CN106679659B - 一种基于参数可调非线性跟踪微分器的信号去噪方法 - Google Patents

一种基于参数可调非线性跟踪微分器的信号去噪方法 Download PDF

Info

Publication number
CN106679659B
CN106679659B CN201710014027.XA CN201710014027A CN106679659B CN 106679659 B CN106679659 B CN 106679659B CN 201710014027 A CN201710014027 A CN 201710014027A CN 106679659 B CN106679659 B CN 106679659B
Authority
CN
China
Prior art keywords
value
entropy
nonlinear tracking
signal
tracking differentiator
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.)
Active
Application number
CN201710014027.XA
Other languages
English (en)
Other versions
CN106679659A (zh
Inventor
申冲
刘俊
曹慧亮
邵星灵
张志东
刘文耀
杨卫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North University of China
Original Assignee
North University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North University of China filed Critical North University of China
Priority to CN201710014027.XA priority Critical patent/CN106679659B/zh
Publication of CN106679659A publication Critical patent/CN106679659A/zh
Application granted granted Critical
Publication of CN106679659B publication Critical patent/CN106679659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

本发明涉及惯性传感器信号去噪方法，具体是一种基于参数可调非线性跟踪微分器的信号去噪方法。本发明解决了现有惯性传感器信号去噪方法去噪性能较差的问题。一种基于参数可调非线性跟踪微分器的信号去噪方法，该方法是采用如下步骤实现的：步骤1：将真实的惯性传感器信号X(t)分解到不同频域内；步骤2：计算出x1(t)、x2(t)、…、xn(t)的熵值；步骤3：利用非线性跟踪微分器对xn(t)进行多次跟踪，通过观察跟踪曲线得到δ值的最大值N；步骤4：根据熵值E1、E2、…、En的比例关系确定不同熵值所对应的δ值；步骤5：分别对x1(t)、x2(t)、…、xn(t)进行去噪；步骤6：对y1(t)、y2(t)、…、yn(t)进行信号重构。本发明适用于惯性导航系统。

Description

一种基于参数可调非线性跟踪微分器的信号去噪方法
技术领域
本发明涉及惯性传感器信号去噪方法，具体是一种基于参数可调非线性跟踪微分器的信号去噪方法。
背景技术
惯性导航系统是一种依靠惯性传感器解算载体导航信息的完全自主的导航系统，该系统无需任何外界信息，也不会向外辐射能量，因此被广泛应用于航天、航空、航海等领域。惯性传感器是惯性导航系统的关键部件，惯性传感器的测量精度直接决定着整个惯性导航系统的性能，所以如何提高惯性传感器的测量精度一直是惯性导航领域的研究重点。由于惯性传感器易受温度、振动、电磁干扰等外界因素的影响，导致惯性传感器信号中存在大量噪声，这些噪声会对导航信息的解算带来误差，降低惯性导航系统的性能，因此有必要对惯性传感器信号进行去噪。
当前对惯性传感器信号进行去噪主要采用两种方法：（1）建立惯性传感器噪声模型，使用Kalman滤波等方法进行最优估计补偿；（2）直接对惯性传感器信号进行去噪，常用的方法包括低通滤波器、自适应滤波器、小波去噪等。由于准确地建立惯性传感器噪声模型难以实现，因此直接对惯性传感器信号进行去噪是目前主流的惯性传感器信号去噪方法。
然而实践表明，低通滤波器、自适应滤波器、小波去噪等对高频噪声较为敏感，因此其去噪性能较差。基于此，有必要发明一种全新的惯性传感器信号去噪方法，以解决现有惯性传感器信号去噪方法去噪性能较差的问题。
发明内容
本发明为了解决现有惯性传感器信号去噪方法去噪性能较差的问题，提供了一种基于参数可调非线性跟踪微分器的信号去噪方法。
本发明是采用如下技术方案实现的：
一种基于参数可调非线性跟踪微分器的信号去噪方法，该方法是采用如下步骤实现的：
步骤1：利用信号频域分解方法，将真实的惯性传感器信号X(t)分解到不同频域内，分别记为x1(t)、x2(t)、...、xn(t)；
步骤2：计算出x1(t)、x2(t)、...、xn(t)的熵值，分别记为E1、E2、...、En；
步骤3：调节非线性跟踪微分器的δ值，利用非线性跟踪微分器对xn(t)进行多次跟踪，通过观察跟踪曲线得到δ值的最大值N；
步骤4：以N为δ值的基准值，根据熵值E1、E2、...、En的比例关系确定不同熵值所对应的δ值，分别记为δ1、δ2、...、δn；
步骤5：基于δ1、δ2、...、δn构建n个不同的非线性跟踪微分器，分别对x1(t)、x2(t)、...、xn(t)进行去噪，得到y1(t)、y2(t)、...、yn(t)；
步骤6：对y1(t)、y2(t)、...、yn(t)进行信号重构，得到去噪后的惯性传感器信号Y(t)。
与现有惯性传感器信号去噪方法相比，本发明所述的一种基于参数可调非线性跟踪微分器的信号去噪方法具有如下优点：一、本发明将非线性跟踪微分器引入到惯性传感器信号去噪中，由于非线性跟踪微分器对任何高频噪声都不敏感，因此其去噪性能更好。二、本发明将频域分解引入到非线性跟踪微分器中，利用非线性跟踪微分器对频域分解得到的不同频域内的信号进行去噪，并且不同频域内的信号所使用的非线性跟踪微分器的参数δ值可调节，提高了参数δ值选取的准确性。三、本发明通过计算频域分解得到的不同频域内的信号的熵值，通过计算不同熵值的比例来调节不同频域内的信号所使用的非线性跟踪微分器的参数δ值，提高了参数δ值选取的自适应能力。
本发明有效解决了现有惯性传感器信号去噪方法去噪性能较差的问题，适用于惯性导航系统。
附图说明
图1是本发明的流程示意图。
图2是本发明的步骤1中真实的惯性传感器信号X(t)的示意图。
图3是本发明的步骤1中x1(t)、x2(t)、...、xn(t)的示意图（n=9）。
图4是本发明的步骤5中y1(t)、y2(t)、...、yn(t)的示意图（n=9）。
图5是本发明的步骤6中去噪后的惯性传感器信号Y(t)的示意图（n=9）。
具体实施方式
一种基于参数可调非线性跟踪微分器的信号去噪方法，该方法是采用如下步骤实现的：
步骤1：利用信号频域分解方法，将真实的惯性传感器信号X(t)分解到不同频域内，分别记为x1(t)、x2(t)、...、xn(t)；
步骤2：计算出x1(t)、x2(t)、...、xn(t)的熵值，分别记为E1、E2、...、En；
步骤3：调节非线性跟踪微分器的δ值，利用非线性跟踪微分器对xn(t)进行多次跟踪，通过观察跟踪曲线得到δ值的最大值N；
步骤4：以N为δ值的基准值，根据熵值E1、E2、...、En的比例关系确定不同熵值所对应的δ值，分别记为δ1、δ2、...、δn；
步骤5：基于δ1、δ2、...、δn构建n个不同的非线性跟踪微分器，分别对x1(t)、x2(t)、...、xn(t)进行去噪，得到y1(t)、y2(t)、...、yn(t)；
步骤6：对y1(t)、y2(t)、...、yn(t)进行信号重构，得到去噪后的惯性传感器信号Y(t)。
所述步骤1中，信号频域分解方法采用小波多尺度分解方法或者经验模态分解方法或者局部均值分解方法。
所述步骤2中，采用样本熵方法来计算出x1(t)、x2(t)、...、xn(t)的熵值。
所述步骤3中，得到δ值的最大值N的具体步骤如下：对跟踪曲线与xn(t)求差值，当差值的均值小于10-5时，选取此时的δn值作为δ值的最大值N。
所述步骤4中，确定不同熵值所对应的δ值的具体步骤如下：首先直接对δn进行赋 值，δn=N；然后确定熵值En所对应的δ值为δn，即N；随后求取熵值E1、E2、...、En的倒数得到1/ E1、1/E2、...、1/En，则Ei（i=1,2,...,n-1）所对应的δi（i=1,2,...,n-1）值可利用公式求得。

Claims (4)

1.一种基于参数可调非线性跟踪微分器的信号去噪方法，其特征在于：该方法是采用如下步骤实现的：
步骤1：利用信号频域分解方法，将真实的惯性传感器信号X(t)分解到不同频域内，分别记为x1(t)、x2(t)、...、xn(t)；
步骤2：计算出x1(t)、x2(t)、...、xn(t)的熵值，分别记为E1、E2、...、En；
步骤3：调节非线性跟踪微分器的δ值，利用非线性跟踪微分器对xn(t)进行多次跟踪，通过观察跟踪曲线得到δ值的最大值N；
步骤4：以N为δ值的基准值，根据熵值E1、E2、...、En的比例关系确定不同熵值所对应的δ值，分别记为δ1、δ2、...、δn；
确定不同熵值所对应的δ值的具体步骤如下：首先直接对δn进行赋值，δn=N；然后确定熵 值En所对应的δ值为δn，即N；随后求取熵值E1、E2、...、En的倒数得到1/E1、1/E2、...、1/En，则 Ei（i=1,2,...,n-1）所对应的δi（i=1,2,...,n-1）值可利用公式求得；
步骤5：基于δ1、δ2、...、δn构建n个不同的非线性跟踪微分器，分别对x1(t)、x2(t)、...、xn(t)进行去噪，得到y1(t)、y2(t)、...、yn(t)；
步骤6：对y1(t)、y2(t)、...、yn(t)进行信号重构，得到去噪后的惯性传感器信号Y(t)。
2.根据权利要求1所述的一种基于参数可调非线性跟踪微分器的信号去噪方法，其特征在于：所述步骤1中，信号频域分解方法采用小波多尺度分解方法或者经验模态分解方法或者局部均值分解方法。
3.根据权利要求1所述的一种基于参数可调非线性跟踪微分器的信号去噪方法，其特征在于：所述步骤2中，采用样本熵方法来计算出x1(t)、x2(t)、...、xn(t)的熵值。
4.根据权利要求1所述的一种基于参数可调非线性跟踪微分器的信号去噪方法，其特征在于：所述步骤3中，得到δ值的最大值N的具体步骤如下：对跟踪曲线与xn(t)求差值，当差值的均值小于10-5时，选取此时的δn值作为δ值的最大值N。
CN201710014027.XA 2017-01-10 2017-01-10 一种基于参数可调非线性跟踪微分器的信号去噪方法 Active CN106679659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710014027.XA CN106679659B (zh) 2017-01-10 2017-01-10 一种基于参数可调非线性跟踪微分器的信号去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710014027.XA CN106679659B (zh) 2017-01-10 2017-01-10 一种基于参数可调非线性跟踪微分器的信号去噪方法

Publications (2)

Publication Number Publication Date
CN106679659A CN106679659A (zh) 2017-05-17
CN106679659B true CN106679659B (zh) 2019-08-09

Family

ID=58850415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710014027.XA Active CN106679659B (zh) 2017-01-10 2017-01-10 一种基于参数可调非线性跟踪微分器的信号去噪方法

Country Status (1)

Country Link
CN (1) CN106679659B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109358504B (zh) * 2018-10-24 2021-07-02 中北大学 基于自适应积分鲁棒的四旋翼轨迹/姿态复合抗干扰跟踪控制方法
CN109443393B (zh) * 2018-12-11 2020-08-14 中国人民解放军火箭军工程大学 一种基于盲分离算法的捷联惯导信号提取方法及系统
CN111008549B (zh) * 2019-08-07 2024-01-26 哈尔滨工程大学 基于样本熵和ifoa-grnn的uuv平台dvl信号失真重构方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE542292T1 (de) * 2008-07-02 2012-02-15 Innovaradio S A Vorverzerrungsverfahren und einrichtung zur verbesserung der leistungsfähigkeit von leistungsverstärkern in drahtlosen digitalen kommunikationsanwendungen
CN101727537A (zh) * 2009-11-16 2010-06-09 杭州电子科技大学 基于双视角信息融合的乳腺cr图像的计算机确定方法
TW201531672A (zh) * 2013-08-23 2015-08-16 Sicpa Holding Sa 用於認證裝置的方法及系統
CN103969671B (zh) * 2014-05-09 2016-05-04 哈尔滨工程大学 一种基于非线性跟踪微分器的杆臂误差解算方法
US9861333B2 (en) * 2014-06-20 2018-01-09 Samsung Electronics Co., Ltd. X-ray imaging apparatus and control method for the same
CN105096280B (zh) * 2015-06-17 2019-01-11 浙江宇视科技有限公司 处理图像噪声的方法及装置
CN104980211B (zh) * 2015-06-29 2017-12-12 北京航天易联科技发展有限公司 一种信号处理方法和装置
CN105654434A (zh) * 2015-12-25 2016-06-08 浙江工业大学 基于统计模型的医学超声图像去噪方法
CN105631820A (zh) * 2015-12-25 2016-06-01 浙江工业大学 基于小波变换和三边滤波器的医学超声图像去噪方法

Also Published As

Publication number Publication date
CN106679659A (zh) 2017-05-17

Similar Documents

Publication Publication Date Title
CN106679659B (zh) 一种基于参数可调非线性跟踪微分器的信号去噪方法
Miyoshi et al. A multi-scale localization approach to an ensemble Kalman filter
Cui et al. Improved hybrid filter for fiber optic gyroscope signal denoising based on EMD and forward linear prediction
Peesapati et al. Efficient hybrid Kalman filter for denoising fiber optic gyroscope signal
Kawahara Frequency modulation of directly imaged exoplanets: geometric effect as a probe of planetary obliquity
CN105842728B (zh) 数字化核能谱测量系统中的脉冲基线估计方法
CN107036720B (zh) 一种超短啁啾脉冲时域相位与频域相位测量方法及系统
CN105509737A (zh) 一种不受地磁变化影响的航空运动平台磁干扰补偿方法
CN103837884A (zh) 基于时域分析的数字核脉冲信号梯形成形算法
Yan et al. MEMS accelerometer calibration denoising method for Hopkinson bar system based on LMD-SE-TFPF
CN104391325B (zh) 不连续非均质地质体检测方法和装置
Semenishchev et al. A multi-criteria method for noise reduction
Zhang et al. Time‐frequency synchroextracting transform
CN108254794B (zh) 一种基于建模反恢复技术的磁共振消噪方法及装置
Qian et al. A novel hybrid EMD-based drift denoising method for a dynamically tuned gyroscope (DTG)
Tong et al. Signal denoising method based on improved wavelet threshold function for microchip electrophoresis C4D equipment
CN106027454A (zh) 基于频率补偿的qam信号的频偏估计方法
CN106871891B (zh) 一种基于累加累减混合微分器的信号去噪方法
CN106547019A (zh) 一种确定地层品质因子的方法
CN105631149B (zh) 一种基于相关性求时差的方法
CN104501832A (zh) 一种改进型实用惯性传感器降噪装置
Boudraa Instantaneous frequency estimation of fm signals by ψb-energy operator
CN104268838B (zh) 一种面向超光谱数据库的小波去噪算法
CN109425892A (zh) 地震子波的估计方法及系统
Xia et al. Adaptive Kalman filtering based on higher-order statistical analysis for digitalized silicon microgyroscope

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant