[发明专利]基于小波阈值的MEMS陀螺去噪方法

说明书

本发明公开了一种基于小波阈值的MEMS陀螺去噪方法，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。通过对MEMS陀螺的输出信号进行分析，得出MEMS陀螺漂移存在线性趋势项，是一个缓慢变化的过程，分析得到陀螺输出信号是以低频为主的平稳信号。在分析的基础上减少MEMS陀螺随机误差的影响，提高MEMS陀螺传感器的实时输出精度，且因为只使用了小波系数变换所以其计算简便，容易实现，且具有精度高的优点。

技术领域

本发明涉及组合导航中MEMS微机械陀螺的随机误差补偿领域，具 体地，涉及一种基于小波阈值的MEMS陀螺去噪方法。

背景技术

目前，MEMS陀螺的输出信号是典型的非平稳序列，并在实际使用中 由于复杂多变的环境其误差会不断累加，且陀螺随机误差是影响MEMS 陀螺精度的主要原因。

常见的MEMS陀螺降噪方法有建模补偿、人工智能算法和小波变换 算法等。一般的建模补偿法太过依赖所建立的模型和先验统计信息，容错 性不仅不好而且不准确的统计会导致此方法失效。人工智能神经网络算法 虽有一定的容错性但架构庞大，不适宜姿态估计中陀螺降噪这一部分的计 算处理。

发明内容

本发明的目的在于，针对上述问题，提出一种基于小波阈值的MEMS 陀螺去噪方法，以实现至少部分的解决现有技术中存在的问题。

为实现上述目的，本发明采用的技术方案是：

一种基于小波阈值的MEMS陀螺去噪方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，所述小波基为Db5，所述分解层数为9。

优选的，所述选取小波系数变换函数包括：

选取小波变换函数；