[发明专利]一种基于小波分析的角加速度计信号自适应去噪方法

说明书

本发明提供一种基于小波分析的角加速度计信号自适应去噪方法，相较于传统的小波分析去噪方法，本发明提出了通过计算带噪信号与噪声信号的小波能量熵与能量熵的差商来确定带噪信号的最佳小波分解层数，运用中值滤波对噪声宽度与噪声标准差进行估计，结合3σ准则设定门限阈值，从而进行自适应滤波。在阈值选取方面，相比于传统的启发式sure准则、极大极小值准则以及penalty准则，效果更胜一筹。以上方法对于分子型液环式角加速度计的周期性信号与高动态信号的降噪处理都取得了较好的效果。

技术领域

本发明涉及一种基于小波分析的角加速度计信号自适应去噪方法，属于信号处理技术领域。

背景技术

角运动广泛存在于海、陆、空、天各个领域中，是自然界最基本的运动之一。在角运动动态特性表征方面，角加速度能够更直接、更快速、更准确地表征角运动的高阶特性。随着高新技术在军事领域的广泛应用，未来战争面临的是全方位、高强度、多类别武器的联合作战。因此在多扰动、变负载、大过载等复杂工况下，高精度、高动态、高可靠地测量角加速度信号，能够提高武器系统的综合作战效能，提高重型机械，精密仪器等工业装备的工作效能，提高飞行器、水下航行体等运载工具的运行效能。

分子型液环式角加速度计作为一种直接测量角加速度信号的传感器，利用界面双电层效应来敏感输入轴方向的角加速度信号，并输出与该角加速度信号成正比的电信号，相比于传统对速率陀螺数据进行电子或电磁微分所得到的角加速度信号微分计算，解决了角加速度误差放大和延迟滞后等问题，可靠性及抗干扰能力更强。但分子型液环式角加速度计依然会受到自身材料结构、载体机械振动及摩擦等复杂环境因素的限制，输出信号会带有大量噪声甚至会产生畸变。尤其是角加速度计通常工作在多扰动、变负载的复杂环境下，输出信号中有时更蕴含着大量有用的高频振荡信号，需要进行滤波才可获得更为精准、可靠的信号以便进行后期的数据分析工作。

目前，针对角加速度计等惯性传感器输出信号的滤波算法研究主要集中在卡尔曼滤波算法上。卡尔曼滤波算法虽然是一种最优估计的算法，但其需要先对系统建立模型，利用线性系统状态方程进行状态观测和估计。对于分子型液环式角加速度计，国内尚未得到明确的系统模型，因此无法通过卡尔曼滤波算法来进行信号处理。而采用常用的均值、中值滤波算法，即使调节滑动窗口也无法同时兼顾对噪声的平滑及对局部高频信号的保留，自适应去噪程度低，导致信号可靠度下降。可见，针对分子型液环式角加速度计在复杂环境中的使用及高动态信号的处理还没有提出一种行之有效的解决方法。

发明内容

有鉴于此，本发明提供一种基于小波分析的角加速度计信号自适应去噪方法，以小波分析理论为基础，根据角加速度计信号的高动态特性进行自适应滤波，既能有效地平滑噪声，又能保留有用的高频振荡信号，使信噪比得到提高。

一种基于小波分析的角加速度计信号自适应去噪方法，其包括：

步骤一：对获得的角加速度计输出信号进行长度判断，该角加速度计输出信号为原始带噪信号并记为XN，若长度大于1000，则取前1000作为带噪信号的样本XN_sam；若长度小于1000，则以原始带噪信号XN为带噪信号的样本XN_sam；然后对带噪信号的样本XN_sam进行归一化运算得到带噪信号X，同时根据M_max＝log₂(length(XN_sam))计算最大分解层数M_max；并生成长度为1000的白噪声序列样本N_sam，并对其进行归一化运算后得到噪声序列N；

选择小波基函数为db3小波基进行第m层小波分解，且初始m＝1；

步骤二：利用db3小波基函数分别对带噪信号X和噪声序列N进行第m层小波分解，得到近似系数cAm和细节系数cDm，并分别计算带噪信号X和噪声序列N的M层小波能量熵WEE_X和WEE_N；