基于l_2范数的EMD滤波方法在光纤陀螺信号中的应用（英文）

光纤陀螺的随机漂移限制了惯性导航系统的精度,如何减小它是一项非常艰巨的任务。结合经验模态分解(EMD)和信号与模态之间的概率密度函数,提出了一种新型的依赖Hurst指数的信号滤波方法。当H0.5时,利用l_2范数选择出相关模态,累加并形成的部分重构方法来对光纤陀螺的信号进行滤波;当H≥0.5时,间隔阈值的经验模态(EMD-IT)被引入对相关模态进行滤波,之后按照部分重构的方法对光纤陀螺的信号进行滤波;称为混合的EMD-pdf和EMD-IT。与其它的滤波方法进行对比,如基于相关函数的EMD部分重构(EMD-cor),基于概率密度函数的EMD部分重构(EMD-pdf),仿真信号和实际数据结果表明,该混合模型的优越性,有效减小了光纤陀螺的随机误差。     

基于经验模态概率分布的光纤陀螺信号处理

为了抑制光纤陀螺随机漂移,基于改进的经验模态分解(EMD)和新型模态筛选标准提出了一种自适应的区间阈值滤波方法。首先分析加入高斯噪声对 EMD 分解结果的影响,提出有界噪声辅助以改善 EMD 分解质量,然后针对本征模态函数的概率分布特征提出了基于样本熵的模态筛选标准,最后采用数据驱动的阈值选择方法实现自适应的区间阈值滤波。为了验证算法的有效性,采集一款干涉型光纤陀螺静态漂移信号进行实验分析,结果表明本文方法较基于平稳小波变换和 EMD 的阈值滤波有更好的去噪效果。仿真分析表明该去噪算法减小了捷联惯性导航系统的航向角误差,均方根误差较     

光纤陀螺基于本征模态函数筛选的阈值滤波算法

为降低光纤陀螺随机噪声,提高其测量精度,利用周期图法辨识光纤陀螺的随机噪声特征参数,针对其噪声特征,提出了基于本征模态函数筛选的微分经验模态分解阈值滤波算法。以本征模态函数和原始信号二者的概率密度函数的空间距离为判别依据,对所有本征模态函数进行筛选,根据已估计的噪声参数计算阈值大小,采用时间序列阈值的方法对筛选出的本征模态函数进行处理。仿真和实验结果表明,该滤波算法能够在跟踪光纤陀螺信号变化的同时,使其零偏不稳定性下降90.35%,角随机游走下降93.75%,对随机噪声有较好的抑制能力。     

基于CEEMDAN改进阈值滤波的微机电陀螺信号去噪模型

为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型。该模型首先应用CEEMDAN方法将陀螺信号有效地分解为多个固有模态函数(IMF)分量;其次通过相关系数法判断噪声分量与有效分量的界限;进而对噪声分量进行阈值设置并使用改进阈值函数进行滤波处理;最后重构滤波处理后的噪声分量与有效分量以得到去噪后的信号。实际陀螺信号去噪试验结果显示:所提模型相对于CEEMDAN、集成经验模态分解(EEMD)、经验模态分解(EMD)强制去噪方法及小波分析方法,其信噪比提高了约3.9dB,均方根误差降低了约36%;所提模型相对于CEEMDAN结合软、硬阈值函数的去噪模型,均方根误差降低了30%以上。表明采用所提模型可以对MEMS陀螺输出信号进行有效去噪,提升去噪性能。     

基于前向线性预测算法的光纤陀螺零漂的神经网络建模

在详细分析光纤陀螺零漂的基础上,提出了先用滤波算法对光纤陀螺信号进行预处理,然后采用RBF神经网络对滤波后的信号进行建模的方法。针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理,比较三种滤波方法,小波滤波算法效果优于其它两种预处理方法,但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时,小波滤波预处理后的信号在建模精度上却是最差的,而对FLP算法滤波后的信号进行RBF建模,建模精度提高了两个数量级。结果表明:基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的,可大大提高建模的精度。     

基于自适应时频峰值滤波的光纤陀螺去噪算法

为减小光纤陀螺输出信号噪声、提高惯导系统精度,提出了光纤陀螺信号自适应时频峰值滤波算法。对光纤陀螺信号进行初始变换并调制,采用伪Wigner-Ville分布对调制信号进行时频分析,给出了一种自适应的伪Wigner-Ville分布最优窗长获取准则,通过局部峰值搜索实现编码信号的瞬时频率估计进而还原出有用信号,实现了光纤陀螺噪声的去除。详细对比了小波方法与自适应时频峰值滤波算法并分析了两者的去噪效果。仿真结果和实际数据验证表明:自适应时频峰值滤波算法能有效减小光纤陀螺输出噪声,信噪比比小波滤波改善1³ dB;特别对于高动态信号,该算法滤波后的信号能够有效地跟踪原始信号。     

一种基于Haar小波的光纤陀螺信号实时滤波方法

为了改善惯性稳定平台控制系统中光纤陀螺信号质量,提出了一种基于Haar小波的光纤陀螺信号实时滤波方法。首先通过仿真,说明了影响现有小波方法实时滤波效果的根源,即边界问题;进而通过理论分析,对边界问题产生的原因进行深入剖析,并从支撑集和对连续阶梯信号的逼近两个层面,详细论证了Haar小波对于光纤陀螺信号实时滤波的适用性;最后提出一种基于Haar小波的实时陀螺信号滤波方法,既利用了小波优越的信号-噪声分离能力,又可满足实时应用背景的要求,完全适用于惯性稳定平台控制系统中的光纤陀螺信号滤波。经试验验证,此方法具备很好的陀螺实时滤波性能,滤波后信号的随机噪声可降低40%以上,使用滤波后陀螺信号闭环后,惯性稳定平台控制系统的稳定精度可以提升14%。     

基于高斯粒子滤波的陀螺ARIMA模型辨识方法

ARIMA模型是陀螺信号处理中的一种重要方法,研究ARIMA模型辨识方法对提高陀螺精度有着重要意义。针对常规ARIMA建模滤波方法应用于光纤陀螺时滤波精度较低的问题,在ARMA模型基础上建立了一种适用于中低精度光纤陀螺的非平稳随机过程的ARIMA模型,提出了基于高斯粒子滤波的光纤陀螺ARIMA模型辨识方法。将光纤陀螺的ARIMA模型辨识与状态估计相结合,构建非线性的滤波模型,利用光纤陀螺实测信号进行了实验,结果表明所提出的方法能够有效地抑制光纤陀螺随机噪声,具有较高的工程应用价值。     

EMD-RLS联合滤波算法及其在北斗多路径削弱误差中的应用

多路径误差是全球导航卫星系统高精度定位的主要误差源。针对北斗导航定位系统的多路径特性,结合经验模态分解(EMD)和递归最小二乘算法(RLS)算法的优势,提出了一种EMD-RLS联合滤波算法来削弱北斗多路径特性的影响。首先,利用EMD将原始信号分解成固有模态函数(IMF),利用两个指标将其细化成三类,即噪声IMFs、混合IMFs和信息IMFs;然后,利用RLS算法对混合IMFs进行滤波,将经RLS滤波后得到的"干净"的数据与信息IMFs进行重构,最终达到去噪结果,即得到北斗多路径误差改正模型。仿真数据和北斗实测数据的处理结果表明:EMD-RLS算法相对于EMD和RLS算法,降噪效果更好;其建立的多路径误差改正模型有效地削弱多路径效应的影响,N、E、U三个方向精度分别提高了39%、70%、58%。     

光纤陀螺随机漂移建模与分析

光纤陀螺精度是惯导系统精度高低与否的关键因素,而减小陀螺随机漂移是提高其精度的重要手段.对陀螺输出数据中的随机漂移建立模型,在此基础上对陀螺数据进行滤波,可以有效提高光纤陀螺的输出精度,从而提高惯导系统的精度.本文通过大量实验建立了光纤陀螺随机漂移的ARMA模型,通过有效滤波对随机漂移进行滤除,并且对滤波结果进行Allan方差分析.分析结果表明,光纤陀螺输出信号中存在的主要误差源以及正弦噪声较滤波前明显减小到50％,有效地抑制了高频噪声,验证了光纤陀螺随机漂移建立模型的正确性.本文还设计了可视化软件,具有较高的工程意义.     

变分模态分解在爆破信号趋势项去除中的应用

爆破工程中，信号趋势项的准确去除对提高爆破振动信号分析的精度具有重要意义。针对经验模态分解（empirical mode decomposition，EMD）识别法存在的模态混叠和端头效应等缺陷，提出了基于变分模态分解（variational mode decomposition，VMD）去除信号趋势项的方法，即VMD法。叙述了VMD法识别爆破信号趋势项原理，并进行了仿真实验，结果表明:趋势项频率对分解效果的影响相对较小，当趋势项频率处于1～5 Hz之间时，频率对分解效果的影响基本保持不变；振幅对分解效果影响显著，且振幅越小，VMD法的分解效果越差。当趋势项振幅超过原始爆破信号最大振幅的1/3时，VMD法分解效果较好。最后，应用VMD法和EMD法对含有趋势项的实测爆破振动信号进行处理，认为相比于EMD法，VMD法处理后的信号基本一致且不存在端点效应，在爆破信号趋势项去除领域中具有更加广泛的适用性。     

基于EMD改进算法的爆破振动信号去噪

为了解决振动信号经验模态分解(empirical mode decomposition, EMD)滤波去噪效果不佳的问题，提出一种自适应性正交经验模态分解(principal empirical mode decomposition, PEMD)的信号去噪方法。该算法融合了EMD分解的自适应性和主成分分析(principal component analysis，PCA)的完全正交性特点，对信号EMD分解过程中产生的模态混叠现象进行消除，得到了最佳的去噪效果。分析表明:PEMD在仿真模拟试验中相比于传统EMD算法和集总经验模态分解(ensemble empirical mode decomposition, EEMD) 算法，信噪比分别提高了1.15 dB和0.38 dB，且均方根误差最小；频域上PEMD对仿真信号频率(30 Hz)识别的灵敏度最高，30 Hz之外的噪声滤除效果最好。在爆破振动试验中，PEMD和EEMD去除噪声毛刺的效果较为理想，且PEMD在0～300 Hz的中低频振动信号保存效果最好，300 Hz以上的高频噪声滤除效果最好。     

HARMONIC COMPONENT EXTRACTION FROM A CHAOTIC SIGNAL BASED ON EMPIRICAL MODE DECOMPOSITION METHOD

A novel approach of signal extraction of a harmonic component from a chaotic signal generated by a Duffing oscillator was proposed. Based on empirical mode decomposition (EMD) and concept that any signal is composed of a series of the simple intrinsic modes, the harmonic components were extracted from the chaotic signals. Simulation results show the approach is satisfactory.     

低失真爆炸冲击信号零漂分析和处理方法

短时的爆炸瞬态冲击信号,具有冲击频带宽、幅值高特点,在测试过程中,常常会有信号失真的零漂现象。本文中详细分析零漂现象产生的原因,对比各种修正方法的优缺点,提出基于经验模态分解（empirical mode decomposition,EMD）改进高效算法,结合频域窗函数滤波方法,这种新修正方法,能够较好弥补现行修正方法的缺陷,可为瞬态冲击信号时域模拟提供失真较小的环境条件数据。     

深孔台阶爆破近区振动信号趋势项去除方法

基于深孔台阶爆破近区大量实测振动信号,总结了趋势项产生的原因主要为大振幅脉冲输入下的非线性失真及低频干扰叠加,在此基础上以测试仪器有效监测范围作为识别趋势项组成部分的判别准则。利用集合经验模态分解（ensemble empirical mode decomposition,EEMD）、小波分解等信号分析手段,提出了以固有模态函数（intrinsic mode function,IMF）的频带分布为指标、人工判别的趋势项去除方法,以及基于自相关分析识别噪声特征的小波阈值去噪方法。实例证明该方法切实有效,可实现爆破信号的批量化预处理。     

Noise processing of flaw reconstruction by wavelet transform in ultrasonic guided SH waves

The ultrasonic guided wave technique is a potential and useful tool for nondestructive testing. The scattered or reflected wave from a flaw can give its qualitative or even quantitative information such as location, size and severity. However, in experiments and in situ tests, the noises always exist together with signals. In this paper, we propose a wavelet-transform based noise processing approach for reflected wave signals to the quantitative reconstruction of surface flaws on a plate using guided SH waves. We suggest two different denoising methods based on wavelet transform (WT) in time and wavenumber domains respectively. Numerical results show that wavenumber-domain WT operation gives a better denoising effect than direct time-domain WT denoising. Using the former, one can successfully perform the inverse reconstruction of flaw by reflected signals with signal noise ratio as high as ?5 dB. This research can act as a theoretical reference for practical applications of ultrasonic guided SH waves in quantitative nondestructive evaluation.     

爆破震动信号模极大值小波消噪方法的改进

针对模极大值小波消噪方法不利于所有信号特征的识别这一缺点,对该算法进行了改进,采用自适应的小波尺度来替换二进小波尺度,以更好地适应测试信号消噪的要求。应用改进前、后的消噪算法分别对实测爆破震动信号进行了分析,并将分析结果进行了比较。比较结果说明:改进后的算法消噪效果更好,消噪后信号同轴清晰、连续性好,信噪比由17.25提高到20.16,可以更好地实现爆破震动信号消噪的目的。     

Representation of robotic fractional dynamics in the pseudo phase plane

This paper analyses robotic signals in the perspective of fractional dynamics and the pseudo phase plane (PPP).It is shown that the spectra of several experimental signals can be approximated by trend lines whose slope characterizes their fractional behavior.For the PPP reconstruction of each signal,the time lags are calculated through the fractal dimension.Moreover,to obtain a smooth PPP,the noisy signals are filtered through wavelets.The behavior of the spectra reveals a relationship with the fractal dimension of the PPP and the corresponding time delay.     

A novel physics-informed framework for reconstruction of structural defects

The ultrasonic guided wave technology plays a significant role in the field of non-destructive testing as it employs acoustic waves with the advantages of high propagation efficiency and low energy consumption during the inspect process. However, the theoretical solutions to guided wave scattering problems with assumptions such as the Born approximation have led to the poor quality of the reconstructed results. Besides, the scattering signals collected from industry sectors are often noised and nonstationary. To address these issues, a novel physics-informed framework (PIF) for the quantitative reconstruction of defects by means of the integration of the data-driven method with the guided wave scattering analysis is proposed in this paper. Based on the geometrical information of defects and initial results obtained by the PIF-based analysis of defect reconstructions, a deep-learning neural network model is built to reveal the physical relationship between the defects and the noisy detection signals. This learning model is then adopted to assess and characterize the defect profiles in structures, improve the accuracy of the analytical model, and eliminate the impact of the noise pollution in the process of inspection. To demonstrate the advantages of the developed PIF for the complex defect reconstructions with the capability of denoising, several numerical examples are carried out. The results show that the PIF has greater accuracy for the reconstruction of defects in the structures than the analytical method, and provides a valuable insight into the development of artificial intelligence (AI)-assisted inspection systems with high accuracy and efficiency in the fields of structural integrity and condition monitoring.     

爆破震动信号的小波分析与HHT变换

以实测的爆破震动信号为例,分别应用小波分析和HHT(Hilbert-Huang Transform)变换从不同方面进行对比分析,讨论了爆破震动信号的特征提取和时频分布。结果表明:小波分析和HHT变换都是处理非平稳信号的两种好方法,都能很好地提取信号的主要特征信息和进行滤波、消噪。然而,小波分析存在选择小波基的困难,而HHT变换不需要预先选择基函数,其EMD（empirical mode decomposition）得到的IMF(intrinsic mode function)能反映原始信号的固有特性,通常具有实际物理意义;小波谱的能量在频率范围内分布较宽,而Hilbert能量谱能清晰地表明能量随时频的具体分布,大部分能量都集中在有限的能量谱线上;小波分析中时间、频率分辨率受Heisenberg测不准原理的限制,而HHT变换中时间分辨率不变且精度很高,其频率分辨率则可随信号内在的特性进行自适应调节。分析表明:HHT变换在分析非平稳信号时较小波分析更具适应性,在岩石中波的传播、衰减规律、结构动态响应特征和爆破震动破坏等研究中有着广阔的应用前景。