基于压缩感知理论的MEMS陀螺仪信号降噪研究

通过分析传统小波阈值滤波的局限性,将基于压缩感知的小波滤波方法应用于低精度MEMS(micro electro mechanicalsystem)陀螺仪信号降噪中,并与小波阈值滤波方法进行了实验对比,实验结果表明:基于压缩感知的小波滤波方法可以有效地去除MEMS陀螺仪输出信号中的噪声,并且在压缩比较大时基于压缩感知的滤波方法去噪效果优于小波阈值滤波方法,改善了低精度MEMS陀螺仪零偏稳定性,为工程中解决低精度MEMS陀螺仪降噪问题提供了新思路。     

基于小波分析的MEMS陀螺仪信号降噪算法研究

MEMS陀螺仪由于制造工艺比较简单,故在性能上存在精度低、噪声高、误差大等问题。为了获得精确的陀螺仪信号,采用了小波阈值降噪法对MEMS陀螺仪的输出数据进行实时消噪处理。围绕选择最优小波基、最佳分解层数和阈值函数等方法对陀螺仪信号进行降噪,并通过MATLAB进行仿真分析。仿真结果表明,采用小波降噪误差减小了近73.95%,肯定了小波阈值去噪方法在MEMS陀螺仪噪声处理中的理想效果。     

小波变换在压电陀螺仪信号去噪中的应用

提出了基于小波变换的陀螺仪信号的去噪方法.陀螺仪作为重要的敏感测量器件,其测量信号的精度很大程度上决定了系统的性能.利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,应用Daubechies四阶正交小波(db4)对噪声信号进行多层小波变换,逐层估计小波变换的各层细节信号的阈值,分别进行软阈值滤波处理,然后进行小波逆变换重建信号以达到对信号消噪和恢复的目的.采用该方法可以有效提高陀螺仪噪声环境下的测量精度.     

小波变换在压电陀螺仪信号去噪中的应用

提出了基于小波变换的陀螺仪信号的去噪方法.陀螺仪作为重要的敏感测量器件,其测量信号的精度很大程度上决定了系统的性能.利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,应用Daubechies四阶正交小波(db4)对噪声信号进行多层小波变换,逐层估计小波变换的各层细节信号的阈值,分别进行软阈值滤波处理,然后进行小波逆变换重建信号以达到对信号消噪和恢复的目的.采用该方法可以有效提高陀螺仪噪声环境下的测量精度.     

小波与中值滤波相结合的汽车管路连接件表面缺陷图像去噪

由于汽车管路连接件表面缺陷图像中的高频噪声和椒盐斑状噪声直接影响缺陷特征提取的精度,提出一种小波与中值滤波相结合的去噪新方法。该方法首先对原始图像进行小波变换分解,分离出高频信号与高频噪声,并将噪声滤除,然后由灰度值变化曲线统计得到缺陷灰度分界阈值,结合中值滤波算法自适应地滤除椒盐斑状噪声以保护缺陷特征边缘,对去噪后的图像进行线性增强,使缺陷边缘轮廓更加清晰,最后采用Sobel边缘算子算法分别对中值滤波、小波滤波、高斯滤波及新方法去噪后的图像进行缺陷特征提取以对比分析去噪效果。实验结果表明,新方法的峰值信噪比(PSNR)分别比中值滤波、小波滤波及高斯滤波提高了10.70%、8.99%和8.87%;结构相似度(SSIM)分别提高了21.82%、23.34%和11.54%,说明新方法具有良好的去噪效果,并在一定程度上提高了缺陷细节形状特征提取的准确性,适用于汽车管路连接件表面缺陷的检测与分类识别。     

基于改进EMD的微机械陀螺随机误差建模方法

为了降低微机械(MEMS)陀螺仪的随机误差,提出一种将改进的经验模态分解法(EMD)与传统建模滤波方法相结合的新方法对随机误差进行处理。首先采用传统EMD算法将信号分解为有限个本征模态函数(IMF),并根据皮尔逊相关系数准则和噪声统计特性提出一种筛选机制,将IMF分为噪声IMFs、混叠IMFs和信号IMFs 3类;其次,对混叠IMFs进行时间序列建模,建模完成后进行卡尔曼滤波拟合;最后,将建模滤波后的混叠IMFs与信号IMFs进行重构,得到最终去噪信号。实验分析结果表明,本文方法在抑制随机误差的效果上有明显的优势,极大地改善了信号的质量,提高了惯导的解算精度。     

改进的最小二乘自适应滤波陀螺仪去噪方法

为了降低微机电系统(MEMS)陀螺仪输出当中的噪声分量,提出了一种基于随机加权方法下的抗野值递推最小二乘法(RLS)自适应滤波算法。标准RLS算法的基本思想是对于所有已输入的信号而言,尽量使得在每个时刻对数据块估计的平方误差的加权和最小,这也是RLS算法对于非平稳信号的适应性要比其他滤波算法好的重要原因。针对标准RLS算法中野值对其滤波精度的影响,同时,复杂的非平稳环境也会对其有一定的影响。所以,提出并验证了随机加权方法对RLS算法的抗野值处理,并将提出的改进算法应用到了MEMS陀螺仪的去噪研究中,改进后的算法不仅可以很好的去除单个野值对滤波的影响,而且对于野值连续成片出现的情况,也能结合算法的适应性很好的保持滤波的稳定性。     

改进EMD阈值小波滤波方法

下肢自主康复训练机器人中交流伺服电机电流信号噪声严重影响电机力矩辨识精度。为解决非线性非平稳信号的滤波去噪问题,提出一种基于经验模态分解(EMD)的改进阈值小波滤波算法。首先对EMD最佳去噪层数和阈值小波的阈值处理函数进行分析和改进,然后将两种改进方法相结合,最后对Matlab中的Heavy sine信号添加高斯噪声,分别利用改进方法和软、硬阈值等滤波方法进行去噪实验。仿真实验结果表明,改进算法能有效去除非线性非平稳信号中噪声信号。与EMD和阈值小波等其他滤波方法相比,本文滤波算法去噪后信噪比更大,均方根误差更小,滤波效果更好。     

基于改进双树复小波的光谱去噪算法研究

为了消除可见光近红外光谱噪声,提高利用光谱曲线进行信息提取的精度,提出一种改进双树复小波变换(DTCWT)的后验估计及广义形态滤波的光谱去噪方法。首先对带噪信号进行双树复小波分解,将信号的高频部分和低频部分进行分离。然后分别采用最大后验(MAP)估计算法和广义形态学滤波(GMF)对高频系数和低频系数进行去噪处理。最后对去噪后的高频系数和低频系数进行DTCWT反变换,得到去噪光谱。对USGS光谱库中的植被光谱以及铁铝榴石光谱进行实验,结果表明该方法易于实现,去噪效果理想,是一种很好的可见光近红外光谱去噪方法。     

CO_2气保焊电信号的平移不变量小波消噪

CO_2气保焊的焊接过程中电信号含有大量随机非平稳噪声,消噪预处理是电信号后期分析的重要环节。常见的信号滤波方法有硬件滤波和软件滤波,其中小波阈值消噪方法在软件滤波中应用最为广泛,该方法能够很好的消除电信号中的噪声,但在信号不连续点处易产生伪吉布斯现象。提出利用一种平移不变量小波方法(Translation invariant de-noising,TID)对焊接电信号进行去噪处理,其通过对信号进行多次循环平移,再将平移后的信号进行软(硬)阈值小波消噪处理,然后将消噪后的重构信号进行反向逆平移,最后再对去噪结果进行平均,该方法可消除软阈值小波消噪产生的伪吉布斯(Pseudo-Gibbs)现象。结果表明相对于传统软阈值小波去噪法,该方法去噪后的信噪比更高,去噪后信号更加逼近于真实信号。该方法在熔化极气体保护焊电信号降噪处理方面具有广泛的前景,进一步扩展了小波方法在焊接中的应用。     

A novel Kalman filter for combining outputs of MEMS gyroscope array

In this paper, a Kalman filter for combining outputs of a gyroscope array is presented to improve the accuracy of microelectromechanical system (MEMS) gyroscope. A theoretical mathematical model for the accuracy improvement is described. Especially, a discrete-time filter is designed by solving the covariance differential equation with an analytic solution. Performances of presented filter are analyzed by the simulations. Finally, a developed system consisting of six-gyroscope array is implemented to test the performance of the Kalman filter. The experimental results showed a noise density of 0.03°/s/√Hz for the combined rate signal compared to the 0.11°/s/√Hz for the individual gyroscope in the array. The analysis of results measured from Allan variance demonstrated a bias instability of 17.2°/h and angular random walk of 1.6°/√h, whereas the corresponding values for the individual gyroscope is 62°/h and 6.2°/√h, respectively. It proved that the presented approach is effective to improve the MEMS gyroscope accuracy.     

MEMS陀螺与编码器在机器人自主定位中的应用

为提高微机械陀螺仪输出精度及移动机器人定位精度,研究了基于微机械陀螺仪与光电编码器的移动机器人自主定位方法。实时小波滤波法算法去除微机械陀螺仪输出数据噪声;通过微陀螺精度校正平台,用加权最小二乘支持向量回归机算法对微机械的先验数据作回归运算,构造先验回归决策函数,运用回归决策函数补偿微机械陀螺仪输出误差,提高微机械陀螺仪的角速率输出准确度;实验证实了方法能较好提高了MEMS陀螺仪的准确度,可以应用于移动机器人的自主定位之中。     

光电稳定跟踪装置中微机电陀螺应用研究

以微机电陀螺在高精度光电稳定跟踪装置中的应用为背景,研究了陀螺输出噪声对光电稳定跟踪平台精度的影响.结果表明,陀螺噪声会引起平台基准轴的抖动和缓慢漂移.根据微机电陀螺的实测数据,分析了其噪声特性.基于AR模型建立了微机电陀螺的噪声统计模型.研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了该算法不能够取得较好滤波效果的原因.针对Kalman滤波在微机电陀螺信号低频去噪方面的局限性,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,可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.     

卡尔曼滤波在MEMS惯性姿态测量中的应用

由于测控成本和有效载荷的限制,一般采用微机电系统(MEMS)惯性传感器来测量小型无人机的飞行姿态。在MC9S12XS128单片机上通过嵌入式软件编程实现了卡尔曼滤波算法,并在JZJ-1型自准直仪转台上对MEMS加速度计和陀螺仪的输出信号进行了数据融合试验,较好地解决了MEMS惯性测量系统的零漂和机械振动干扰问题。     

基于EMMAP的MEMS陀螺噪声估计与滤波方法研究

针对MEMS陀螺仪测量精度低、随机噪声具有不确定性和非线性的问题,提出一种基于最大期望算法(Expectation maximum,EM)和极大后验估计(Maximum a posterion,MAP)的无迹卡尔曼滤波(Unscented Kalman filter,UKF)——EMMAP-UKF的陀螺噪声估计与滤波方法。根据极大后验估计原理,构造出一种次优无偏MAP噪声统计估计模型,并在此基础上引入最大期望算法将噪声估计问题转换为数学期望极大化问题,实现对观测噪声方差的动态调整,最终实现陀螺仪随机漂移误差的估计与滤波处理。最后通过Allan方差对陀螺噪声滤波方法的性能进行评估,通过半实物仿真验证了本方法的有效性。     

基于卡尔曼滤波的微压电陀螺的误差补偿

卡尔曼滤波是提高陀螺精度的重要手段。陀螺原始信号中常常含有大量随机误差,这使得陀螺的精度大大降低。研究了适用于陀螺精度的滤波方法,探讨了基于卡尔曼滤波的方法在提高陀螺精度上的应用,并通过分析验证了所研究的算法的有效性和适用性。     

基于修正粒子滤波的MEMS传感器飞行器姿态解算

针对单一采用 MEMS传感器解算飞行器姿态无法克服系统非线性噪声干扰的问题,提出了一种基于修正粒子滤波的 MEMS传感器飞行器姿态解算方法.首先,利用共轭梯度法减小陀螺仪漂移误差,然后,利用加权粒子构造概率密度函数以更新粒子权值,得到优化状态估计值;再将共轭梯度法与修正粒子滤波进行融合,确定加权因子,同时以 STM32与 MEMS传感器为核心设计姿态解算系统.实验结果表明,该方法优化了飞行器静态与动态性能,姿态解算性能良好,系统过渡时间短,跟踪特性较好,且增强了系统的鲁棒性与稳定性.     

基于最小分辨率的MEMS陀螺漂移抑制方法研究

针对油气井MEMS陀螺定向测斜仪存在的漂移大,精度较低的问题,本文从实际工程应用角度出发,在研究MEMS陀螺仪输出信号漂移特性的基础上,提出了基于最小分辨率的MEMS陀螺漂移抑制方法,利用输出采样的差分值,从MEMS陀螺输出中将传感信号和漂移信号分离,同时通过静态测点对漂移进行估计.实验表明,该方法大幅提高了仪器测量精度,使定向精度提高50％以上,同时该方法为其它类似传感器漂移抑制提供了一种有益的参考.