基于小波分析的MEMS陀螺仪信号降噪算法研究

MEMS陀螺仪由于制造工艺比较简单,故在性能上存在精度低、噪声高、误差大等问题。为了获得精确的陀螺仪信号,采用了小波阈值降噪法对MEMS陀螺仪的输出数据进行实时消噪处理。围绕选择最优小波基、最佳分解层数和阈值函数等方法对陀螺仪信号进行降噪,并通过MATLAB进行仿真分析。仿真结果表明,采用小波降噪误差减小了近73.95%,肯定了小波阈值去噪方法在MEMS陀螺仪噪声处理中的理想效果。     

融合自适应卡尔曼和小波的MEMS陀螺去噪方法

为提高MEMS陀螺仪信号的测量精度,提出一种融合卡尔曼和小波的MEMS陀螺仪自适应抗野值去噪方法。卡尔曼滤波中根据信息对干扰数据进行实时检测,通过修正增益或状态的一步预测值抑制野值对滤波精度的影响,然后利用小波分析对滤波后的陀螺仪信号的低频、高频分量同时进行阈值处理。实验表明该方法去噪效果优于卡尔曼滤波和Visushrink,陀螺仪x、y、z轴零偏不稳定性在该方法下比卡尔曼滤波分别提高了31.0%、29.3%、30.5%,比Visushrink分别提高了2.4%、12.1%、12.4%。     

微机械陀螺信号虚拟野值降噪方法

本文提出了一种建立在信号小波函数虚拟野值思想上的微机械(MEMS)陀螺信号降噪方法。同时针对微机械陀螺信号中含有野值的问题,设计了一维信号小波函数线性压缩的野值剔除方法。首先,本文提出了对信号小波函数模极大值邻域进行线性压缩的信号野值剔除方法,有效地改善了重构时野值点附近信号的震荡问题。然后,提出了信号小波函数虚拟野值降噪方法,利用野值剔除思想设计小波函数降噪阈值,重构信号获得了比通用阈值降噪方法更好的信噪比,实现了信号的平滑和增强。最后,针对船用测量的应用背景对滤波后的信号进行了分析和对比,并给出实现在线滤波的条件。结果显示,陀螺信号零偏稳定性获得提高,同时滤波后信号能够满足系统测量带宽要求。     

压缩感知在滚动轴承振动信号降噪中的应用

针对滚动轴承振动信号降噪的问题,研究压缩感知在滚动轴承信号降噪中的应用。分析滚动轴承振动信号的DCT变换系数值分布的特点,提出能够自适应信号类型的重构停止阈值计算方法,使用OMP进行信号重构的同时实现降噪。与传统小波阈值降噪方法进行实验对比分析,结果表明:使用的方法在降噪效果上与小波双曲阈值方法接近,优于小波软阈值方法,且处理的数据量远小于小波方法。     

小波变换在压电陀螺仪信号去噪中的应用

提出了基于小波变换的陀螺仪信号的去噪方法.陀螺仪作为重要的敏感测量器件,其测量信号的精度很大程度上决定了系统的性能.利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,应用Daubechies四阶正交小波(db4)对噪声信号进行多层小波变换,逐层估计小波变换的各层细节信号的阈值,分别进行软阈值滤波处理,然后进行小波逆变换重建信号以达到对信号消噪和恢复的目的.采用该方法可以有效提高陀螺仪噪声环境下的测量精度.     

小波变换在压电陀螺仪信号去噪中的应用

提出了基于小波变换的陀螺仪信号的去噪方法.陀螺仪作为重要的敏感测量器件,其测量信号的精度很大程度上决定了系统的性能.利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,应用Daubechies四阶正交小波(db4)对噪声信号进行多层小波变换,逐层估计小波变换的各层细节信号的阈值,分别进行软阈值滤波处理,然后进行小波逆变换重建信号以达到对信号消噪和恢复的目的.采用该方法可以有效提高陀螺仪噪声环境下的测量精度.     

基于ICEEMDAN-ACF的自适应MEMS陀螺信号去噪方法北大核心CSCD

针对基于EMD的MEMS陀螺信号去噪方法中存在模态混叠、Hurst指数筛选法和相关系数筛选法无法准确筛选含噪本征模态函数(IMF)的问题,提出一种基于改进自适应噪声完备集合经验模态分解-自相关函数(ICEEMDAN-ACF)的自适应MEMS陀螺信号去噪方法。首先使用ACF自适应阈值判断信号信噪比,对于包含低能量高频成分的低信噪比信号使用小波软阈值预降噪,之后使用ICEEMDAN算法将陀螺信号分解为多个IMF和一个余项,使用ACF自适应阈值筛选噪声主导IMF,剔除噪声主导IMF后重构陀螺信号。实验表明:文中改进算法在低、中、高信噪比条件下的去噪效果均优于小波软阈值法、EMD-Hurst指数法、EMD-相关系数法和EMD-ACF法。     

强噪声背景信号的Perona-Malik扩散滤波算法

为了提取强噪声背景下机械振动信号的微弱故障特征,提出利用Perona-Malik非线性各向异性扩散滤波模型来实现强噪声背景信号降噪的方法。首先阐述了偏微分方程和Perona-Malik扩散滤波模型在图像降噪中的应用;其次分析了小波变换等传统信号降噪方法的不足;最后基于图像降噪和信号降噪原理的相似性,利用Perona-Malik扩散滤波模型来实现机械振动信号的降噪,将其用于轴承振动仿真信号和实测信号。实验表明,与小波阈值去噪算法等传统信号降噪方法相比,Perona-Malik扩散滤波模型更适用于强噪声背景信号降噪,同时兼顾了信号去噪和保留信号细节特征的双重要求。     

基于双树复小波系数层间相关性的非线性超声谐波提取方法

非线性超声信号具有非平稳性、非线性和高次谐波信噪比低的特点,为提高非线性超声无损检测技术对缺陷的表征能力,提出一种基于双树复小波系数层间相关性结合软阈值滤波算法的超声谐波提取方法。首先采用双树复小波将信号分解为基频和二倍频等不同频带的分量;由于各分量存在一定程度的频率混叠,利用小波系数层间相关性对各分量信号滤波,消除频率混叠并得到修正后的细节子波;然后结合软阈值算法对修正后的小波系数进一步降噪;最后将滤波降噪后的各分量系数重构,即可实现对非线性超声信号中基波和二次谐波信号的提取。实验结果表明,该算法滤波效果良好,有效地提取了二次谐波信号,提高了非线性超声检测结果的准确性和鲁棒性。     

基于信号特征分析和多小波变换的机械手滑动觉感知研究

针对机械手抓取目标过程中滑移特征信号辨识困难问题，提出了多小波变换滑动觉特征检测方法。首先，研究基于FBG传感的柔性触滑觉感知机理，设计非对称梁式双层“十字”型分布传感单元结构，分析了搭载该触滑觉传感器的机械手多阶段动态抓握信号特征；其次，构建触滑觉感知实验平台，开展了动态抓握过程的触滑觉感知实验；然后，基于db10小波降噪方法对滑动觉感知信号降噪处理；最后，提出Mexican hat连续小波和一阶Haar离散小波的滑动觉信号特征分离和感知方法，并进行了相关实验研究。实验结果表明，在小波细节系数检测阈值±2×10^-4作用下，不同抓握力的滑动检测平均准确率可达98.88%,可以精确识别被机械手抓取目标的滑移状态。     

MEMS陀螺与编码器在机器人自主定位中的应用

为提高微机械陀螺仪输出精度及移动机器人定位精度,研究了基于微机械陀螺仪与光电编码器的移动机器人自主定位方法。实时小波滤波法算法去除微机械陀螺仪输出数据噪声;通过微陀螺精度校正平台,用加权最小二乘支持向量回归机算法对微机械的先验数据作回归运算,构造先验回归决策函数,运用回归决策函数补偿微机械陀螺仪输出误差,提高微机械陀螺仪的角速率输出准确度;实验证实了方法能较好提高了MEMS陀螺仪的准确度,可以应用于移动机器人的自主定位之中。     

基于EMMAP的MEMS陀螺噪声估计与滤波方法研究

针对MEMS陀螺仪测量精度低、随机噪声具有不确定性和非线性的问题,提出一种基于最大期望算法(Expectation maximum,EM)和极大后验估计(Maximum a posterion,MAP)的无迹卡尔曼滤波(Unscented Kalman filter,UKF)——EMMAP-UKF的陀螺噪声估计与滤波方法。根据极大后验估计原理,构造出一种次优无偏MAP噪声统计估计模型,并在此基础上引入最大期望算法将噪声估计问题转换为数学期望极大化问题,实现对观测噪声方差的动态调整,最终实现陀螺仪随机漂移误差的估计与滤波处理。最后通过Allan方差对陀螺噪声滤波方法的性能进行评估,通过半实物仿真验证了本方法的有效性。     

A novel Kalman filter for combining outputs of MEMS gyroscope array

In this paper, a Kalman filter for combining outputs of a gyroscope array is presented to improve the accuracy of microelectromechanical system (MEMS) gyroscope. A theoretical mathematical model for the accuracy improvement is described. Especially, a discrete-time filter is designed by solving the covariance differential equation with an analytic solution. Performances of presented filter are analyzed by the simulations. Finally, a developed system consisting of six-gyroscope array is implemented to test the performance of the Kalman filter. The experimental results showed a noise density of 0.03°/s/√Hz for the combined rate signal compared to the 0.11°/s/√Hz for the individual gyroscope in the array. The analysis of results measured from Allan variance demonstrated a bias instability of 17.2°/h and angular random walk of 1.6°/√h, whereas the corresponding values for the individual gyroscope is 62°/h and 6.2°/√h, respectively. It proved that the presented approach is effective to improve the MEMS gyroscope accuracy.     

光电稳定跟踪装置中微机电陀螺应用研究

以微机电陀螺在高精度光电稳定跟踪装置中的应用为背景,研究了陀螺输出噪声对光电稳定跟踪平台精度的影响.结果表明,陀螺噪声会引起平台基准轴的抖动和缓慢漂移.根据微机电陀螺的实测数据,分析了其噪声特性.基于AR模型建立了微机电陀螺的噪声统计模型.研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了该算法不能够取得较好滤波效果的原因.针对Kalman滤波在微机电陀螺信号低频去噪方面的局限性,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果.实测结果表明由于后者不依赖于噪声的精确模型,可根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果.最后给出了两种滤波算法的比较.     

基于小波变换的涡街流量计信号处理方法

涡街流量计有许多优点,应用比较广泛。但是,涡街流量计易于受到由管道振动和流场扰动引起的噪声干扰。涡待流量计中的处理电路不能保证仪表在工业现场的测量精度。本文研究基于小波变换的涡街流量计信号处理方法。本文介绍小波变换的基本原理和快速算法,分析小波滤波器的幅频特性,研究调整滤波器中心频率的方法,给出涡街信号的处理过程,进行仿真和实验测试。仿真和实验结果表明,小波变换能有效地减小了噪声影响,使频率测量的精度高,处理实时。小波变换是涡街流量计信号处理的一种新方法。     

基于IIR小波滤波器的涡街流量计数字信号处理系统

涡街流量计被广泛应用于过程工业,但是,由于易受由管道振动和流场扰动等因素干扰,现场测量精度无法保证,测量小流量困难。本文将小波滤波器组应用于涡街流量计信号处理中,研究基于小波滤波的涡街信号处理方法,分析了小波滤波器的幅频特性对信号分析的影响,构造了幅频特性好的IIR型小波滤波器组。本文研制了基于ADSP2181的涡街流量计数字信号处理系统,并进行了气体流量和水流量标定实验,实验结果表明,基于小波滤波的涡街流量计数字信号处理系统有良好的适配性能,性能指标优于常规的涡街流量计处理系统。     

基于二代小波的光纤陀螺实时降噪方法研究

在以光纤陀螺为主要惯性敏感元件的捷联惯导系统中,陀螺输出信号中的非确定性随机漂移的实时滤除,对提高实际系统的初始对准精度及导航精度均具有重要的意义。考虑到传统小波阈值法的去噪性能及实时性问题,提出了一种基于第二代小波变换,并结合硬阈值、强制降噪和带滑动数据窗的光纤陀螺信号实时降噪改进方案。利用MATLAB进行了正弦信号和光纤陀螺输出信号的模拟实时降噪实验,并与一代小波实时降噪方案进行了比较,验证了改进方案在理论计算速度大幅提升的前提下,降噪性能得到提高,进而减小了系统输出的姿态误差。     

基于改进EMD的微机械陀螺随机误差建模方法

为了降低微机械(MEMS)陀螺仪的随机误差,提出一种将改进的经验模态分解法(EMD)与传统建模滤波方法相结合的新方法对随机误差进行处理。首先采用传统EMD算法将信号分解为有限个本征模态函数(IMF),并根据皮尔逊相关系数准则和噪声统计特性提出一种筛选机制,将IMF分为噪声IMFs、混叠IMFs和信号IMFs 3类;其次,对混叠IMFs进行时间序列建模,建模完成后进行卡尔曼滤波拟合;最后,将建模滤波后的混叠IMFs与信号IMFs进行重构,得到最终去噪信号。实验分析结果表明,本文方法在抑制随机误差的效果上有明显的优势,极大地改善了信号的质量,提高了惯导的解算精度。     

非平稳背景噪声下声音信号增强技术

在电力电缆故障精确定位中声磁同步法由于具有精度高与抗干扰能力强的优点而得到广泛的应用,但放电声音信号的有效检测是其难点。由于小波包变换在检测正常信号中是否含有瞬态异常现象方面具有独特的优势,自适应滤波器具有对信号和噪声的先验知识需求少的特性以及遗传算法具有不依赖于具体问题的优点,提出了一种基于小波包变换分解信号、自适应滤波估计噪声与遗传算法寻优重构相结合的声音信号增强算法。实验研究表明,该算法精确性高、鲁棒性强,尤其适用于电缆故障点放电声不明显时声音信号提取的情况,从而解决了电缆故障精确定位中对背景噪声要求高、识别范围小的问题。