[發(fā)明專利]基于小波閾值的MEMS陀螺去噪方法

有效

• 申請?zhí)枺?/td>: 201810790260.1
• 申請日: 2018-07-18
• 公開（公告）號: CN109344678B
• 公開（公告）日: 2020-09-04
• 發(fā)明（設(shè)計）人: 楊菊花;陳光武;張琳婧;王迪;李文元;程鑒皓;劉射德;劉昊
• 申請（專利權(quán)）人: 蘭州交通大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京智客聯(lián)合知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11700
• 代理人: 李戍

1.一種基于小波閾值的MEMS陀螺去噪方法，其特征在于，包括:

對MEMS陀螺信號進(jìn)行采樣；

針對所述MEMS陀螺信號進(jìn)行趨勢分析；

基于趨勢分析的結(jié)果確定小波基和分解層數(shù)；

基于確定的小波基和分解層數(shù)選取小波系數(shù)變換函數(shù)，基于選取的小波系數(shù)變換函數(shù)區(qū)分信號的噪聲與細(xì)節(jié)部分；選取閾值函數(shù)和閾值，去除信號的細(xì)節(jié)部分的噪聲分量，其中，所述閾值函數(shù)為：

；式中： 1，定義其為適應(yīng)因子，a，b，c為調(diào)節(jié)因子，為閾值常數(shù)，n為采樣點數(shù)，j為小波分解尺度。

2.根據(jù)權(quán)利要求1所述的基于小波閾值的MEMS陀螺去噪方法，其特征在于，所述對MEMS陀螺信號進(jìn)行采樣，具體為對MEMS陀螺信號進(jìn)行連續(xù)采樣。

3.根據(jù)權(quán)利要求2所述的基于小波閾值的MEMS陀螺去噪方法，其特征在于，所述對MEMS陀螺信號進(jìn)行連續(xù)采樣中，

采樣頻率為20Hz，采樣時間為750S。

4.根據(jù)權(quán)利要求1所述的基于小波閾值的MEMS陀螺去噪方法，其特征在于，所述針對所述MEMS陀螺信號進(jìn)行趨勢分析，包括：

在Matlab仿真環(huán)境中設(shè)置MEMS陀螺的特征參數(shù)，所述設(shè)置MEMS陀螺的特征參數(shù)，包括在Matlab仿真環(huán)境中注入MEMS陀螺誤差；

進(jìn)行Matlab仿真試驗分析，從而完成趨勢分析。

5.根據(jù)權(quán)利要求4所述的基于小波閾值的MEMS陀螺去噪方法，其特征在于，所述MEMS陀螺的誤差，包括：

零偏誤差為0.01°/h，角度隨機(jī)游走誤差為 h表示小時。

6.根據(jù)權(quán)利要求4所述的基于小波閾值的MEMS陀螺去噪方法，其特征在于，所述基于趨勢分析的結(jié)果確定小波基和分解層數(shù)，包括：

使用DbN小波族分別對Matlab仿真信號進(jìn)行多層的小波分解和重構(gòu)，

使用標(biāo)準(zhǔn)差數(shù)據(jù)對小波分解和重構(gòu)進(jìn)行比較分析；

基于比較分析的結(jié)果確定小波基和分解層數(shù)。

7.根據(jù)權(quán)利要求6所述的基于小波閾值的MEMS陀螺去噪方法，其特征在于，所述小波基為Db5，所述分解層數(shù)為9。

8.根據(jù)權(quán)利要求6所述的基于小波閾值的MEMS陀螺去噪方法，其特征在于，所述選取小波系數(shù)變換函數(shù)包括：

選取小波變換函數(shù)；

利用小波變換函數(shù)將被要變換的小波系數(shù)中間差別放大；

將差別放大后的小波系數(shù)代入小波變換函數(shù)的逆函數(shù)，得到小波估計系數(shù)，從而得到小波系數(shù)變換函數(shù)。

9.根據(jù)權(quán)利要求1所述的基于小波閾值的MEMS陀螺去噪方法，其特征在于，所述a為1.18，b為-1.24，c為0.33。