[发明专利]一种基于小波变换的车辆横摆角速度滤波测量方法

摘要

本发明公开了一种基于小波变换的车辆横摆角速度滤波测量方法，适用于前轮为转向轮、后轮为非转向轮的汽车横摆角速度的测量。首先测出两个非转向轮的轮速，利用中值滤波法去除轮速粗大误差，由平面复合运动的运动关系，将通过中值滤波后的轮速进一步推算出未滤波的车辆横摆角速度，然后根据小波变换理论，选用‘sym8’小波基，对未滤波的车辆横摆角速度进行七层小波分解，并用软阈值法对高频系数进行阈值量化处理，最后用第七层低频系数和软阈值法量化处理后的高频系数进行逆小波变换，即可重构得到精度较高的滤波后的横摆角速度。

主权项

1.一种基于小波变换的车辆横摆角速度滤波测量方法，适用于前轮为转同轮、后轮为非转向轮的汽车横摆角速度的测量，其特征在于包含如下步骤：步骤1)首先利用汽车轮速传感器测出右后轮的轮速V_rr(i)和左后轮的轮速V_lr(i)(i＝1，2，...，n，i表示采样序数，n为数据的长度)，右后轮和左后轮均为非转向轮；步骤2)对测得的右后轮轮速数据V_rr(i)先进行中值滤波，i＝1，2，...，n，除去粗大误差，保持V_rr(1)、V_rr(2)、V_rr(n-1)和V_rr(n)不变，设数据的采样间隔为T秒，取阈值为0.5gT，g为重力加速度，如果V_rr(j)≥V_rr(j-1)+0.5gT或者V_rr(j)≤V_rr(j-1)-0.5gT，则V_rr(j)取median{V_rr(j-2)，V_rr(j-1)，V_rr(j)，V_rr(j+1)，V_rr(j+2)}，否则V_rr(j)不变，3≤j≤n-2，median表示取中位数；再对测得的左后轮轮速数据V_lr(i)进行中值滤波，i＝1，2，...，n，保持V_lr(1)、V_lr(2)、V_lr(n-1)和V_lr(n)不变，取阈值为0.5gT，如果V_lr(j)≥V_lr(j-1)+0.5gT或者V_lr(j)≤V_lr(j-1)-0.5gT，则V_lr(j)取median{V_lr(j-2)，V_lr(j-1)，V_lr(j)，V_lr(j+1)，V_lr(j+2)}，否则V_lr(j)不变，3≤j≤n-2；步骤3)根据步骤2)中得到的滤波后的轮速数据，由公式得到未滤波的横摆角速度ω(i)，i＝1，2，...，n，根据Mallat算法，并选用‘sym8’小波，对横摆角速度数据ω(i)进行7层小波分解，得到第七层低频系数k₇＝1，2，...，m₇，以及第一层高频系数k₁＝1，2，...，m₁，第二层高频系数k₂＝1，2，...，m₂，第三层高频系数k₃＝1，2，...，m₃，第四层高频系数k₄＝1，2，...，m₄，第五层高频系数k₅＝1，2，...，m₅，第六层高频系数k₆＝1，2，...，m₆，和第七层高频系数k₇＝1，2，...，m₇，floor表示下取整运算，T_w为后轴左右轮的轮距，分解的具体过程如下：首先用初始序列表示未滤波的横摆角速度ω(i)序列，i＝1，2，...，n，k₀＝1，2，...，m₀，m₀＝n，对序列进行长度为16的对称延拓，得到k′₀＝1，2，...，n+32，将延拓后的与低通分解滤波器LO_D作卷积，然后将卷积后的结果首、尾部各去掉16个数，再对剩余的元素进行二元下抽样即可得到第一层低频系数k₁＝1，2，...，m₁，将延拓后的与高通分解滤波器HI_D做卷积，然后再将卷积后的结果首、尾部各去掉16个数，再对剩余的元素进行二元下抽样即可得到第一层高频系数k₁＝1，2，...，m₁，同理，接着对k₁＝1，2，...，m₁，进行长度为16的对称延拓得到k′₁＝1，2，...，m₁+32，将延拓后的与低通分解滤波器LO_D做卷积，然后再将卷积后的结果首、尾部各去掉16个数，再对剩余的元素进行二元下抽样即可得到第二层低频系数k₂＝1，2，...，m₂，将延拓后的与高通分解滤波器HI_D作卷积，然后再将卷积后的结果首、尾部各去掉16个数，再对剩余的元素进行二元下抽样即可得到第二层高频系数k₂＝1，2，...，m₂，按上述过程继续进行分解，依次得到第三层高频系数k₃＝1，2，...，m₃，第四层高频系数k₄＝1，2，...，m₄，第五层高频系数k₅＝1，2，...，m₅，第六层高频系数k₆＝1，2，...，m₆，第七层高频系数k₇＝1，2，...，m₇，和第七层低频系数k₇＝1，2，...，m₇，其中低通分解滤波器LO_D和高通分解滤波器HI_D的取值如下：LO_D＝{-0.0034 -0.0005 0.0317 0.0076 -0.1433 -0.0613 0.48140.7772 0.3644 -0.0519 -0.0272 0.0491 0.0038 -0.0150 -0.00030.0019}，HI_D＝{-0.0019 -0.0003 0.0150 0.0038 -0.0491 -0.0272 0.0519 0.3644-0.7772 0.4814 0.0613 -0.1433 -0.0076 0.0317 0.0005 -0.0034}，步骤4)小波分解高频系数的阈值量化：保留第七层低频系数不变，k₇＝1，2，...，m₇，对分解得到的高频系数序列d_k，l用软阈值法进行量化处理，k＝1，2，...，7，l＝1，2...，m_k，即当d_k，l≥λ时，当d_k，l≤-λ时，当|d_k，l|＜λ时，其中，k＝1，2，...，7，l＝1，2...，m_k，k₁＝1，2，...，m₁；经量化处理得到量化处理后的第一层高频系数k₁＝1，2，...，m₁，量化处理后的第二层高频系数k₂＝1，2，...，m₂，量化处理后的第三层高频系数k₃＝1，2，...，m₃，量化处理后的第四层高频系数k₄＝1，2，...，m₄，量化处理后的第五层高频系数k₅＝1，2，...，m₅，量化处理后的第六层高频系数k₆＝1，2，...，m₆，和量化处理后的第七层高频系数k₇＝1，2，...，m₇；步骤5)进行逆小波变换，重构滤波后的信号：由第七层低频系数k₇＝1，2，...，m₇，量化处理后的第一层高频系数k₁＝1，2，...，m₁，量化处理后的第二层高频系数k₂＝1，2，...，m₂，量化处理后的第三层高频系数k₃＝1，2，...，m₃，量化处理后的第四层高频系数k₄＝1，2，...，m₄，量化处理后的第五层高频系数k₅＝1，2，...，m₅，量化处理后的第六层高频系数k₆＝1，2，...，m₆，以及量化处理后的第七层高频系数k₇＝1，2，...，m₇，做逆小波变换即可得到滤波后的横摆角速度信号，具体过程如下：首先让序列k₇＝1，2，...，m₇，再将和量化处理后的第七层高频系数分别进行长度为16的对称延拓得到和其中，k₇＝1，2，...，m₇，k′₇＝1，2，...，m₇+32，再对延拓后的和延拓后的分别做二元上抽样，k′₇＝1，2，...，m₇+32，表示二元上抽样的结果，表示二元上抽样的结果，然后将与低通重构滤波器LO_R作卷积得到序列p₁＝1，2，...，(2m₇+80)，与高通重构滤波器HI_R作卷积得到序列并将序列与序列中相对应元素分别进行相加，得到新序列p₁＝1，2，...，(2m₇+80)，找到的第项如果步骤4)中的m₆为奇数，则在中从的前一项开始向前取项，从的后一项开始向后也取项，保留这m₆个数据按原来的先后顺序排列就得到重构后的第六层低频系数k₆＝1，2，...，m₆；如果步骤4)中的m₆为偶数，则在中从的前一项开始向前取项，从的后一项开始向后取项，保留这m₆个数据按原来的顺序排列就得到重构后的第六层低频系数k₆＝1，2，...，m₆，同理，将和量化处理后的第六层高频系数分别进行长度为16的对称延拓得到和k₆＝1，2，...，m₆，k′₆＝1，2，...，m₆+32，再分别对延拓后的和延拓后的做二元上抽样，k′₆＝1，2，...，m₆+32，表示二元上抽样的结果，表示二元上抽样的结果，然后将与低通重构滤波器LO_R作卷积得到序列p₂＝1，2，...，(2m6+80)，与高通重构滤波器HIR作卷积得到序列并将序列与序列中相对应元素分别进行相加，得到序列p₂＝1，2，...，(2m₆+80)，找到的第项如果步骤4)中的m5为奇数，则从的前一项开始向前取项，从的后一项开始向后也取项，保留这m₅个数据按原来的顺序排列就得到重构后的第五层低频系数k₅＝1，2，...，m₅；如果步骤4)中的m₅为偶数，则从的前一项开始向前取项，从的后一项向后取项，保留这m₅个数据按原来的顺序排列就得到重构后的第五层低频系数k₅＝1，2，...，m₅，按上述过程继续进行重构，最终可得到k₀＝1，2，...，m₀，m₀＝n，即为滤波后的横摆角速度数据，其中低通重构滤波器LO_R和高通重构滤波器HI_R的取值如下：LO_R＝{0.0019 -0.0003 -0.0150 0.0038 0.0491 -0.0272 -0.0519 0.36440.7772 0.4814 -0.0613 -0.1433 0.0076 0.0317 -0.0005 -0.0034}，HI_R＝{-0.0034 0.0005 0.0317 -0.0076 -0.1433 0.0613 0.4814 -0.77720.3644 0.0519 -0.0272 -0.0491 0.0038 0.0150 -0.0003 -0.0019}。