[发明专利]基于小波阈值去噪和FAR模型的MEMS陀螺数据处理方法

权利要求书

1.基于小波阈值去噪和FAR模型的MEMS陀螺数据处理方法，其特征在于实现步骤如下：

(1)采用小波阈值去噪方法对陀螺输出信号进行处理，滤除噪声，提高信噪比，所述小波阈值去噪方法的步骤如下：

(1.1)分解过程：选定一种小波函数，并利用基于奇异谱分析的自适应算法确定分解的层次，对陀螺原始输出信号进行N层小波分解；

(1.2)作用阈值过程：针对分解得到的各层小波系数，根据一定的准则选择阈值，模大于阈值的小波系按软阈值函数处理，模小于阈值的小波系数设为零；

(1.3)重建过程：根据去噪处理后的各层系数通过小波重构恢复原始信号，得到去噪后的陀螺输出；

(2)针对陀螺小波去噪后的静态信号，采用多项式拟合的方法进行陀螺确定性漂移的补偿，补偿后的残差即为陀螺的随机漂移，即获得陀螺随机漂移建模所需的样本序列；

(3)采用FAR模型对随机漂移建模，所述建模过程如下：

(3.1)以步骤(2)中获得的MEMS陀螺随机漂移数据作为建模样本，将样本数据进行零均值、归一化处理，并将处理后的陀螺随机漂移序列{X₁，X₂，…，X_n}的最大值记为：umax=maxt(Xt),]]>最小值记为umin=mint(Xt),]]>设{u_j|j＝0，1，…N}是等分点集合，其中u₀＝u_min，u_N＝u_max，依靠等分点可将区间等间隔划分为N+1个区间段：

[u_N-b₀，u_N)，[u₀，u₀+b₀)，[u₁-b₀，u₁+b₀)，[u₂-b₀，u₂+b₀)，…，[u_N-1-b₀，u_N-1+b₀)，其中：b₀＝(u_max-u_min)/2N，N的上限值可参考任一区间段内的样本点数目不低于2p来给定，p为模型阶数；

(3.2)在模型阶数p，指定依赖变量的参数d确定的情况下，通过选定窗函数宽度b后，最小化拟合误差，由加权最小二乘求得各区间上系数函数的局部线性近似系数；

(3.3)模型参数N，p，d和b的选取可通过定义平均均方预测误差APE来实现，依次让N＝1，…，N_max；p＝1，…，p_max；d＝1，…，p；b＝b₀，…，1，其中N_max为区间划分N的最大值，p_max为阶数p的最大值，b₀＝(u_N-u₀)/2N。分别计算APE，令APE值最小的N，p，d，b作为模型的最佳参数，计算此时的FAR系数函数的局部线性近似系数α_i，j，β_i，j(i＝1，…p；j＝0，1，…N)，建立最终陀螺随机漂移的FAR模型。