CN106871891B - 一种基于累加累减混合微分器的信号去噪方法 - Google Patents

一种基于累加累减混合微分器的信号去噪方法 Download PDF

Info

Publication number
CN106871891B
CN106871891B CN201710027360.4A CN201710027360A CN106871891B CN 106871891 B CN106871891 B CN 106871891B CN 201710027360 A CN201710027360 A CN 201710027360A CN 106871891 B CN106871891 B CN 106871891B
Authority
CN
China
Prior art keywords
differentiator
hybrid
inertial sensor
accumulating
sensor signal
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
CN201710027360.4A
Other languages
English (en)
Other versions
CN106871891A (zh
Inventor
申冲
杨卫
邵星灵
曹慧亮
刘俊
唐军
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 CN201710027360.4A priority Critical patent/CN106871891B/zh
Publication of CN106871891A publication Critical patent/CN106871891A/zh
Application granted granted Critical
Publication of CN106871891B publication Critical patent/CN106871891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure

Landscapes

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

Abstract

本发明涉及惯性传感器信号去噪方法，具体是一种基于累加累减混合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。一种基于累加累减混合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：对采集到的惯性传感器信号X(k)进行累加操作；步骤2：利用混合微分器，对累加操作后的惯性传感器信号Y(k)进行去噪；步骤3：对去噪后的惯性传感器信号Y'(k)进行累减操作，得到最终的惯性传感器信号Z(k)。本发明适用于惯性导航系统。

Description

一种基于累加累减混合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，具体是一种基于累加累减混合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，提供了一种基于累加累减混合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：
一种基于累加累减混合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：对采集到的惯性传感器信号X(k)进行累加操作；
步骤2：利用混合微分器，对累加操作后的惯性传感器信号Y(k)进行去噪；
步骤3：对去噪后的惯性传感器信号Y'(k)进行累减操作，得到最终的惯性传感器信号Z(k)。
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累加累减混合微分器的信号去噪方法具有如下优点：一、本发明将将混合微分器引入到惯性传感器信号去噪中，混合微分器基于奇异摄动原理，由线性和非线性部分组成，对任何高频噪声都不敏感，因此其去噪性能更好。二、本发明将累加累减操作与混合微分器进行了结合，通过累加操作有效降低了惯性传感器信号的随机性，因此当利用混合微分器对累加操作后的惯性传感器信号进行去噪时，只需选择相对较大的加速度因子R值，便既可以保证信号跟踪速度又能够得到良好的信号去噪效果，由此实现了信号快速跟踪与去噪效果良好的双重优点。
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是本发明中采集到的惯性传感器信号X(k)的示意图。
图3是本发明中累加操作后的惯性传感器信号Y(k) 的示意图。
图4是本发明中去噪后的惯性传感器信号Y'(k) 的示意图。
图5是本发明中最终的惯性传感器信号Z(k) 的示意图。
具体实施方式
一种基于累加累减混合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：对采集到的惯性传感器信号X(k)进行累加操作；
步骤2：利用混合微分器，对累加操作后的惯性传感器信号Y(k)进行去噪；
步骤3：对去噪后的惯性传感器信号Y'(k)进行累减操作，得到最终的惯性传感器信号Z(k)。
所述步骤1中，累加操作的具体公式如下：
Figure DEST_PATH_IMAGE001
。
所述步骤2中，去噪的具体步骤如下：首先选取一个较大的混合微分器加速度因子R值，然后采用梯度下降法逐渐减小R值；当混合微分器输出的跟踪曲线与Y(k)的差值的方差大于10-3时，则认为完成对Y(k)的去噪。
所述步骤3中，累减操作的具体公式如下：
Figure 669277DEST_PATH_IMAGE002
。

Claims (3)

1.一种基于累加累减混合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：对采集到的惯性传感器信号X(k)进行累加操作；
步骤2：利用混合微分器，对累加操作后的惯性传感器信号Y(k)进行去噪；首先选取大的混合微分器加速度因子R值，然后采用梯度下降法逐渐减小R值；当所述混合微分器输出的跟踪曲线与Y(k)的差值的方差大于10-3时，则认为完成对Y(k)的去噪；其中所述混合微分器基于奇异摄动原理，由线性和非线性部分组成，对任何高频噪声都不敏感；
步骤3：对去噪后的惯性传感器信号Y'(k)进行累减操作，得到最终的惯性传感器信号Z(k)。
2.根据权利要求1所述的一种基于累加累减混合微分器的信号去噪方法，其特征在于：所述步骤1中，累加操作的具体公式如下：
Figure FDA0002294956000000011
3.根据权利要求1所述的一种基于累加累减混合微分器的信号去噪方法，其特征在于：所述步骤3中，累减操作的具体公式如下：
Figure FDA0002294956000000012
CN201710027360.4A 2017-01-16 2017-01-16 一种基于累加累减混合微分器的信号去噪方法 Active CN106871891B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710027360.4A CN106871891B (zh) 2017-01-16 2017-01-16 一种基于累加累减混合微分器的信号去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710027360.4A CN106871891B (zh) 2017-01-16 2017-01-16 一种基于累加累减混合微分器的信号去噪方法

Publications (2)

Publication Number Publication Date
CN106871891A CN106871891A (zh) 2017-06-20
CN106871891B true CN106871891B (zh) 2020-09-01

Family

ID=59158043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710027360.4A Active CN106871891B (zh) 2017-01-16 2017-01-16 一种基于累加累减混合微分器的信号去噪方法

Country Status (1)

Country Link
CN (1) CN106871891B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115798455B (zh) * 2023-02-07 2023-06-02 深圳元象信息科技有限公司 语音合成方法、系统、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2006276732A1 (en) * 2005-07-28 2007-02-15 Exxonmobil Upstream Research Company Method for wavelet denoising of controlled source electromagnetic survey data
CN101365609A (zh) * 2005-12-13 2009-02-11 Tk电子控股公司 信号处理系统和方法
CN102494680A (zh) * 2011-11-11 2012-06-13 东南大学 一种基于灰色理论的自适应前向线性预测去噪方法
CN103427789A (zh) * 2013-07-23 2013-12-04 四川大学 一种基于分数阶计算方程的图书馆图文信息去噪滤波器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2006276732A1 (en) * 2005-07-28 2007-02-15 Exxonmobil Upstream Research Company Method for wavelet denoising of controlled source electromagnetic survey data
CN101365609A (zh) * 2005-12-13 2009-02-11 Tk电子控股公司 信号处理系统和方法
CN102494680A (zh) * 2011-11-11 2012-06-13 东南大学 一种基于灰色理论的自适应前向线性预测去噪方法
CN103427789A (zh) * 2013-07-23 2013-12-04 四川大学 一种基于分数阶计算方程的图书馆图文信息去噪滤波器

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Designs of matrix fractional order differentiators;Tseng Chien-Cheng,etc;《SIGNAL PROCESSING》;20150630;第111卷;第73-88页 *
基于多重小波变换的力微分信号去噪研究;俞阿龙;《计量学报》;20080731;第29卷(第3期);第235-237页 *
微惯性测量系统关键技术研究;杨金显;《中国博士学位论文全文数据库信息科技辑》;20100630;I140-20 *

Also Published As

Publication number Publication date
CN106871891A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN101876546B (zh) 基于小波阈值去噪和far模型的mems陀螺数据处理方法
CN106844935B (zh) 一种大阻尼工程结构模态参数识别方法
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
CN102590553B (zh) 一种基于小波消噪的加速度计温度补偿方法
CN107688554A (zh) 基于自适应傅里叶分解的频域辨识方法
CN105425254A (zh) 动态gnss测量数据的抗野值双向平滑滤波方法
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
CN113204038A (zh) 基于时域与频域的卡尔曼平滑滤波方法及平滑滤波器
CN104296745A (zh) 一种基于9-dof传感器组的姿态检测数据融合方法
CN103414451A (zh) 一种应用于飞行器姿态估计的扩展卡尔曼滤波方法
CN110939874A (zh) 基于四阶累积量的管道泄漏振动信号自适应时延估计方法
CN106871891B (zh) 一种基于累加累减混合微分器的信号去噪方法
CN104318072A (zh) 基于qkf-mmf的多传感器量化融合方法
CN103940447B (zh) 一种基于自适应数字滤波器的系泊状态初始对准方法
CN111121827A (zh) 一种基于卡尔曼滤波的tmr磁编码器系统
CN103268403B (zh) 一种基于容积强跟踪信息滤波器的目标跟踪方法
CN108120452A (zh) Mems陀螺仪动态数据的滤波方法
CN109085758B (zh) 用于位置伺服系统的多周期滑模重复控制器
CN102645555A (zh) 一种微运动测量方法
CN107941324A (zh) 一种消费级惯性传感单元环境噪声的估计方法
CN108181486B (zh) 加速度信号的处理方法及装置
CN107203271A (zh) 基于多传感器融合技术的双手识别方法
CN104121900A (zh) 基于二代小波变换与lms的光纤陀螺信号去噪算法
CN103412189A (zh) 一种用于电学层析成像系统的信息滤波解调方法
CN104048680B (zh) 基于donoho阈值的自主式水下机器人外部干扰抑制方法

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