CN115615417A - 自适应滤波系统构造方法、自适应滤波方法及装置 - Google Patents

自适应滤波系统构造方法、自适应滤波方法及装置 Download PDF

Info

Publication number
CN115615417A
CN115615417A CN202211048635.XA CN202211048635A CN115615417A CN 115615417 A CN115615417 A CN 115615417A CN 202211048635 A CN202211048635 A CN 202211048635A CN 115615417 A CN115615417 A CN 115615417A
Authority
CN
China
Prior art keywords
filtering
adaptive
fiber
optic gyroscope
covariance matrix
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
Application number
CN202211048635.XA
Other languages
English (en)
Inventor
金文光
张叶俊
王标
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.)
Ningbo Shengrong Electronic Technology Co ltd
Zhejiang University ZJU
Original Assignee
Ningbo Shengrong Electronic Technology Co ltd
Zhejiang University ZJU
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 Ningbo Shengrong Electronic Technology Co ltd, Zhejiang University ZJU filed Critical Ningbo Shengrong Electronic Technology Co ltd
Priority to CN202211048635.XA priority Critical patent/CN115615417A/zh
Publication of CN115615417A publication Critical patent/CN115615417A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
    • G01C19/58—Turn-sensitive devices without moving masses
    • G01C19/64—Gyrometers using the Sagnac effect, i.e. rotation-induced shifts between counter-rotating electromagnetic beams
    • G01C19/72—Gyrometers using the Sagnac effect, i.e. rotation-induced shifts between counter-rotating electromagnetic beams with counter-rotating light beams in a passive ring, e.g. fibre laser gyrometers
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0043—Adaptive algorithms

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Gyroscopes (AREA)

Abstract

本发明公开了自适应滤波系统构造方法、自适应滤波方法及装置，其中应用于光纤陀螺的自适应滤波系统构造方法包括：连续采集静态情况下光纤陀螺的原始输出信号；结合改进当前统计模型和新息序列自适应卡尔曼滤波理论，构建光纤陀螺的滤波系统，其中所述滤波系统包括滤波预测方程、滤波更新方程、过程噪声协方差矩阵的自适应更新方程及观测噪声协方差矩阵的自适应更新方程；选取若干滑动窗口大小，在不同的滑动窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的滑动窗口大小；新息序列窗口大小的获取同理；根据滤波结果方差最小的滑动窗口大小和新息序列窗口大小，更新所述光纤陀螺的滤波系统。

Description

自适应滤波系统构造方法、自适应滤波方法及装置
技术领域
本发明属于光纤陀螺滤波技术领域，尤其涉及自适应滤波系统构造方法、自适应滤波方法及装置。
背景技术
近年来，光纤陀螺由于其相比传统的机械陀螺更可靠，更灵敏，启动更迅速，动态范围更大，使用寿命更长等优点，在航空，航天和航海等惯性导航领域的使用越来越广泛。而光纤陀螺作为光纤陀螺惯性寻北系统的核心器件，其输出精度将会很大程度上影响光纤陀螺惯性寻北系统的寻北精度。由于光纤陀螺制造工艺上的缺陷，工作环境的温度气压变化以及光纤陀螺内部电子元器件的影响等问题的存在，光纤陀螺的输出中会存在随机噪声，这些随机噪声会影响光纤陀螺的输出精度，尤其对于中低端光纤陀螺，其影响更大。因此对光纤陀螺的输出数据进行随机噪声滤波十分重要。
目前光纤陀螺随机噪声的滤波常用方法是通过时间序列模型结合Kalman滤波器实现。时间序列模型通过从时域角度发现序列的规律，对序列中的相关性和随机性进行分析及建模。其中最常用的是ARMA模型，能描述平稳随机过程。但是ARMA建模的前提需要数据满足平稳、正态、零均值等特征，而实际情况下光纤陀螺的输出数据往往不满足这些条件，因此需要对数据进行预处理，这意味建模依赖于光纤陀螺的离线数据，建模过程繁琐复杂。而且对数据进行预处理会极大影响滤波系统的实时性。
Kalman滤波器具有递归计算的特性，不需要存储大量的历史数据，对系统存储空间需求小，并且实时性高，滤波结果是一种最优估计。Kalman滤波器滤波效果会受到滤波过程中过程噪声协方差Q及过程噪声协方差R的影响，而传统的Kalman滤波中这两项值为固定值，不符合实际动态运行系统中过程噪声协方差值及观测噪声协方差值的变化，因此在动态变化的系统中，传统Kalman滤波器的滤波效果并不十分理想。
综上所述，目前以时间序列模型结合传统Kalman滤波器的滤波算法在光纤陀螺随机噪声滤波上存在建模过程繁琐复杂，实时性差，滤波参数无法自适应调整等不足。
发明内容
针对现有技术的不足，本发明的主要目的是提出一种自适应滤波系统构造方法、自适应滤波方法及装置，以结合改进当前统计模型和新息序列自适应卡尔曼滤波实现光纤陀螺的随机噪声滤波。
根据本申请实施例的第一方面，提供一种应用于光纤陀螺的自适应滤波系统构造方法，包括：
连续采集静态情况下光纤陀螺的原始输出信号；
结合改进当前统计模型和新息序列自适应卡尔曼滤波理论，构建光纤陀螺的滤波系统，其中所述滤波系统包括滤波预测方程、滤波更新方程、过程噪声协方差矩阵的自适应更新方程及观测噪声协方差矩阵的自适应更新方程；
选取若干滑动窗口大小，在不同的滑动窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的滑动窗口大小，其中所述滑动窗口大小为所述过程噪声协方差矩阵的自适应更新方程中的参数；
选取若干新息序列窗口大小，在不同的新息序列窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的新息序列窗口大小，其中所述新息序列窗口大小为所述观测噪声协方差矩阵的自适应更新方程中的参数；
根据滤波结果方差最小的滑动窗口大小和新息序列窗口大小，更新所述光纤陀螺的滤波系统。
进一步地，结合改进当前统计模型以及新息序列自适应卡尔曼滤波，并采用加速度均值自适应算法，建立滤波预测方程：
Figure BDA0003823132980000021
P(k，k-1)＝Φ(k，k-1)P(k-1，k-1)ΦT(k，k-1)+Q(k-1)#(2)
其中，光纤陀螺的运动状态矢量表示为
Figure BDA0003823132980000022
x、
Figure BDA0003823132980000023
以及
Figure BDA0003823132980000024
分别表示光纤陀螺的转动角度，转动角速度以及转动角加速度，
Figure BDA0003823132980000025
表示当前时刻运动状态矢量的滤波预测值，
Figure BDA0003823132980000026
为上一时刻运动状态矢量的滤波估计值；P(k，k-1)为当前时刻预测协方差矩阵，P(k-1，k-1)为上一时刻估计误差方差阵，初始化为单位矩阵，
Figure BDA0003823132980000027
为运动状态转移矩阵，T为光纤陀螺数据采样时间间隔，
Figure BDA0003823132980000028
为状态转移过程噪声方差矩阵，α为光纤陀螺机动时间常数的倒数，
Figure BDA0003823132980000029
为加速度方差，
Figure BDA00038231329800000210
Figure BDA0003823132980000031
Figure BDA0003823132980000032
Figure BDA0003823132980000033
Figure BDA0003823132980000034
Figure BDA0003823132980000035
进一步地，根据所述滤波预测方程，建立滤波更新方程：
K(k)＝P(k，k-1)HT(k)[H(k)P(k，k-1)HT(k)+R(k)]-1#(11)
Figure BDA0003823132980000036
P(k，k)＝[I-K(k)H(k)]P(k，k-1)#(13)
其中，H(k)＝[0，1，0]为运动状态观测矩阵，R(k)为观测噪声协方差矩阵，K(k)为当前时刻卡尔曼增益矩阵，Y(k)为当前时刻光纤陀螺输出的角速度，I为单位矩阵，
Figure BDA0003823132980000037
即为当前时刻的滤波估计结果。
进一步地，根据所述滤波预测方程和滤波更新方程，建立过程噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)的自适应更新方程：
Figure BDA0003823132980000038
Figure BDA0003823132980000039
Figure BDA00038231329800000310
Figure BDA00038231329800000311
其中
Figure BDA00038231329800000312
为当前时刻角速度估计值，
Figure BDA00038231329800000313
为当前时刻角速度预测值，
Figure BDA00038231329800000314
表示一个采样时间间隔内的加速度扰动，
Figure BDA00038231329800000315
表示一段采样时间内加速度扰动的平均值，L为选定的滑动窗口大小，
Figure BDA00038231329800000316
Figure BDA00038231329800000317
R(k)＝CSk-H(k)P(k，k-1)H(k)T#(20)
Sk是新息序列当前时刻值，N为新息序列窗口大小，CSk为新息序列的协方差矩阵；
将式(14)-(17)与式(18)-(20)这两组方程联立，实现Q(k)与R(k)的自适应更新，从而实现自适应滤波。
根据本申请实施例的第二方面，提供一种应用于光纤陀螺的自适应滤波系统构造装置，包括：
采集模块，用于连续采集静态情况下光纤陀螺的原始输出信号；
构建模块，用于结合改进当前统计模型和新息序列自适应卡尔曼滤波理论，构建光纤陀螺的滤波系统，其中所述滤波系统包括滤波预测方程、滤波更新方程、过程噪声协方差矩阵的自适应更新方程及观测噪声协方差矩阵的自适应更新方程；
第一获取模块，用于选取若干滑动窗口大小，在不同的滑动窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的滑动窗口大小，其中所述滑动窗口大小为所述过程噪声协方差矩阵的自适应更新方程中的参数；
第二获取模块，用于选取若干新息序列窗口大小，在不同的新息序列窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的新息序列窗口大小，其中所述新息序列窗口大小为所述观测噪声协方差矩阵的自适应更新方程中的参数；
更新模块，用于根据滤波结果方差最小的滑动窗口大小和新息序列窗口大小，更新所述光纤陀螺的滤波系统。
根据本申请实施例的第三方面，提供一种应用于光纤陀螺的自适应滤波方法，基于第一方面所述的方法构造的应用于光纤陀螺的自适应滤波系统，包括：
获取当前光纤陀螺输出的角速度Y(k)和上一时刻的运动状态矢量的滤波估计值
Figure BDA0003823132980000041
根据上一时刻的运动状态矢量的滤波估计值
Figure BDA0003823132980000042
通过滤波预测方程计算当前时刻运动状态矢量的滤波预测值
Figure BDA0003823132980000043
根据角速度Y(k)和当前时刻运动状态矢量的滤波预测值
Figure BDA0003823132980000044
利用滤波更新方程，得到当前时刻的滤波估计结果
Figure BDA0003823132980000045
将所述当前时刻的滤波估计结果
Figure BDA0003823132980000046
用于通过过程噪声协方差矩阵Q(k)和观测噪声协方差矩阵R(k)的自适应更新方程更新噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)，从而用于下一时刻的自适应滤波；
输出所述当前时刻的滤波估计结果
Figure BDA0003823132980000047
作为自适应滤波结果。
根据本申请实施例的第四方面，提供一种应用于光纤陀螺的自适应滤波装置，基于第一方面所述的方法构造的应用于光纤陀螺的自适应滤波系统，包括：
第三获取模块，用于获取当前光纤陀螺输出的角速度Y(k)和上一时刻的运动状态矢量的滤波估计值
Figure BDA0003823132980000051
滤波预测模块，用于上一时刻的运动状态矢量的滤波估计值
Figure BDA0003823132980000052
通过滤波预测方程计算当前时刻运动状态矢量的滤波预测值
Figure BDA0003823132980000053
滤波估计模块，用于根据角速度Y(k)和当前时刻运动状态矢量的滤波预测值
Figure BDA0003823132980000054
利用滤波更新方程，得到当前时刻的滤波估计结果
Figure BDA0003823132980000055
自适应更新模块，用于将所述当前时刻的滤波估计结果
Figure BDA0003823132980000056
用于通过过程噪声协方差矩阵Q(k)和观测噪声协方差矩阵R(k)的自适应更新方程更新噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)，从而用于下一时刻的自适应滤波；
输出模块，用于输出所述当前时刻的滤波估计结果
Figure BDA0003823132980000057
作为自适应滤波结果。
根据本申请实施例的第五方面，提供一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面或第三方面所述的方法。
根据本申请实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如第一方面或第三方面所述方法的步骤。
本申请的实施例提供的技术方案可以包括以下有益效果：
由上述实施例可知，本申请为了增强光纤陀螺的滤波效果，同时提高滤波算法的可靠性和便捷性，将改进当前统计模型与新息序列自适应卡尔曼滤波算法相结合使用，设计出了相对更加适合中低端光纤陀螺的滤波方法，和现有的光纤陀螺随机噪声滤波方法相比，本发明使用改进当前统计模型，不需要进行复杂的前期数据预处理，不依赖于离线数据建模，更便捷可靠；选取了使得滤波结果方差最小的滑动窗口大小和新息序列窗口大小，使得最终输出信号的误差更小更稳定，提升了输出信号的滤波效果，本发明设计容易实现，实用性强，有较好的应用前景。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种应用于光纤陀螺的自适应滤波系统构造方法的流程图。
图2是根据一示例性实施例示出的一种应用于光纤陀螺的自适应滤波系统构造装置的框图。
图3是根据一示例性实施例示出的一种应用于光纤陀螺的自适应滤波方法的流程图。
图4是根据一示例性实施例示出的光纤陀螺的原始输出信号与方法1的滤波效果的对比图。
图5是根据一示例性实施例示出的光纤陀螺的原始输出信号与方法2的滤波效果的对比图。
图6是根据一示例性实施例示出的光纤陀螺的原始输出信号与方法3的滤波效果的对比图。
图7是根据一示例性实施例示出的光纤陀螺的原始输出信号与方法4的滤波效果的对比图。
图8是根据一示例性实施例示出的光纤陀螺以10°/s的角速度运转的动态输出原始数据与方法4的滤波结果的对比图。
图9是根据一示例性实施例示出的光纤陀螺以幅度为1°/s的角速度简谐运动的动态输出原始数据与方法4的滤波结果的对比图。
图10是根据一示例性实施例示出的一种应用于光纤陀螺的自适应滤波装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在......时”或“当......时”或“响应于确定”。
改进当前统计模型：采用《W.Wang and H.-l.Hou，″An improved CurrentStatistical Model for maneuvering target tracking，″2009 4th IEEE Conferenceon Industrial Electronics and Applications，2009，pp.4017-4020，doi：10.1109/ICIEA.2009.5138963.》所示的方法。
实施例1：
图1是根据一示例性实施例示出的一种应用于光纤陀螺的自适应滤波系统构造方法的流程图，如图1所示，该方法可以包括以下步骤：
步骤S11：连续采集静态情况下光纤陀螺的原始输出信号；
步骤S12：结合改进当前统计模型和新息序列自适应卡尔曼滤波理论，构建光纤陀螺的滤波系统，其中所述滤波系统包括滤波预测方程、滤波更新方程、过程噪声协方差矩阵的自适应更新方程及观测噪声协方差矩阵的自适应更新方程；
步骤S13：选取若干滑动窗口大小，在不同的滑动窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的滑动窗口大小，其中所述滑动窗口大小为所述过程噪声协方差矩阵的自适应更新方程中的参数；
步骤S14：选取若干新息序列窗口大小，在不同的新息序列窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的新息序列窗口大小，其中所述新息序列窗口大小为所述观测噪声协方差矩阵的自适应更新方程中的参数；
步骤S15：根据滤波结果方差最小的滑动窗口大小和新息序列窗口大小，更新所述光纤陀螺的滤波系统。
由上述实施例可知，本申请为了增强光纤陀螺的滤波效果，同时提高滤波算法的可靠性和便捷性，将改进当前统计模型与新息序列自适应卡尔曼滤波算法相结合使用，设计出了相对更加适合中低端光纤陀螺的滤波方法，和现有的光纤陀螺随机噪声滤波方法相比，本发明使用改进当前统计模型，不需要进行复杂的前期数据预处理，不依赖于离线数据建模，更便捷可靠；选取了使得滤波结果方差最小的滑动窗口大小和新息序列窗口大小，使得最终输出信号的误差更小更稳定，提升了输出信号的滤波效果，本发明设计容易实现，实用性强，有较好的应用前景。
在步骤S11的具体实施中，连续采集静态情况下光纤陀螺的原始输出信号；
在一实施例中，将光纤陀螺静置在静止的水平转台上，启动陀螺仪后预热30分钟，然后以1000Hz的采样频率采集2小时的陀螺仪静态输出数据，并将陀螺仪输出数据的单位统一为°/s。需要说明的是，上述采样频率、采样时间等设置可根据实际情况自行设定，该设定为本领域内的常规设置，此处不作赘述。
在步骤S12的具体实施中，结合改进当前统计模型和新息序列自适应卡尔曼滤波理论，构建光纤陀螺的滤波系统，其中所述滤波系统包括滤波预测方程、滤波更新方程、过程噪声协方差矩阵的自适应更新方程及观测噪声协方差矩阵的自适应更新方程；
具体地，结合改进当前统计模型以及新息序列自适应卡尔曼滤波，并采用加速度均值自适应算法，建立滤波预测方程：
Figure BDA0003823132980000081
P(k，k-1)＝Φ(k，k-1)P(k-1，k-1)ΦT(k，k-1)+Q(k-1)#(2)
其中，光纤陀螺的运动状态矢量表示为
Figure BDA0003823132980000082
x、
Figure BDA0003823132980000083
以及
Figure BDA0003823132980000084
分别表示光纤陀螺的转动角度，转动角速度以及转动角加速度，
Figure BDA0003823132980000085
表示当前时刻运动状态矢量的滤波预测值，
Figure BDA0003823132980000086
为上一时刻运动状态矢量的滤波估计值；P(k，k-1)为当前时刻预测协方差矩阵，P(k-1，k-1)为上一时刻估计误差方差阵，初始化为单位矩阵，
Figure BDA0003823132980000087
为运动状态转移矩阵，T为光纤陀螺数据采样时间间隔，
Figure BDA0003823132980000088
为状态转移过程噪声方差矩阵，α为光纤陀螺机动时间常数的倒数，
Figure BDA0003823132980000089
为加速度方差，
Figure BDA00038231329800000810
Figure BDA00038231329800000811
Figure BDA00038231329800000812
Figure BDA00038231329800000813
Figure BDA00038231329800000814
Figure BDA00038231329800000815
根据所述滤波预测方程，建立滤波更新方程：
K(k)＝P(k，k-1)HT(k)[H(k)P(k，k-1)HT(k)+R(k)]-1#(11)
Figure BDA00038231329800000816
P(k，k)＝[I-K(k)H(k)]P(k，k-1)#(13)
其中，H(k)＝[0，1，0]为运动状态观测矩阵，R(k)为观测噪声协方差矩阵，K(k)为当前时刻卡尔曼增益矩阵，Y(k)为当前时刻光纤陀螺输出的角速度，I为单位矩阵，
Figure BDA0003823132980000091
即为当前时刻的滤波估计结果。
根据所述滤波预测方程和滤波更新方程，建立过程噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)的自适应更新方程：
Figure BDA0003823132980000092
Figure BDA0003823132980000093
Figure BDA0003823132980000094
Figure BDA0003823132980000095
其中
Figure BDA0003823132980000096
为当前时刻角速度估计值，
Figure BDA0003823132980000097
为当前时刻角速度预测值，
Figure BDA0003823132980000098
表示一个采样时间间隔内的加速度扰动，
Figure BDA0003823132980000099
表示一段采样时间内加速度扰动的平均值，L为选定的滑动窗口大小，
Figure BDA00038231329800000910
Figure BDA00038231329800000911
R(k)＝CSk-H(k)P(k，k-1)H(k)T#(20)
Sk是新息序列当前时刻值，N为新息序列窗口大小，CSk为新息序列的协方差矩阵；
将式(14)-(17)与式(18)-(20)这两组方程联立，实现Q(k)与R(k)的自适应更新，从而实现自适应滤波。过程噪声协方差矩阵Q(k)的自适应调整过程中利用加速度方差的自适应调整，提高了当前统计模型对于弱机动或者非机动光纤陀螺输出数据的准确性，再结合新息序列自适应kalman滤波自适应调整滤波方程参数，使得最终输出信号的误差更小更稳定，提升了输出信号的滤波效果。
在步骤S13的具体实施中，选取若干滑动窗口大小，在不同的滑动窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的滑动窗口大小，其中所述滑动窗口大小为所述过程噪声协方差矩阵的自适应更新方程中的参数；
具体地，以10为步进，在10到1000之间选取滑动窗口的大小，依次对采集的光纤陀螺静态数据输入步骤S12中构造好的光纤陀螺的整体滤波系统进行滤波处理，寻找使得滤波结果方差最小的窗口大小。过大的窗口会导致计算时间过长，一定程度上影响滤波实时性，过小的窗口会导致自适应更新效果较差，通过在10到1000之间依次选择窗口大小进行验证，比较判断最适合的窗口大小，得到的窗口大小最为合适。
在步骤S14的具体实施中，选取若干新息序列窗口大小，在不同的新息序列窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的新息序列窗口大小，其中所述新息序列窗口大小为所述观测噪声协方差矩阵的自适应更新方程中的参数；
具体地，以10为步进，在10到1000之间选取新息序列窗口的大小，依次对采集的光纤陀螺静态数据输入步骤S12中构造好的光纤陀螺的整体滤波系统进行滤波处理，寻找使得滤波结果方差最小的窗口大小。
在步骤S15的具体实施中，根据滤波结果方差最小的滑动窗口大小和新息序列窗口大小，更新所述光纤陀螺的滤波系统；
具体地，使用公式(14)计算当前时刻的加速度变化值，使用公式(15)及加速度方差滑动窗口，计算窗口内加速度变化值的均值，使用公式(16)计算当前时刻加速度的方差值，使用公式(17)更新过程噪声协方差Q。使用公式(18)计算当前时刻的新息，使用公式(19)及新息序列窗口计算当前新息序列窗口内数据的协方差矩阵，使用公式(20)更新观测噪声协方差R。通过以上公式可以实现滤波参数根据实时滤波结果进行自适应更新，使滤波参数更符合实际系统运行过程中的状态。
与前述的应用于光纤陀螺的自适应滤波系统构造方法的实施例相对应，本申请还提供了应用于光纤陀螺的自适应滤波系统构造装置的实施例。
图2是根据一示例性实施例示出的一种应用于光纤陀螺的自适应滤波系统构造装置框图。参照图2，该装置可以包括：
采集模块21，用于连续采集静态情况下光纤陀螺的原始输出信号；
构建模块22，用于结合改进当前统计模型和新息序列自适应卡尔曼滤波理论，构建光纤陀螺的滤波系统，其中所述滤波系统包括滤波预测方程、滤波更新方程、过程噪声协方差矩阵的自适应更新方程及观测噪声协方差矩阵的自适应更新方程；
第一获取模块23，用于选取若干滑动窗口大小，在不同的滑动窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的滑动窗口大小，其中所述滑动窗口大小为所述过程噪声协方差矩阵的自适应更新方程中的参数；
第二获取模块24，用于选取若干新息序列窗口大小，在不同的新息序列窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的新息序列窗口大小，其中所述新息序列窗口大小为所述观测噪声协方差矩阵的自适应更新方程中的参数；
更新模块25，用于根据滤波结果方差最小的滑动窗口大小和新息序列窗口大小，更新所述光纤陀螺的滤波系统。
实施例2：
图3是根据一示例性实施例示出的一种应用于光纤陀螺的自适应滤波方法的流程图，如图3所示，该方法基于实施例1所述的方法构造的应用于光纤陀螺的自适应滤波系统，，可以包括以下步骤：
步骤S31：获取当前光纤陀螺输出的角速度Y(k)和上一时刻的运动状态矢量的滤波估计值
Figure BDA0003823132980000111
步骤S32：根据上一时刻的运动状态矢量的滤波估计值
Figure BDA0003823132980000112
通过滤波预测方程计算当前时刻运动状态矢量的滤波预测值
Figure BDA0003823132980000113
步骤S33：根据角速度Y(k)和当前时刻运动状态矢量的滤波预测值
Figure BDA0003823132980000114
利用滤波更新方程，得到当前时刻的滤波估计结果
Figure BDA0003823132980000115
步骤S34：将所述当前时刻的滤波估计结果
Figure BDA0003823132980000116
用于通过过程噪声协方差矩阵Q(k)和观测噪声协方差矩阵R(k)的自适应更新方程更新噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)，从而用于下一时刻的自适应滤波；
步骤S35：输出所述当前时刻的滤波估计结果
Figure BDA0003823132980000117
作为自适应滤波结果。
由上述实施例可知，本申请基于实施例1所述的应用于光纤陀螺的自适应滤波系统构造方法所构造的应用于光纤陀螺的自适应滤波系统，进行光纤陀螺的自适应滤波，具有更好的滤波效果，降噪更加明显。
将光纤陀螺的原始输出信号分别与基于AR3模型的卡尔曼滤波方法(方法1)、基于当前统计模型的卡尔曼滤波方法(方法2)、基于改进当前统计模型的卡尔曼滤波方法(方法3)以及本申请提供的应用于光纤陀螺的自适应滤波方法(方法4)的自适应滤波效果进行对比，并将光纤陀螺的动态输出原始数据与本发明的滤波结果进行对比，具体方案如下：
1.将光纤陀螺的原始输出信号与方法1的滤波结果进行对比，AR3模型通过已经采集的静态光纤陀螺数据进行建立，滤波预测方程及更新方程与本发明一致，只需将状态转移矩阵变为为AR3模型，同时将Q(k)，R(k)设为固定值，这里均设为1×10-5，去掉自适应更新方程。结果如图4所示。滤波前后数据均值均为0.00407°/s，滤波前数据方差为1.85116e-05，滤波后数据方差为2.03161e-06，滤波后数据方差相较于滤波前降低了89％。
2.将光纤陀螺的原始输出信号与方法2的滤波结果进行对比，滤波预测方程与更新方程于本发明一致，只需去掉角加速度方差及观测噪声协方差矩阵的自适应更新方程。角加速度方差
Figure BDA0003823132980000118
由如下方程给出：
Figure BDA0003823132980000119
amax为给定的角加速度值最大值，这里设为0.1745rad/s2(10°/s2)，
Figure BDA0003823132980000121
为上一时刻的角加速度估计值。观测噪声协方差矩阵设为1×10-5，结果如图5所示。滤波前后数据均值均为0.00407°/s，滤波前数据方差为1.85116e-05，滤波后数据方差为1.92718e-06，滤波后数据方差相较于滤波前降低了约89.6％
3.将光纤陀螺的原始输出信号与方法3的滤波结果进行对比，滤波预测方程与更新方程于本发明一致，只需去掉观测噪声协方差矩阵自适应更新方程，R(k)设为1×10-5，结果如图6所示。滤波前数据均值为0.00407°/s，滤波后数据均值为0.00409°/s。滤波前数据方差为1.85116e-05，滤波后数据方差为2.30907e-07，滤波后数据方差相较于滤波前降低了约98％
4.将光纤陀螺的原始输出信号与本申请实施例提供的方法4的滤波结果进行对比，结果如图7所示。滤波前数据均值为0.00407°/s，滤波后数据均值为0.00408°/s。滤波前数据方差为1.85116e-05，滤波后数据方差为1.42001e-07，滤波后数据方差相较于滤波前降低了约99.3％
5.将光纤陀螺以10°/s的角速度运转的动态输出原始数据与本申请实施例提供的方法4的滤波结果进行对比，结果如图8所示。滤波前数据均值为10.00407°/s，滤波后数据均值为10.00408°/s。滤波前数据方差为1.85120e-05，滤波后数据方差为1.41995e-07，滤波后数据方差相较于滤波前降低了约99.3％
6.将光纤陀螺以幅度为1°/s的角速度简谐运动的动态输出原始数据与本申请实施例提供的方法4的滤波结果进行对比，结果如图9所示。滤波前数据均值为0.00407°/s，滤波后数据均值为0.00408°/s。滤波前数据方差为0.50010，滤波后数据方差为0.50000，从图中可以看到，滤波后数据图像明显优于滤波前，数据波动更小，离散度更小，更贴合实际运动情况。
经滤波效果对比，上述提到的另外三种滤波方法及本发明对光纤陀螺的原始输出信号均起到了降低噪声的效果，但本发明基于改进当前统计模型的自适应滤波方法对光纤陀螺的降噪效果优于其余三种滤波方法。
与前述的应用于光纤陀螺的自适应滤波方法的实施例相对应，本申请还提供了应用于光纤陀螺的自适应滤波装置的实施例。
图10是根据一示例性实施例示出的一种应用于光纤陀螺的自适应滤波装置框图。参照图10，该装置可以包括：
第三获取模块31，用于获取当前光纤陀螺输出的角速度Y(k)和上一时刻的运动状态矢量的滤波估计值
Figure BDA0003823132980000122
滤波预测模块32，用于上一时刻的运动状态矢量的滤波估计值
Figure BDA0003823132980000123
通过滤波预测方程计算当前时刻运动状态矢量的滤波预测值
Figure BDA0003823132980000131
滤波估计模块33，用于根据角速度Y(k)和当前时刻运动状态矢量的滤波预测值
Figure BDA0003823132980000132
利用滤波更新方程，得到当前时刻的滤波估计结果
Figure BDA0003823132980000133
自适应更新模块34，用于将所述当前时刻的滤波估计结果
Figure BDA0003823132980000134
用于通过过程噪声协方差矩阵Q(k)和观测噪声协方差矩阵R(k)的自适应更新方程更新噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)，从而用于下一时刻的自适应滤波；
输出模块35，用于输出所述当前时刻的滤波估计结果
Figure BDA0003823132980000135
作为自适应滤波结果。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
相应的，本申请还提供一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的应用于光纤陀螺的自适应滤波系统构造方法或应用于光纤陀螺的自适应滤波方法。
相应的，本申请还提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述的应用于光纤陀螺的自适应滤波系统构造方法或应用于光纤陀螺的自适应滤波方法。
本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。

Claims (9)

1.一种应用于光纤陀螺的自适应滤波系统构造方法，其特征在于，包括：
连续采集静态情况下光纤陀螺的原始输出信号；
结合改进当前统计模型和新息序列自适应卡尔曼滤波理论，构建光纤陀螺的滤波系统，其中所述滤波系统包括滤波预测方程、滤波更新方程、过程噪声协方差矩阵的自适应更新方程及观测噪声协方差矩阵的自适应更新方程；
选取若干滑动窗口大小，在不同的滑动窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的滑动窗口大小，其中所述滑动窗口大小为所述过程噪声协方差矩阵的自适应更新方程中的参数；
选取若干新息序列窗口大小，在不同的新息序列窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的新息序列窗口大小，其中所述新息序列窗口大小为所述观测噪声协方差矩阵的自适应更新方程中的参数；
根据滤波结果方差最小的滑动窗口大小和新息序列窗口大小，更新所述光纤陀螺的滤波系统。
2.根据权利要求1所述的方法，其特征在于，结合改进当前统计模型以及新息序列自适应卡尔曼滤波，并采用加速度均值自适应算法，建立滤波预测方程：
Figure FDA0003823132970000011
P(k,k-1)＝Φ(k,k-1)P(k-1,k-1)ΦT(k,k-1)+Q(k-1)#(2)
其中，光纤陀螺的运动状态矢量表示为
Figure FDA0003823132970000012
x、
Figure FDA0003823132970000013
以及
Figure FDA0003823132970000014
分别表示光纤陀螺的转动角度，转动角速度以及转动角加速度，
Figure FDA0003823132970000015
表示当前时刻运动状态矢量的滤波预测值，
Figure FDA0003823132970000016
为上一时刻运动状态矢量的滤波估计值；P(k,k-1)为当前时刻预测协方差矩阵，P(k-1,k-1)为上一时刻估计误差方差阵，初始化为单位矩阵，
Figure FDA0003823132970000017
为运动状态转移矩阵，T为光纤陀螺数据采样时间间隔，
Figure FDA0003823132970000018
为状态转移过程噪声方差矩阵，α为光纤陀螺机动时间常数的倒数，
Figure FDA0003823132970000019
为加速度方差，
Figure FDA00038231329700000110
Figure FDA0003823132970000021
Figure FDA0003823132970000022
Figure FDA0003823132970000023
Figure FDA0003823132970000024
Figure FDA0003823132970000025
。
3.根据权利要求2所述的方法，其特征在于，根据所述滤波预测方程，建立滤波更新方程：
K(k)＝P(k,k-1)HT(k)[H(k)P(k,k-1)HT(k)+R(k)]-1#(11)
Figure FDA0003823132970000026
P(k,k)＝[I-K(k)H(k)]P(k,k-1)#(13)
其中，H(k)＝[0,1,0]为运动状态观测矩阵，R(k)为观测噪声协方差矩阵，K(k)为当前时刻卡尔曼增益矩阵，Y(k)为当前时刻光纤陀螺输出的角速度，I为单位矩阵，
Figure FDA0003823132970000027
即为当前时刻的滤波估计结果。
4.根据权利要求3所述的方法，其特征在于，根据所述滤波预测方程和滤波更新方程，建立过程噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)的自适应更新方程：
Figure FDA0003823132970000028
Figure FDA0003823132970000029
Figure FDA00038231329700000210
Figure FDA00038231329700000211
其中
Figure FDA00038231329700000212
为当前时刻角速度估计值，
Figure FDA00038231329700000213
为当前时刻角速度预测值，
Figure FDA00038231329700000214
表示一个采样时间间隔内的加速度扰动，
Figure FDA00038231329700000215
表示一段采样时间内加速度扰动的平均值，L为选定的滑动窗口大小，
Figure FDA00038231329700000216
Figure FDA00038231329700000217
R(k)＝CSk-H(k)P(k,k-1)H(k)T#(20)
Sk是新息序列当前时刻值，N为新息序列窗口大小,Sk为新息序列的协方差矩阵；
将式(14)-(17)与式(18)-(20)这两组方程联立，实现Q(k)与R(k)的自适应更新，从而实现自适应滤波。
5.一种应用于光纤陀螺的自适应滤波系统构造装置，其特征在于，包括：
采集模块，用于连续采集静态情况下光纤陀螺的原始输出信号；
构建模块，用于结合改进当前统计模型和新息序列自适应卡尔曼滤波理论，构建光纤陀螺的滤波系统，其中所述滤波系统包括滤波预测方程、滤波更新方程、过程噪声协方差矩阵的自适应更新方程及观测噪声协方差矩阵的自适应更新方程；
第一获取模块，用于选取若干滑动窗口大小，在不同的滑动窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的滑动窗口大小，其中所述滑动窗口大小为所述过程噪声协方差矩阵的自适应更新方程中的参数；
第二获取模块，用于选取若干新息序列窗口大小，在不同的新息序列窗口大小下的将所述原始输出信号输入所述光纤陀螺的整体滤波系统进行滤波仿真，获取滤波结果方差最小的新息序列窗口大小，其中所述新息序列窗口大小为所述观测噪声协方差矩阵的自适应更新方程中的参数；
更新模块，用于根据滤波结果方差最小的滑动窗口大小和新息序列窗口大小，更新所述光纤陀螺的滤波系统。
6.一种应用于光纤陀螺的自适应滤波方法，其特征在于，基于权利要求1-4中任一项所述的方法构造的应用于光纤陀螺的自适应滤波系统，包括：
获取当前光纤陀螺输出的角速度Y(k)和上一时刻的运动状态矢量的滤波估计值
Figure FDA0003823132970000031
根据上一时刻的运动状态矢量的滤波估计值
Figure FDA0003823132970000032
通过滤波预测方程计算当前时刻运动状态矢量的滤波预测值
Figure FDA0003823132970000033
根据角速度Y(k)和当前时刻运动状态矢量的滤波预测值
Figure FDA0003823132970000034
利用滤波更新方程，得到当前时刻的滤波估计结果
Figure FDA0003823132970000035
将所述当前时刻的滤波估计结果
Figure FDA0003823132970000036
用于通过过程噪声协方差矩阵Q(k)和观测噪声协方差矩阵R(k)的自适应更新方程更新噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)，从而用于下一时刻的自适应滤波；
输出所述当前时刻的滤波估计结果
Figure FDA0003823132970000037
作为自适应滤波结果。
7.一种应用于光纤陀螺的自适应滤波装置，其特征在于，基于权利要求1-4中任一项所述的方法构造的应用于光纤陀螺的自适应滤波系统，包括：
第三获取模块，用于获取当前光纤陀螺输出的角速度Y(k)和上一时刻的运动状态矢量的滤波估计值
Figure FDA0003823132970000041
滤波预测模块，用于上一时刻的运动状态矢量的滤波估计值
Figure FDA0003823132970000042
通过滤波预测方程计算当前时刻运动状态矢量的滤波预测值
Figure FDA0003823132970000043
滤波估计模块，用于根据角速度Y(k)和当前时刻运动状态矢量的滤波预测值
Figure FDA0003823132970000044
利用滤波更新方程，得到当前时刻的滤波估计结果
Figure FDA0003823132970000045
自适应更新模块，用于将所述当前时刻的滤波估计结果
Figure FDA0003823132970000046
用于通过过程噪声协方差矩阵Q(k)和观测噪声协方差矩阵R(k)的自适应更新方程更新噪声协方差矩阵Q(k)及观测噪声协方差矩阵R(k)，从而用于下一时刻的自适应滤波；
输出模块，用于输出所述当前时刻的滤波估计结果
Figure FDA0003823132970000047
作为自适应滤波结果。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4任一项或权利要求6所述的方法。
9.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如权利要求1-4任一项或权利要求6所述方法的步骤。
CN202211048635.XA 2022-08-30 2022-08-30 自适应滤波系统构造方法、自适应滤波方法及装置 Pending CN115615417A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211048635.XA CN115615417A (zh) 2022-08-30 2022-08-30 自适应滤波系统构造方法、自适应滤波方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211048635.XA CN115615417A (zh) 2022-08-30 2022-08-30 自适应滤波系统构造方法、自适应滤波方法及装置

Publications (1)

Publication Number Publication Date
CN115615417A true CN115615417A (zh) 2023-01-17

Family

ID=84856952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211048635.XA Pending CN115615417A (zh) 2022-08-30 2022-08-30 自适应滤波系统构造方法、自适应滤波方法及装置

Country Status (1)

Country Link
CN (1) CN115615417A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116954395A (zh) * 2023-09-21 2023-10-27 深圳博骏科技有限公司 基于多传感器融合的鼠标位移调控系统
CN117978271A (zh) * 2024-04-02 2024-05-03 浙江大学 一种光纤通信强干扰抑制方法、系统、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116954395A (zh) * 2023-09-21 2023-10-27 深圳博骏科技有限公司 基于多传感器融合的鼠标位移调控系统
CN116954395B (zh) * 2023-09-21 2023-11-21 深圳博骏科技有限公司 基于多传感器融合的鼠标位移调控系统
CN117978271A (zh) * 2024-04-02 2024-05-03 浙江大学 一种光纤通信强干扰抑制方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN115615417A (zh) 自适应滤波系统构造方法、自适应滤波方法及装置
CN111156987B (zh) 基于残差补偿多速率ckf的惯性/天文组合导航方法
Narasimhappa et al. A modified Sage-Husa adaptive Kalman filter for denoising Fiber Optic Gyroscope signal
CN108413986B (zh) 一种基于Sage-Husa卡尔曼滤波的陀螺仪滤波方法
CN113204038B (zh) 基于时域与频域的卡尔曼平滑滤波方法及平滑滤波器
CN108981696B (zh) 一种sins任意失准角无奇异快速传递对准方法
CN107229060B (zh) 一种基于自适应滤波的gps测量数据处理方法
CN103776449B (zh) 一种提高鲁棒性的动基座初始对准方法
CN109840517A (zh) 一种mems陀螺噪声估计和滤波方法
CN108120452B (zh) Mems陀螺仪动态数据的滤波方法
CN109067381B (zh) 一种mems陀螺仪随机噪声的实时滤波系统及方法
Narasimhappa et al. An innovation based random weighting estimation mechanism for denoising fiber optic gyro drift signal
CN109916388A (zh) 基于小波降噪和神经网络的光纤陀螺温度漂移补偿方法
WO2016015140A2 (en) Method and system for improving inertial measurement unit sensor signals
CN115469553A (zh) 一种船舶运动状态重构方法、装置、设备及存储介质
CN115790665A (zh) 一种陀螺误差补偿方法、装置、电子设备及存储介质
CN111649747A (zh) 一种基于imu的自适应ekf姿态测量改进方法
CN110991015A (zh) 融合卡尔曼和小波的mems陀螺仪自适应抗野值去噪方法
CN106153046B (zh) 一种基于自适应Kalman滤波的陀螺随机噪声AR建模方法
CN109655057B (zh) 一种六推无人机加速器测量值的滤波优化方法及其系统
CN116608859A (zh) 一种基于阈值处理的自适应无迹卡尔曼滤波的导航方法、存储介质和设备
CN114279311B (zh) 一种基于惯性的gnss变形监测方法与系统
Nguyen et al. Dual rate Kalman filter considering delayed measurement and its application in visual servo
Lin et al. Random error compensation of MEMS gyroscope based on adaptive Kalman filter
CN109752006B (zh) 一种非完备外测数据在实时滤波中的使用方法

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