494680A CN 2011103561413 A CN2011103561413 A CN 2011103561413A CN 201110356141 A CN201110356141 A CN 201110356141A CN 102494680 A CN102494680 A CN 102494680A
- Authority
- CN
- China
- Prior art keywords
- self
- linear prediction
- denoising
- sequence
- flp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Gyroscopes (AREA)
Abstract
Description
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
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
(2):对 进行自适应前向线性预测,即去噪处理
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。
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)
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103561413A CN102494680A (zh) | 2011-11-11 | 2011-11-11 | 一种基于灰色理论的自适应前向线性预测去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103561413A CN102494680A (zh) | 2011-11-11 | 2011-11-11 | 一种基于灰色理论的自适应前向线性预测去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102494680A true CN102494680A (zh) | 2012-06-13 |
Family
ID=46186524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011103561413A Pending CN102494680A (zh) | 2011-11-11 | 2011-11-11 | 一种基于灰色理论的自适应前向线性预测去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102494680A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106871891A (zh) * | 2017-01-16 | 2017-06-20 | 中北大学 | 一种基于累加累减混合微分器的信号去噪方法 |
CN110260858A (zh) * | 2019-06-25 | 2019-09-20 | 哈尔滨工程大学 | 一种基于最优阶数灰色自适应动态滤波的航迹跟踪方法 |
CN111397637A (zh) * | 2020-06-01 | 2020-07-10 | 湖南跨线桥航天科技有限公司 | 双轴旋转调制式导航系统的陀螺仪随机游走误差抑制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252669A (zh) * | 2011-04-19 | 2011-11-23 | 东南大学 | 一种基于提升小波重构层的前向线性预测去噪方法 |
-
2011
- 2011-11-11 CN CN2011103561413A patent/CN102494680A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252669A (zh) * | 2011-04-19 | 2011-11-23 | 东南大学 | 一种基于提升小波重构层的前向线性预测去噪方法 |
Non-Patent Citations (5)
Title |
---|
《高技术通讯》 20081231 吉训生等 硅微陀螺信号处理方法--基于前向线性预测小波变换方法 第18卷, 第2期 * |
吉训生等: "硅微陀螺信号处理方法——基于前向线性预测小波变换方法", 《高技术通讯》 * |
易康等: "FLP滤波算法在光纤陀螺信号预处理中的应用", 《中国惯性技术学报》 * |
申冲等: "基于小波包变换与前向线性预测滤波的光纤陀螺去噪算法", 《东南大学学报(自然科学版)》 * |
申冲等: "基于提升小波与灰色神经网络的光纤陀螺振动误差建模", 《中国惯性技术学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106871891A (zh) * | 2017-01-16 | 2017-06-20 | 中北大学 | 一种基于累加累减混合微分器的信号去噪方法 |
CN106871891B (zh) * | 2017-01-16 | 2020-09-01 | 中北大学 | 一种基于累加累减混合微分器的信号去噪方法 |
CN110260858A (zh) * | 2019-06-25 | 2019-09-20 | 哈尔滨工程大学 | 一种基于最优阶数灰色自适应动态滤波的航迹跟踪方法 |
CN111397637A (zh) * | 2020-06-01 | 2020-07-10 | 湖南跨线桥航天科技有限公司 | 双轴旋转调制式导航系统的陀螺仪随机游走误差抑制方法 |
CN111397637B (zh) * | 2020-06-01 | 2020-09-04 | 湖南跨线桥航天科技有限公司 | 双轴旋转调制式惯性导航系统的陀螺仪随机游走误差抑制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103499345B (zh) | 一种基于小波分析和bp神经网络的光纤陀螺温度漂移补偿方法 | |
CN101840529B (zh) | 基于局部可变集成神经网络的光纤陀螺随机漂移建模方法 | |
CN112729347B (zh) | 一种光纤陀螺温度补偿方法、装置、电子设备及存储介质 | |
CN108413986B (zh) | 一种基于Sage-Husa卡尔曼滤波的陀螺仪滤波方法 | |
CN112415558B (zh) | 行进轨迹的处理方法及相关设备 | |
CN105424057A (zh) | 一种基于改进lmd的光纤陀螺振动信号分析方法 | |
Inoue et al. | Extended robust Kalman filter for attitude estimation | |
US20180341852A1 (en) | Balancing memory consumption of multiple graphics processing units in deep learning | |
CN102494680A (zh) | 一种基于灰色理论的自适应前向线性预测去噪方法 | |
CN115790665B (zh) | 一种陀螺误差补偿方法、装置、电子设备及存储介质 | |
CN112193068A (zh) | 一种车速显示方法、装置、车辆及计算机存储介质 | |
CN114936323A (zh) | 图表示模型的训练方法、装置及电子设备 | |
US10649993B2 (en) | Continuous caster scheduling with template driven search | |
CN115841366A (zh) | 物品推荐模型训练方法、装置、电子设备及存储介质 | |
CN102289715A (zh) | 基于前向线性预测的自适应小波神经网络去噪建模方法 | |
He et al. | Genetic algorithm based fast alignment method for strap-down inertial navigation system with large azimuth misalignment | |
CN103940448A (zh) | 一种船用罗经光纤陀螺噪声在线估计系统及估计方法 | |
Nguyen et al. | Stabilization of Semi‐Markovian Jump Systems with Uncertain Probability Intensities and Its Extension to Quantized Control | |
CN115577798A (zh) | 基于随机加速梯度下降的半联邦学习方法及装置 | |
CN109100165A (zh) | 桥梁运营模态分析方法、装置、终端与计算机可读存储介质 | |
Loparev et al. | Using frequency approach to time-variant filtering for processing of navigation information | |
Chong et al. | Improved Forward Linear Prediction Algorithm Based on AGO for Fiber Optic Gyroscope. | |
Hashikura et al. | Exosystem‐observer approach to H2 control with output regulation constraint | |
CN111582456A (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
CN114826400B (zh) | 一种基于可见光通信的信号补偿方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120613 |