基于小波分析的MEMS加速度计输出噪声消除

目前MEMS加速度计普遍存在信噪比低、灵敏度不高等缺点,其主要原因是系统内部电路中的干扰与噪声使得有用信号完全淹没在噪声之中,其中1/f分形噪声是主要的噪声.由于1/f分形噪声在小波域中展示出某些特殊性质,且小波分析兼具时-频分析与尺度分析的功能,为了有效消除1/f分形噪声,提出了一种基于小波分析与自适应阈值滤波的多尺度滤波算法.以信噪比、均方根误差作为去噪效果的定量指标,将本文算法与Donoho小波阈值滤波算法进行比较,仿真结果表明,改进的自适应阈值滤波算法优于Donoho阈值滤波算法.运用于MEMS加速度计噪声消除上科学有效.     

手术机器臂前端控制器双重滤波的噪声抑制

医生在机械臂的辅助下手术时常会因为末端抖动而导致手术不稳定.小波滤波和自适应滤波相结合的方式对前端控制器信号进行滤波,由于自适应滤波器具有可以实时滤波的特性,采用自适应滤波器对含有不同方差的高斯白噪声的正弦信号模拟的信号进行滤波,均方根误差和误差率作为评价标准.实验结果表明,使用小波滤波预滤波后的信号通过自适应滤波可以实时有效地滤除前端控制器中的噪声,对噪声信号进行抑制.     

基于混合EMD方法的加速度计信号处理

由于MEMS加速度计的特点及其广泛的应用,将加速度计运用到输入终端系统成为了一个新的发展方向。但是受加速度计自身和系统数据采集电路受环境干扰等因素的影响,采集到的信号往往叠加了大量的噪声信号,因此必须对实际采集的加速度信号进行滤波去噪处理以确保输入系统的精度。提出了一种基于EMD方法的混合滤波处理策略:针对EMD方法的缺陷,引入了RBF径向基函数神经网络和小波包变换,并结合S-G滤波器对加速度计信号进行了滤波处理。同时采用Al-lan方差(白噪声、零偏不稳定性和量化误差)对滤波结果进行分析并验证了该混合EMD方法的有效性。     

基于参数优化的ICEEMDAN-MEMS陀螺信号处理研究

航空飞行器多维智能感知系统极端应用环境中,MEMS陀螺的输出信号中会含有各种噪声,进而影响系统后续的导航任务。为了改善MEMS陀螺输出信号的质量,提出了一种参数优化的改进的自适应噪声完全集成经验模态分解(ICEEMDAN)的MEMS陀螺信号滤波方法。首先通过灰狼优化算法(GWO)对ICEEMDAN的参数进行优化;对MEMS陀螺的输出信号进行分解,得到若干个本征模态函数(IMF),并根据排列熵对分量进行划分,并使用递归最小二乘算法(RLS)对混合分量进行滤波;最后将信号重构得到最终信号。对系统实测数据进行处理,分析结果表明：与原始信号相比,降噪后的MEMS陀螺输出信号均方根误差(RMSE)降低了78.6%,该算法可有效地去除输出信号中的噪声,具备一定的工程应用价值。     

基于MEMS和CORTEX-M3的微惯性测量单元研制

从工程实际出发,给出了一种基于新型Cortex-M3内核ARM和MEMS惯性传感器的低成本、高性能微型惯性测量单元的结构框架。详细介绍了采用三轴MEMS陀螺、三轴MEMS加速度计和三轴磁阻传感器研制的微惯性测量单元硬件设计方案,分析了陀螺和加速度计的信号噪声,利用均值滤波法对信号进行预处理,对预处理后的信号采用FIR滤波器进行滤波,对陀螺和加速度计进行了标定。该测量单元已应用于某小型无人机的姿态测量,达到预期效果。     

MEMS加速度计噪声分析与降噪方法研究

针对微机电系统(MEMS)加速度计的随机噪声对输出信号干扰的情况,提出了对加速度计噪声源及噪声类型进行辨识、估计与建模,并确定误差补偿的降噪方法,以提高加速度计精度.采用Allan方差分析法对MEMS加速度计的随机噪声进行分析,得到了影响MEMS加速度计性能的几种主要随机噪声,使用自回归滑动平均模型(ARMA)对加速度计输出数据进行数学建模,以最终预测误差(FPE)准则确定使用的模型与阶次.设计了Kalman滤波算法,对加速度计进行降噪,通过Allan方差方法对Kalman算法滤波效果进行分析.实验结果表明:Kalman滤波能有效降低加速度计的随机噪声.     

基于DSP的自适应滤波器的实现

在数字信号处理过程中,常常要处理一些无法预知的信号、噪声或时变信号,如果采用具有固定滤波系数的数字滤波器无法实现最优滤波。实现较好的滤波,必须设计自适应滤波器,以跟踪信号和噪声的变化。主要根据自适应滤波的结构及原理并对最小均方误差(LMS)算法进行了研究,同时在DSP的集成开发环境下利用C语言编程设计一个16阶LMS自适应滤波器,并在软件模拟器上实现了仿真。通过不断调整滤波器的自适应步长,对实验结果进行对比分析,最后给出了结论。     

一种MEMS水听器信号去噪的组合算法研究

针对MEMS水听器采集的数据"淹没"在强噪声场中的问题,提出采用LMS自适应噪声对消与Fourier变换滤波相结合的组合算法实现MEMS水听器的信噪分离。在信号频率已知的情况下,设计了一种自适应噪声对消和Fourier变换滤波组合算法的滤波器,对提取后的信号与理想信号做性能对比。仿真实验表明:该组合算法在-15 dB的强噪声场中仍有较高的分辨精度和提取效果,对搜寻类似于"黑匣子"等情况比较适宜,并将设计的滤波器用于中北汾机测试实验的信噪分离中,结果验证了该算法具有良好的高效性和实用性。     

基于自适应卡尔曼滤波器的MEMS陀螺零点漂移的研究

随机噪声是影响MEMS陀螺精度的一个重要因素。本文基于时间序列分析方法建立MEMS陀螺的随机漂移AR模型后,使用自适应卡尔曼滤波器对信号进行滤波。通过比较陀螺原始信号和自适应卡尔曼滤波后的信号,可以得出结论：自适应卡尔曼滤波器在处理MEMS陀螺零点漂移中具有良好的滤波效果。     

基于小波分析的MEMS加速度计去噪优化算法

针对惯导系统中MEMS加速度计输出漂移误差较大的问题,本文在对噪声分析建模的基础上,提出了一种小波阈值去噪优化算法.利用Allan方差分析加速度计输出噪声特性,构造噪声模型,并设计了一种基于多尺度阈值函数的去噪方法.该方法有效克服了传统软、硬阈值函数的局限性,且在各尺度上选取不同的调节系数优化滤波性能,算法适应性强.仿真结果表明,该方法在信噪比、均方根误差和波形相似度方面均有明显改善,较之传统阈值去噪算法信噪比提高了5 dB,并能在一定程度上提高系统导航精度,100 m范围内相对误差降低2.69％.     

基于CEEMDAN的MEMS加速度计输出信号降噪方法

针对微机电系统(MEMS)加速度计输出信号存在误差,导致高压输电杆塔倾斜监测系统的输出倾角数据精确度不高的问题,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)联合奇异值分解(SVD)对杆塔的加速度计输出信号降噪方法。利用CEEMDAN对原始加速度计输出信号进行分解,得到一系列模态分量,分别计算其排列熵(PE),筛选出特征分量和含噪特征分量,然后再将需进一步降噪的特征分量通过SVD进行二次滤波,最后将降噪后的特征分量与未处理的特征分量进行叠加即得到降噪后的加速度计输出信号。仿真实验结果表明,所提出的方法可以有效地抑制噪声干扰,通过与扩展卡尔曼滤波和CEEMDAN-PE对比说明该方法滤波效果更好,有效提高了加速度信号分析精度和杆塔倾斜角测量精度。     

基于自适应滤波的MEMS姿态确定方法

针对消费类电子设备对姿态测量系统的需求,本文提出了一种基于MEMS加速度计、陀螺仪和磁强计的九轴姿态确定算法.针对实际系统中传感器量测噪声未知的情况,首先介绍了一种基于矢量观测器的矩阵Kalman滤波姿态确定算法,然后利用残差匹配技术,设计了一种基于残差匹配的自适应滤波方法.论文采用自适应滤波对传感器量测噪声进行估计,并将估计的量测噪声代入线性矩阵Kalman滤波算法,有效解决了线性矩阵Kalman滤波需要准确量测噪声统计信息的缺陷.最后设计了仿真实验验证本文提出的算法,并将其与线性矩阵Kalman滤波算法比较.仿真结果表明,自适应矩阵Kalman滤波的姿态旋转误差角为0.6091°,标准差为0.3009°,能够有效的估计传感器量测噪声,并具有更高的姿态确定精度和稳定性.     

基于多目标遗传算法的Σ-ΔMEMS加速度计优化设计

针对单目标遗传算法设计优化高阶Σ-Δ微机电系统(Σ-ΔMEMS)加速度计时易出现的稳定性问题,提出了基于多目标遗传算法的MEMS加速度计环路滤波器优化设计方法.对三阶非限定性Σ-ΔMEMS加速度计系统,采用多目标遗传算法,将∞—范数和信噪比作为设计目标对其环路滤波器参数进行优化设计.结果表明:相比只针对信噪比进行优化的传统单目标遗传算法,多目标遗传算法在确保高信噪比的同时,提高了系统的相位裕度,使得最大稳定输入信号范围增幅超过1倍,增强了系统对MEMS敏感元件工艺误差的鲁棒性.     

基于递推最小二乘与互补滤波的姿态估计

针对基于微机电系统(MEMS)的惯性导航系统中陀螺噪声较大导致姿态漂移的问题,本文基于递推最小二乘(RLS)与互补滤波器提出一种提高姿态估计精度的方法.该方法从陀螺去噪算法和姿态解算原理两个方面提高姿态估计精度:在陀螺去噪方面,为克服传统递推最小二乘的不足,提出一种随机加权的递推最小二乘法,利用随机加权实现对偏差的估计;在姿态解算方面,在传统互补滤波器的基础上通过自适应调整比例-积分(PI)参数来调整滤波器的交接频率,最终得到陀螺积分值的高通滤波和加速度计的低通滤波的叠加.转台静态和动态实验结果表明,使用本文所提方法后,有效降低了陀螺噪声,姿态估计精度明显提升.     

基于六轴MEMS器件姿态测量系统

为了解决噪声和漂移等原因造成的误差不断累积的问题,针对陀螺仪的静态性能以及加速度计的动态性能,提出了一种利用六轴MEMS器件对照相机三脚架的稳定测量系统,介绍了MEMS器件的工作原理,介绍硬件系统和软件系统,完成了基于ADXR450陀螺仪和ADXL355加速度计的检测硬件系统设计,通过传感器获取角速度加速度信息,采用不同的滤波方式对输出结果进行了分析,比较卡尔曼滤波和一阶RC数字滤波;经比较,卡尔曼滤波实时性更好,一阶RC滤波动态响应更好;实验证明,系统静态下更适用于一阶滤波,计算出姿态测量角度误差在0.104°以内,得到理想的姿态信息,能有效地提高检测目标姿态的精度。     

一种改进的自适应中值滤波算法

在图像的平滑处理过程中,如何在噪声滤除的同时保护图像的细节一直是人们研究的热点问题。针对这一问题,在Hwang和Haddad提出的一种自适应中值滤波算法(ranked-order based adaptive median filter,RAMF)的基础上,提出了一种改进的自适应中值滤波算法。该算法在以下3方面做了改进:①对可疑噪声点实行噪声二次检测;②对高密度噪声区的噪声点利用滤窗内的信号点进行滤波;③对低密度噪声区的噪声点根据滤窗内图像的纹理走向进行滤波。仿真实验结果表明,该算法的滤波效果理想。     

小型尾坐式飞行器自适应SRUKF姿态算法

针对小型尾坐式飞行器姿态估计问题,设计了由陀螺、加速度计、磁强计组成的姿态测量系统。为了抑制MEMS陀螺漂移导致的姿态误差,以四元数为状态变量,以加速度计和磁强计的输出作为观测变量,建立了滤波模型。采用平方根无迹卡尔曼滤波(SRUKF)对传感器信息进行融合,保证了滤波算法的数值稳定性。由于小型尾坐式飞行器抗干扰能力弱,引入自适应算法,解决了量测信息受到干扰时滤波精度下降的问题,提高了系统的鲁棒性和可靠性。仿真结果表明,存在外界磁场干扰时,姿态误差小于1°。通过实际飞行实验,验证了算法的可行性。