[發(fā)明專利]數(shù)字光纖陀螺信號的野值實時剔除方法

有效

• 申請?zhí)枺?/td>: 201611028553.3
• 申請日: 2016-11-18
• 公開（公告）號: CN106595628B
• 公開（公告）日: 2019-04-19
• 發(fā)明（設(shè)計）人: 殷宗迪;唐帥;段東建;董浩
• 申請（專利權(quán)）人: 天津津航技術(shù)物理研究所
• 主分類號: G01C19/72
• 分類號: G01C19/72
• 代理公司: 中國兵器工業(yè)集團公司專利中心 11011
• 代理人: 周恒

本發(fā)明屬于數(shù)字光纖陀螺技術(shù)領(lǐng)域，具體涉及一種數(shù)字光纖陀螺信號的野值實時剔除方法。本發(fā)明針對陀螺輸出信息的波動性，利用數(shù)據(jù)變化率給定一個合理的數(shù)據(jù)變化范圍，在此基礎(chǔ)上判定數(shù)據(jù)的合理性，對于合理的數(shù)據(jù)保留其原來的數(shù)值，偏差較小的數(shù)據(jù)在原來的基礎(chǔ)上進行微量的修改，偏差較大的數(shù)據(jù)直接利用最小二乘多項式進行外推。其特點在于計算簡單，適用性強，并且能夠保留有效信息。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字光纖陀螺技術(shù)領(lǐng)域，具體涉及一種數(shù)字光纖陀螺信號的野值實時剔除方法。

背景技術(shù)

實際飛行試驗中，陀螺的輸出數(shù)據(jù)往往帶有誤差較大的異常值，并且陀螺輸出的信息存在微小振蕩。由于系統(tǒng)在高頻部分的不確定性，可能導(dǎo)致傳感器探測的數(shù)據(jù)中包含某些誤差較大的數(shù)據(jù)，常常會有一個或多個跳點，這些跳點和其他點差值很大，稱為系統(tǒng)的“野值”。工程采樣數(shù)據(jù)的野值點主要分為離群點、孤立型野值和野值斑點。野值的存在降低了觀測數(shù)據(jù)的可用性，影響數(shù)據(jù)處理的結(jié)果，給控制系統(tǒng)帶來嚴重的影響。

國內(nèi)已經(jīng)開展了大量的野值剔除方法研究。其中采用含有廣義參數(shù)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法可以通過對象參數(shù)的自適應(yīng)調(diào)整達到實時剔除野值的要求，但缺點是只針對孤立型野值點進行剔除；差分法和多項式外推法對于孤立型野值剔除效果明顯，但判定野值的門限不易確定，需要人為的調(diào)試，才能保證原測量數(shù)據(jù)的準確性和真實性；M型估計法對于野值點的準確開始點和結(jié)束點的求解不完善；利用正交模型參數(shù)變化判別法對連續(xù)型野值進行剔除，方法計算量大，不滿足實時性要求；利用殘差和誤差相關(guān)矩陣構(gòu)造二次型以實時剔除雷達測量數(shù)據(jù)中野值的方法，該方法是在實時濾波的基礎(chǔ)上對彈道數(shù)據(jù)進行實時處理，處理效果和濾波系統(tǒng)的選擇有關(guān)；利用多傳感器目標跟蹤中狀態(tài)估計的分布式融合方式實現(xiàn)實時剔除野值，但缺點是Kalman濾波出現(xiàn)濾波發(fā)散現(xiàn)象，影響實時處理效果。在陀螺姿態(tài)信息的數(shù)據(jù)處理工作中，以上方法有的由于計算量較大，處理效果發(fā)散等問題不適合實時處理，有的只能針對特殊的野值點類型，不滿足數(shù)據(jù)處理的通用性條件。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

本發(fā)明要解決的技術(shù)問題是：如何克服現(xiàn)有技術(shù)的不足之處，提供一種簡單快速自動改變門限值的野值剔除方法，要求該方法不需要濾波，在波動性較強的數(shù)據(jù)中，能夠有效剔除孤立野值和連續(xù)型野值，并且?guī)缀醪桓淖冊瓉碛杏脭?shù)據(jù)。

(二)技術(shù)方案

為解決上述技術(shù)問題，本發(fā)明提供一種數(shù)字光纖陀螺信號的野值實時剔除方法，該方法由野值實時剔除系統(tǒng)來實施，該系統(tǒng)包括：初始化模塊、門限模塊、判斷模塊、第一修正與替代模塊、第二修正與替代模塊、第三修正與替代模塊、更新與保存模塊；

所述方法包括如下步驟：

步驟1：由初始化模塊執(zhí)行初始化；

根據(jù)公式(1)計算樣本在當前時刻k的數(shù)據(jù)變化率：

Rate(k)＝|(Data(k)-Data(k-1))|/T (1)

其中，T為系統(tǒng)采樣時間，k為當前時刻；

再將求得的變化率Rate(k)進行大小排序，去掉最大、最小兩個端點值，并求出剩下變化率數(shù)據(jù)的平均值，作為平均變化率的初值：

其中，yn為樣本數(shù)據(jù)數(shù)量；

此時完成了剔除方法的初始化階段；

步驟2：由門限模塊確定剔值門限的大??；

首先根據(jù)公式(1)計算當前時刻k的數(shù)據(jù)變化率；再利用公式(3)計算出當前時刻k的平均數(shù)據(jù)變化率：

門限范圍會根據(jù)數(shù)據(jù)變化實時更新，自適應(yīng)地改變門限的上界和下界；門限下界、上界定義如式(4)、式(5)所示：