[发明专利]一种基于盲源分离方法的惯性导航传感器数据去噪方法

说明书

本发明公开了一种基于盲源分离方法的惯性导航传感器数据去噪方法，步骤(1)、将采集单元采样频率设为100Hz，进行惯性数据采集；步骤(2)、采集并记录沿直线行走过程中的惯性数据；步骤(3)、对所采集数据进行建模，采集到的数据是盲源分离模型中的观测信号；步骤(4)、以至少3组数据作为观测信号，采用FastICA算法对建模后的数据进行处理，处理得到的盲源分离结果中与原始信号极为相似且能量明显高于其他成分的信号作为有效信号，其他成分认定为噪声；这样就实现了有效信号与噪声信号的分离。与现有的一些去噪方案相比，本发明采用盲源分离方法，用于传感器数据的噪声去除，能够有效地去除噪声，得到更加准确的数据，提高测量精度。

技术领域

本发明属于数字信号处理技术领域，特别是涉及一种利用盲源分离方法对噪声进行去除的方法。

背景技术

盲源分离(Blind Source Separation，简称BSS)技术是指在源信号和混合信道均未知的情况下，仅仅利用观测信号来恢复出源信号的过程。它属于无监督学习的范畴，在很多领域得到发展，特别是在生物医学工程、地震勘探、语音增强等领域具有突出的作用。盲源分离作为一种面向复杂信号的信号处理技术，已经成为现代信号处理技术中的一个重要的领域，也是目前国际上认为的信号处理领域的关键技术难点之一，成为在很多领域得到应用的重要课题。对线性瞬时混合盲源分离问题，当观测源的数目等于源信号数目时，为适定盲源分离；当观测源的数目大于源信号数目时，为超定盲源分离。有时会发生观测源的数目少于源信号数目的情况，此时为欠定盲源分离。独立分量分析(ICA)及由此改进的FastICA可以处理超定情形。盲源分离中的“盲”一般是基于两方面来说的：一是所要分离的源信号的波形和数目都是未知的；二是观测信号是以一种怎样的方式由源信号混合而成也是未知的。

盲源分离问题实质上是一种归纳推理问题，因为可用信息有限。例如传感器的观测信息，用来观察最可能的源估计。

近年来，全球定位系统(GPS)的应用范围愈加广泛。GPS信号在室内环境中的精度产生明显的下降。因此在室内环境中，研究出一种将GPS定位与其他定位方法相结合以实现室内精准定位的方法显得尤为重要。

室内定位技术用到的惯性传感器具有体积小、成本低和易于穿戴等特点，在行人惯性导航等领域有着广泛的应用；但是惯性传感器存在不可避免的噪声，这样会给行人的位置计算精度造成较大的影响。因此对噪声进行分析并去除显得十分必要。

发明内容

基于以上的现有技术及存在的缺陷，本发明提出了一种一种基于盲源分离方法的惯性导航传感器数据去噪方法，具体应用于惯性导航传感器测量的运动数据的噪声去除。

本发明的一种基于盲源分离方法的惯性导航传感器数据去噪方法，该方法具体包括以下步骤：

步骤1、将采集单元固定于脚背处，采样频率设为100Hz，进行惯性数据采集；

步骤2、采集并记录沿直线行走过程中的惯性数据；

步骤3、对所采集到的盲源分离模型中的观测信号数据进行建模，盲源分离的线性数学模型为：

x(t)＝f(s(t))＝As(t)

其中，A表示BSS问题中的混合矩阵，s(t)表示源信号，x(t)表示观测信号，上述采集的数据即为该模型中的观测信号；

步骤4、以至少3组数据作为观测信号，采用FastICA算法对建模后的数据进行处理，处理得到的盲源分离结果中与原始信号极为相似且能量明显高于其他成分的信号作为有效信号，其他成分认定为噪声；这样就实现了有效信号与噪声信号的分离。

与现有的一些去噪方案相比，本发明采用盲源分离方法，用于传感器数据的噪声去除，能够有效地去除噪声，得到更加准确的数据，提高测量精度。

附图说明