[发明专利]基于EMD-MPF改进的陀螺仪信号去噪方法

权利要求书

1.一种基于EMD-MPF改进的陀螺仪信号去噪方法，其特征在于，包括：

将陀螺仪的有噪信号分解为本征模态函数和残差信号；

通过确定的两个标识参数对本征模态函数进行阶次选择，将本征模态函数分为噪声本征模态函数、混合本征模态函数和信息本征模态函数；

舍弃所述噪声本征模态函数，保留所述信息本征模态函数，并对所述混合本征模态函数进行降噪处理；

对降噪处理后的混合本征模态函数和保留的所述信息本征模态函数进行信号重构，从而得到去噪的陀螺仪信号；

所述对降噪处理后的混合本征模态函数和保留的所述信息本征模态函数进行信号重构中的重构公式为：

其中，表示噪声信号；M₁和M₂分别为标识参数，表示混合本征模态函数；h⁽ⁱ⁾(t)表示信息本征模态函数；r_L(t)表示残差信号，MPF表示改进的PF方法；

所述MPF为改进的PF方法，包括：

把预测粒子样本的概率分布记作p(x_i),1≤i≤N，把权重w_i＞w₀的粒子样本x_T的概率分布记作p₁(x_i),1≤i≤T，即为p，把剩余粒子样本x_N-T的概率分布记作q(x_i),N-T＜i≤N，即为q，w_i为权重，w₀为权值阈值，N和T均为常数；

计算不同粒子样本之间的K-L散度如下：

对于小权重的粒子样本，产生N-T个随机数u_j，其范围是u_j∈(w₀,1]，对该粒子样本的权重进行更新，D_KL为K-L散度：

将更新权重的粒子样本x_N-T进行权重有小到大的排序，即将x_i+1距权重最大的粒子的距离记作S，进行重采样产生新的粒子如下：

综合两部分粒子，进行权值归一化，完成PF方法的继续迭代，x_i表示第i个粒子，x_i+1表示第i+1个粒子，x_N-T+1表示第N-T+1个粒子，x_N表示第N个粒子，表示重采样产生的新粒子；

所述确定的两个标识参数中，所述两个标识参数分别为M₁和M₂，选定确定标识参数M₁，包括：使用自相关函数方差确定标识参数M₁；

所述使用自相关函数方差确定标识参数M₁，包括：

根据不同阶次的本征模态函数信号，计算各自对应的自相关函数；

根据连续本征模态函数的自相关函数计算两个自相关的函数之间的欧几里得距离均方差，得到计算结果MSED；

根据MSED确定标识参数M₁；

所述标识参数M₁与数值k和数值L相关联，

所述1≤k≤[2L/3]，[2L/3]表示不超过2L/3的最大整数，从而保证M₁的取值过大至L，k和L均为自然数；

确定标识参数M₂，包括：

计算原始信号的概率密度函数与每个本征模态函数的概率密度函数之间的巴塔恰里雅距离，其中0≤BC≤1和0≤BD≤∞，BD为巴塔恰里雅距离，BC为巴塔恰里雅系数；

基于功率谱密度函数计算所述原始信号的概率密度函数和每个所述本征模态函数的概率密度函数之间的巴塔恰里雅距离数据在不同特征下的可分离性；

基于所述可分离性确定标识参数M₂。

2.根据权利要求1所述的基于EMD-MPF改进的陀螺仪信号去噪方法，其特征在于，所述将陀螺仪的有噪信号分解为本征模态函数和残差信号为：

将陀螺仪的有噪信号分解为多个本征模态函数和一个残差信号。

3.根据权利要求1所述的基于EMD-MPF改进的陀螺仪信号去噪方法，其特征在于，所述通过确定的两个标识参数对本征模态函数进行阶次选择，将本征模态函数分为噪声本征模态函数、混合本征模态函数和信息本征模态函数，包括：

1＜i＜M₁时，为噪声本征模态函数；

M₁＜i＜M₂时，为混合本征模态函数；

M₂＜i＜L时，为信息本征模态函数，i表示本征态函数的阶次

L表示本征态函数的总阶数。