[发明专利]基于小波阈值的MEMS陀螺去噪方法

权利要求书

1.一种基于小波阈值的MEMS陀螺去噪方法，其特征在于，包括:

对MEMS陀螺信号进行采样；

针对所述MEMS陀螺信号进行趋势分析；

基于趋势分析的结果确定小波基和分解层数；

基于确定的小波基和分解层数选取小波系数变换函数，基于选取的小波系数变换函数区分信号的噪声与细节部分；选取阈值函数和阈值，去除信号的细节部分的噪声分量，其中，所述阈值函数为：

；式中： 1，定义其为适应因子，a，b，c为调节因子，为阈值常数，n为采样点数，j为小波分解尺度。

2.根据权利要求1所述的基于小波阈值的MEMS陀螺去噪方法，其特征在于，所述对MEMS陀螺信号进行采样，具体为对MEMS陀螺信号进行连续采样。

3.根据权利要求2所述的基于小波阈值的MEMS陀螺去噪方法，其特征在于，所述对MEMS陀螺信号进行连续采样中，

采样频率为20Hz，采样时间为750S。

4.根据权利要求1所述的基于小波阈值的MEMS陀螺去噪方法，其特征在于，所述针对所述MEMS陀螺信号进行趋势分析，包括：

在Matlab仿真环境中设置MEMS陀螺的特征参数，所述设置MEMS陀螺的特征参数，包括在Matlab仿真环境中注入MEMS陀螺误差；

进行Matlab仿真试验分析，从而完成趋势分析。

5.根据权利要求4所述的基于小波阈值的MEMS陀螺去噪方法，其特征在于，所述MEMS陀螺的误差，包括：

零偏误差为0.01°/h，角度随机游走误差为 h表示小时。

6.根据权利要求4所述的基于小波阈值的MEMS陀螺去噪方法，其特征在于，所述基于趋势分析的结果确定小波基和分解层数，包括：

使用DbN小波族分别对Matlab仿真信号进行多层的小波分解和重构，

使用标准差数据对小波分解和重构进行比较分析；

基于比较分析的结果确定小波基和分解层数。

7.根据权利要求6所述的基于小波阈值的MEMS陀螺去噪方法，其特征在于，所述小波基为Db5，所述分解层数为9。

8.根据权利要求6所述的基于小波阈值的MEMS陀螺去噪方法，其特征在于，所述选取小波系数变换函数包括：

选取小波变换函数；

利用小波变换函数将被要变换的小波系数中间差别放大；

将差别放大后的小波系数代入小波变换函数的逆函数，得到小波估计系数，从而得到小波系数变换函数。

9.根据权利要求1所述的基于小波阈值的MEMS陀螺去噪方法，其特征在于，所述a为1.18，b为-1.24，c为0.33。