局域均值分解在MEMS陀螺随机误差消噪上的应用

针对标准Kalman滤波需要建立准确的系统模型、小波阈值降噪对小波基和阈值的选取依赖于经验的不足,将局域均值分解(LMD)方法引入MEMS陀螺的随机误差滤波.该方法可自适应地将随机误差信号分解为若干PF分量之和,且对各分量进行小波降噪处理,将处理后的各分量相加得到降噪信号.实验分析表明该滤波方法效果明显.     

基于改进小波阈值法处理MEMS陀螺信号噪声

小波具有多分辨率分析特性,利用小波阈值去噪可以有效地处理MEMS陀螺信号的噪声.针对常用阈值小波去噪方法的不足,提出了一种改进的小波阈值方法.详细介绍了该方法的原理与实现过程,并将其应用到MEMS陀螺信号处理过程中.使用db4小波,应用不同的阈值函数对MEMS陀螺信号进行4尺度分解.仿真实验分析比较表明,改进的小波阈值方法可以有效地剔除信号中的噪声,抑制了MEMS陀螺仪的随机漂移;与现有的阈值方法相比,信噪比提高了18.3%.     

小波阈值滤波在光纤陀螺信号处理中的应用

根据光纤陀螺信号的数学模型和小波多分辨率分析的特点,利用小波变换阈值滤波可有效地处理光纤陀螺信号的噪声.利用Allan方差法并通过最小二乘拟合得到光纤陀螺信号噪声中各误差源的幅度.对某型号光纤陀螺静态输出信号进行了小波阈值滤波,并定量地分析和比较了4种常用阈值下的滤波效果.通过实验结果分析,验证了小波变换阈值滤波在光纤陀螺信号处理中的可行性,并验证了针对某型号光纤陀螺静态输出信号,采用长度对数阈值滤波的优越性,对光纤陀螺信号处理具有参考价值.     

基于小波包分析的激光陀螺信号滤波方法

各种随机噪声是激光陀螺误差的主要来源。为了减少激光陀螺的随机误差，提高其测量精度，介绍了基于小波包分析的滤波方法，研究了小波包分析和滤波的原理、熵标准和阈值函数的选取，比较了选择不同熵标准、阈值函数对激光陀螺信号滤波的效果，并采用Allan方差法分析滤波效果。结果表明基于小波包分析的滤波方法能有效减小随机误差，提高激光陀螺的测量精度。     

基于Kalman滤波器的MEMS陀螺随机误差分析与建模补偿

MEMS陀螺随机漂移是影响MEMS惯性导航精度的主要原因。为提高MEMS陀螺使用精度,本文通过时间序列分析方法,建立MEMS陀螺角速率信号ARMA模型,进而利用线性KF(Kalman Filter)滤波方法处理陀螺角速率信号。本文通过搭建MEMS陀螺组件,进行三轴精密转台实验,将得采存陀螺信号进行KF滤波处理。利用Allan方差分析滤波前后MEMS陀螺角速率信号,结果表明陀螺仪零偏不稳定性经KF滤波后提升18.7%。     

光纤陀螺信号数字滤波算法研究

针对光纤陀螺信号漂移误差和噪声的影响及陀螺稳定平台系统的特点,研究了滑动滤波、FLP自适应滤波、小波变换阈值滤波3种直接对陀螺输出信号进行数字滤波处理的方案.最后对某陀螺惯性稳定跟踪转台中使用的光纤陀螺信号的测试和统计分析结果表明,采用小波变换阈值滤波可有选择地对陀螺信号的噪声成分进行抑制,其滤波去噪效果明显.     

小波域中值滤波在激光陀螺信号处理中的应用

各种随机噪声是导致激光陀螺产生误差的主要因素，且其性质特殊，很难用传统的滤波方法去除。为了减小激光陀螺的随机误差，提高测量精度，提出了小波域的中值滤波器滤波方法，对激光陀螺零漂数据进行了滤波，并采用Allan方差法对滤波效果进行了定量分析。结果表明，此方法的滤波效果优于中值滤波和小波软阈值滤波效果，能有效地减小激光陀螺零漂信号中的角度随机游走、角速度随机游走、速率斜坡、零偏不稳定性和量化噪声，提高激光陀螺零漂输出的稳定性。     

MEMS陀螺随机误差建模与Kalman滤波方法

探讨了一种 MEMS 陀螺随机误差建模与滤波方法,对原始采集数据进行了预处理, 使之变成零均值、平稳、正态的随机时间序列,以此为基础建立时间序列模型,并对其进行 Kalman 滤波。结果表明,该方法能有效降低 MEMS 陀螺的随机误差,具有一定的工程实用性。     

光电稳定跟踪平台中微机电陀螺滤波方法研究

根据微机电陀螺的实测数据,分析了其噪声特性,建立了微机电陀螺零漂的AR模型.研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了Kalman滤波不能够在微机电陀螺信号去噪中获得较好效果的原因.在此基础上,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果.实测结果表明由于后者不依赖于噪声的精确模型,根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果.最后给出了两种滤波算法的比较结果.     

二代小波降噪在激光陀螺信号滤波中的应用

为了抑制激光陀螺的随机漂移,提高其使用精度,提出了一种改进的第二代小波变换降噪方法对陀螺随机漂移测试数据进行滤波处理.该方法在二代小波变换时采用多组预测器和更新器,根据变换样本与相邻样本之间的相关性检测信号的局部特征,确定每个尺度上的每个变换样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.该方法克服了传统小波变换降噪方法的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性.