基于小波分析的光纤陀螺信号处理

文章对光纤陀螺仪的实测信号进行了分析。为了抑制光纤陀螺随机噪声,利用五点三次平滑、数字滤波、小波变换分析法对光纤陀螺静态输出数据进行了滤波处理,通过对比滤波前后陀螺的输出曲线、标准差以及频谱图,可以发现:小波阈值滤波和五点三次平滑相结合的方法能够有效的补偿光纤陀螺的随机误差。     

基于小波变换的激光多普勒血流信号处理研究

激光多普勒血流量检测系统提取的光电信号中存在较大的高斯白噪声,为了消除这些噪声干扰,提取激光多普勒信号,提出了一种基于小波变换,使用Matlab中的wavelet toolbox对所得信号进行五层离散小波分解、阈值变换、消噪以及信号重构的处理方法。结果表明,该方法可有效地抑制噪声,从原始光电信号图中提取多普勒信号并对其进行分析,计算血流速度。该研究结果对后续的分析多普勒血流信号,实时检测血流量变化情况,解释血流病理含义,进而对诊断病因、指导医疗手段均有一定的参考价值。     

基于人工神经网络的激光陀螺零偏补偿方法研究

激光陀螺受到多普勒频移量的影响导致零偏,为此提出基于人工神经网络的激光陀螺零偏补偿方法。根据激光陀螺在零偏状态下的载流子态密度分布得到激光陀螺的激光多普勒振动信号,通过小波变换将含噪信号进行特征分解,通过线性组合叠加的方法计算激光陀螺零偏分量,对激光陀螺的固定偏差进行反馈补偿控制,构建人工神经网络模型进行激光陀螺零偏补偿的自适应训练。在人工神经网络的输入层输入固有模态参数,根据激光陀螺的散射光强和幅度值进行自适应学习,实现激光陀螺的零偏稳态补偿。实验测试表明,该方法进行激光陀螺零偏补偿能有效去除频偏,提高输出信噪比,有效减少自身和外界噪声的干扰,提高了激光陀螺的稳态性。     

陀螺信号处理中小波参数选取规则的研究

在陀螺随机漂移的数学模型基础上,利用小波阈值滤波的方法对陀螺仪信号进行消噪处理;以均方根误差和信噪比作为消噪效果的评价标准,分别进行小波基、小波分解层数、阈值函数及阈值估计方法等小波参数的选取;通过比较选择db5小波对陀螺仪信号进行消噪处理,分解层数为第四层,阈值规则选择"rigrsure",采用软阈值;最后采用上述小波参数对实测陀螺仪信号进行消噪处理,取得较好的消噪效果。     

基于最优小波包理论陀螺信号处理方法

小波变换具有良好的时频率局部化特性,基于小波变换的陀螺信号消噪方法在实际应用中取得了较好的效果.小波包具有比小波更为细致的时频划分能力,因而具有更强的时频局部化特性.笔者将基于Shanon-weaker熵准则的最优小波包基应用于陀螺信号的去噪,并给出了去噪算法.此外,还将CS-ARS微机械陀螺的实测数据在MATLAB中进行了数值仿真,仿真结果表明,本文所介绍方法对陀螺信号的去噪效果优于小波变换方法,具有广泛的应用前景.     

基于小波去噪和AR建模的MEMS陀螺数据处理方法

为解决MEMS陀螺输出信号中噪声大、随机漂移严重的问题,提出了一种基于小波去噪和AR建模的MEMS陀螺组合数据处理方法.采用小波去噪法对MEMS陀螺输出信号去噪,自适应确定小波分解层数,提高了其信噪比.采用AR(autoregressive,自回归)模型对MEMS陀螺的随机漂移进行建模,利用平均均方预测误差确定模型的最佳阶数,并与传统的一阶马尔可夫模型进行了比较.实验结果表明,该组合数据处理方法可有效抑制MEMS陀螺输出噪声,且能更精确地对MEMS陀螺随机漂移进行建模及预测.     

卡尔曼滤波在激光陀螺信号处理中的应用

各种随机噪声是激光陀螺误差的主要来源;设计了基于激光陀螺漂移数据时间序列模型的卡尔曼滤波器,对激光陀螺漂移数据进行了滤波,并采用Allan方差法分析了滤波结果;结果表明,基于时间序列模型的卡尔曼滤波器有效地减小了随机误差。     

激光陀螺微小绝对振动信号处理系统的研究

采用激光陀螺作为微小绝对振动传感器.在分析陀螺振动测量的原理和影响陀螺测量灵敏度的主要因素的基础上,研制了相应的信号处理系统,并对处理系统的噪声性能进行了测量.实验表明,该信号处理系统完全能满足微小绝对振动测量的要求.     

基于小波变换的无驱动结构微机械陀螺信号自旋频率的提取

针对一种新型陀螺,它能敏感旋转载体的俯仰、偏航和滚转角速度,敏感信号是一种调幅波信号,载波频率是自旋频率,包络是横向角速度。实际应用中,需要精确提取自旋频率。基于此,提出了一种提取载波频率的新的方法——小波变换构造解析函数法,对自旋频率解算算法进行了理论推导,并通过MATLAB软件对噪声比为30 dB的模拟陀螺调幅波信号进行了自旋频率的提取和误差分析,其中Hilbert变换相对误差为0.033 6,小波变换相对误差为0.017 8。对三轴精密转台实时测试的横向角速度为180°/s的陀螺信号进行了自旋频率的提取和误差分析,其中Hilbert变换相对误差为0.035 9,均方差MSE为7.915 9;小波变换相对误差为0.001 8,均方差MSE为0.293 7。小波变换较Hilbert变换求解自旋频率精度提高二十倍,降噪性能和频率稳定性更好。     

小波分析在语音信号处理中的应用

本文主要基于小波分析在语音信号处理中的研究,分别对小波与小波变换、小波变换算法以及小波变换在语音信号处理中的应用进行分析。     

基于双正交小波的稳定平台系统中陀螺信号滤波应用研究

针对陀螺稳定平台系统中光纤陀螺信号噪声的非平稳性特点,分析并讨论了光纤陀螺输出信号模型及常用陀螺信号滤波方法的优缺点.根据双正交小波函数能够同时具有紧支性和对称性的突出优点,提出了基于双正交小波的改进模平方阈值滤波方法.同时,结合3σ准则和不同的分解尺度,采用了可变阈值选取规则.实际应用表明,该滤波方法能够对光纤陀螺噪声信号起到明显的抑制作用,滤波效果优于一般IIR滤波和正交小波固定阈值滤波.     

强噪条件下基于小波降噪的陀螺仪声信号处理方法

为了将噪声诊断技术应用于陀螺仪性能分析,针对陀螺仪声音信号信噪比较低的特点,提出了一种小波降噪的新方法,通过尺度系数的比对有效地在复杂强噪声条件下提取出所需的陀螺仪音频信号,为性能分析提供了保证。实验验证降噪取得了较好的效果。     

基于小波的信号分析

简介小波概念之后,对一组模拟信号进行分析,采用小波变换,选出合适的小波函数,处理后再重构。对采用Mexican hat小波、Shannon小波、Meyer小波这三种不同小波得到的去噪结果进行比较,验证信号的滤波效果与选取的小波类型有较大的关系。     

基于小波分析的1/f噪声降噪

同传统加速度计相比,光纤加速度计具有结构简单、性价比高、输出精度较高等特点,可以满足中等精度的导航制导要求,但输出信号通常受随机噪声的干扰,其中1／f噪声就是影响光纤加速度计精度的一个重要因素。由于小波分析兼具时频分析和尺度分析的功能,加之1／f噪声在小波域呈现出某些特殊的性质,因此小波分析成为研究1／f噪声的良好工具。本文提出一种处理加速度信号中1／f噪声的新方法,即选取适当的阈值对1／f噪声进行滤波处理,仿真结果表明该方法科学有效。     

环形激光陀螺信号分析与处理

我们对环形激光陀螺输出信号进行了时频分析,采用Allan方差法对陀螺信号进行了分析与计算,应用混合滤波技术对陀螺信号进行了处理,并对滤波前后的陀螺测试数据进行了对比分析.Allan方差法分析结果表明,该滤波技术能有效提高激光陀螺的精度.     

基于提升格式小波变换的涡街信号处理方法

提升格式是一种完全在时域上构造小波的方法,其基本思想是以一个简单的多分辨率分析为起点,通过提升或对偶提升,得到满足一定性质的多分辨率分析,同时能够减小进行小波变换的计算量,提高算法实现的运行速度。该文应用小波提升原理,研究了基于boirS／3小波滤波器的提升格式算法,并将算法应用于涡街流量信号的处理,提取代表流量信息的涡街信号频率,并且相比第一代小波变换,该算法具有计算简单、运算量小的特点。     

噪声信号的故障分析系统

噪声监测由于其测取方便、非接触式测量和携带信息丰富等特点在故障分析与诊断中逐渐受到重视.首先介绍了故障分析中的声信号处理方法,包括时域处理方法和频域处理方法,然后列举了一个具体的基于发动机噪声的故障分析系统的实现方案,主要通过傅立叶变换和小波变换对发动机噪声进行故障分析,证明了利用噪声监测来进行故障分析的可行性.     

分形信号的小波谱相关研究及仿真

小波变换作为一种新兴时频分析方法,其小波谱表征了信号的时频特性。文中对信号的小波谱进行了较为详细的讨论,并与魏格纳一维尔分布进行了比较。根据时频分析的理论,把小波谱扩展到了小波相关域分析,提出了信号的小波谱相关分析方法,并应用到分形信号的分析上,探讨了它的相应特性。对探讨的结果进行了仿真,给出了小波谱相关在信号检测中的应用前景。     

基于小波神经网络的陀螺仪故障诊断

为了准确可靠地发现和预测陀螺仪的故障,提出了一种基于RBF小波神经网络的陀螺仪故障检测方法;该方法是将陀螺仪的输出信号进行三层小波包分解,再对分解得到的8个不同频段上的节点进行特征提取,将提取后的8维特征向量作为RBF神经网络的输入;当陀螺仪发生故障时,陀螺仪的输出信号中会产生突变成分,进行训练后的RBF神经网络可以准确地诊断出陀螺仪的故障类型;应用Matlab实现了RBF小波神经网络诊断陀螺仪故障类型的仿真;仿真结果表明,应用RBF小波神经网络进行陀螺仪故障诊断有很好的效果。