惯性传感器信号重构方法技术

本发明专利技术公开了一种惯性传感器信号重构方法，首先，利用量子编码的叠加性构造蜜源，通过量子旋转门更新量子蜜蜂的搜寻方式，加速最优蜜源的搜索进程；然后针对量子蜂群算法易陷入局部最优的缺陷，引入一种自适应的量子交叉和量子变异方法对算法进行改进以产生新蜜源，提高种群多样性，避免算法陷入局部最优；进而选出与惯性传感器信号最为匹配的蜜源以完成信号的重构，实现在提高惯性传感器信号输出精度的同时满足信号实时处理的要求。本发明专利技术在缩短运行时间的同时，还提高了信号的信噪比，有利于惯性传感器信号的实时处理。

Inertial sensor signal reconstruction method

The present invention discloses a kind of inertial sensor signal reconstruction method, firstly, using the superposition of quantum structure encoding nectar, the bees by updating quantum quantum search mode, accelerate the process of searching the optimal nectar; then according to quantum artificial bee colony algorithm is easy to fall into the local optimum defects, improve to produce new nectar introduced an adaptive quantum crossover and mutation method of quantum algorithm, to improve the population diversity and avoid the algorithm into a local optimum; and then select the inertial sensor signal to match most nectar to complete the reconstruction of the signal, the output signal of the sensor in inertial accuracy and meet the need of real time signal processing. The invention improves the signal to noise ratio of the signal at the same time, and is favorable for the real-time processing of the inertial sensor signal.

【技术实现步骤摘要】

本专利技术涉及信号处理
，具体涉及一种惯性传感器信号重构方法。
技术介绍
随着科技的迅猛发展，惯性导航技术作为现代科技的一门尖端技术得到了广泛应用。惯性传感器是用来解决导航、定向和运动载体控制的核心部件，主要负责检测和测量加速度、倾斜、振动以及多自由度运动，其精度对惯性导航系统的性能有至关重要的作用。由于惯性传感器直接与载体相连，外界的干扰和随机噪声是影响惯性传感器信号输出精度的主要原因。随着对信号处理的要求不断提高，各领域对惯性传感器信号的处理精度和速度要求越来越高。因此，如何尽可能地提高惯性传感器的精度，有效抑制噪声，是长期以来的研究热点。惯性传感器信号一般为低频或者比较平稳的信号，能进行稀疏表示，从而可以将匹配追踪算法(MatchingPursuit,MP)用于惯性传感器的信号的重构处理。MP重构算法是利用迭代的方式，从高度冗余的过完备原子库中筛选出与待分解信号最佳匹配的原子，然后将待分解信号分解为最佳匹配原子表征的分量和残差信号，对最佳匹配后的残差信号进行反复迭代，直到达到终止条件，最后利用得到的稀疏解来实现信号重构。但是，由于MP算法在实际应用中存在计算量大，计算复杂度高等缺陷，因而在保证惯性传感器的精度的前提下，难以完成惯性传感器的信号的实时重构处理。
技术实现思路
本专利技术所要解决的技术问题是现有MP算法存在计算量巨大的问题，提供一种惯性传感器信号重构方法，其将量子蜂群算法与MP重构算法相结合，使得最优问题的求解速度大大加快，以实现在提高惯性传感器信号输出精度的同时满足信号实时处理的要求，进而完成惯性传感器信号的实时处理。为解决上述问题，本专利技术是通过以下技术方案实现的：一种惯性传感器信号重构方法，包括如下步骤：步骤1、设量子蜂群的数目为N，其中N个量子蜂群包含n1个量子雇佣蜂和n2个量子跟随蜂，n1+n2＝N；随机生成N个与量子蜂群对应的初始蜜源；设迭代次数t＝1，设最大搜索次数为Q；步骤2、计算初始蜜源的适应度值，并记录蜂群的全局最优蜜源、雇佣蜂的局部最优蜜源和跟随蜂的局部最优蜜源；步骤3、通过引入当前雇佣蜂的局部最优蜜源和蜂群的全局最优蜜源来控制量子旋转角的方向，采用量子旋转门操作的方式对量子雇佣蜂所对应的蜜源进行更新；搜寻结束后，计算新蜜源的适应度值，如果新蜜源的适应度值大于旧蜜源的适应度值，则用新蜜源代替旧蜜源，否则持旧蜜源不变；步骤4、所有量子雇佣蜂搜索结束后，量子跟随蜂根据量子雇佣蜂反馈的信息，采用轮盘赌的方式选择蜜源，确定蜜源后，通过引入当前跟随蜂的局部最优蜜源、雇佣蜂的局部最优蜜源和蜂群的全局最优蜜源来控制量子旋转角的方向，采用量子旋转门操作的方式对量子跟随蜂所对应的蜜源进行更新；搜寻结束后，计算新蜜源的适应度值，如果新蜜源的适应度值大于旧蜜源的适应度值，则用新蜜源代替旧蜜源，否则持旧蜜源不变；步骤5、判断蜜源是否陷入局部最优，即如果连续Q次循环之后，雇佣蜂的局部最优蜜源一直没有改变，则说明陷入局部最优，那么采用自适应概率调整方法得到新蜜源，以取代陷入局部最优的蜜源，迭代次数t加1，并返回步骤3；否则，直接进入步骤6；步骤6、确定当前蜂群的全局最优蜜源，记录其参数向量位置，并计算惯性传感器信号的残余分量；步骤7、判断惯性传感器信号的残余分量是否小于预定的重建精度；若小于重建精度，则停止迭代，并输出蜂群的全局最优蜜源，以完成惯性传感器信号的重构；否则，返回步骤3。上述步骤5中，所述自适应概率调整方法为自适应量子均匀交叉方法和/或自适应量子非门变异方法。上述步骤5中，自适应量子均匀交叉方法中的交叉概率为：式中，Pc为交叉概率，分别为第t代蜂群的全局最优蜜源的适应度值和雇佣蜂的局部最优蜜源的适应度值，fit'为随机抽出的进行交叉运算的蜜源适应度值，Pc1和Pc2为设定的交叉概率值。上述步骤5中，自适应量子非门变异方法中的变异概率为：式中，Pm为变异概率，分别为第t代蜂群的全局最优蜜源的适应度值和雇佣蜂的局部最优蜜源的适应度值，fit为变异个体的蜜源适应度值，Pm1和Pm2为设定的变异概率值。本专利技术将量子蜂群算法引入到MP重构算法中，其结合MP算法和量子蜂群算法各自特点，可以加快计算速度，容易实现，便于扩展；与现有重构方法相比，在缩短运行时间的同时，还提高了重构后信号的信噪比，有利于惯性传感器信号的实时处理。附图说明图1为本专利技术惯性传感器信号重构方法的流程图。图2为Simulink中S-函数的数据交换示意图。具体实施方式下面结合附图对本专利技术做进一步的说明。含噪的惯性传感器信号f由两部分组成f＝x+ε，其中x为真实无噪信号，具有稀疏性，可分解x＝DΘ，D和Θ分别对应信号稀疏分解的原子库和稀疏系数，ε为噪声信号，由于无噪的惯性传感器信号是有一定结构的，噪声信号的结构与无噪信号不相同或者根本没有结构，所以无噪信号可以在该类原子组成的原子库上稀疏表示，噪声信号不能，进而将真实信号和噪声区分开来，最终利用原子库中得到的稀疏解完成真实无噪信号x的重构，同时实现信号的滤波。常用的惯性传感器信号一般为低频或者比较平稳的信号，能进行稀疏表示，从而可以将MP重构用于惯性传感器的信号处理，又MP重构在最优化问题求解上计算量太大，而蜂群算法实际上是最优化问题的智能求解，处理速度较快，所以可以将量子蜂群算法用于惯性传感器信号的MP重构处理。MP重构过程中，在过完备原子库D＝{gγ本文档来自技高网...

【技术保护点】
一种惯性传感器信号重构方法，其特征是，包括如下步骤：步骤1、设量子蜂群的数目为N，其中N个量子蜂群包含n1个量子雇佣蜂和n2个量子跟随蜂，n1+n2＝N；随机生成N个与量子蜂群对应的初始蜜源；设迭代次数t＝1，设最大搜索次数为Q；步骤2、计算初始蜜源的适应度值，并记录蜂群的全局最优蜜源、雇佣蜂的局部最优蜜源和跟随蜂的局部最优蜜源；步骤3、通过引入当前雇佣蜂的局部最优蜜源和蜂群的全局最优蜜源来控制量子旋转角的方向，采用量子旋转门操作的方式对量子雇佣蜂所对应的蜜源进行更新；搜寻结束后，计算新蜜源的适应度值，如果新蜜源的适应度值大于旧蜜源的适应度值，则用新蜜源代替旧蜜源，否则持旧蜜源不变；步骤4、所有量子雇佣蜂搜索结束后，量子跟随蜂根据量子雇佣蜂反馈的信息，采用轮盘赌的方式选择蜜源，确定蜜源后，通过引入当前跟随蜂的局部最优蜜源、雇佣蜂的局部最优蜜源和蜂群的全局最优蜜源来控制量子旋转角的方向，采用量子旋转门操作的方式对量子跟随蜂所对应的蜜源进行更新；搜寻结束后，计算新蜜源的适应度值，如果新蜜源的适应度值大于旧蜜源的适应度值，则用新蜜源代替旧蜜源，否则持旧蜜源不变；步骤5、判断蜜源是否陷入局部最优，即如果连续Q次循环之后，雇佣蜂的局部最优蜜源一直没有改变，则说明陷入局部最优，那么采用自适应概率调整方法得到新蜜源，以取代陷入局部最优的蜜源，迭代次数t加1，并返回步骤3；否则，直接进入步骤6；步骤6、确定当前蜂群的全局最优蜜源，记录其参数向量位置，并计算惯性传感器信号的残余分量；步骤7、判断惯性传感器信号的残余分量是否小于预定的重建精度；若小于重建精度，则停止迭代，并输出蜂群的全局最优蜜源，以完成惯性传感器信号的重构；否则，返回步骤3。...

【技术特征摘要】
1.一种惯性传感器信号重构方法，其特征是，包括如下步骤：步骤1、设量子蜂群的数目为N，其中N个量子蜂群包含n1个量子雇佣蜂和n2个量子跟随蜂，n1+n2＝N；随机生成N个与量子蜂群对应的初始蜜源；设迭代次数t＝1，设最大搜索次数为Q；步骤2、计算初始蜜源的适应度值，并记录蜂群的全局最优蜜源、雇佣蜂的局部最优蜜源和跟随蜂的局部最优蜜源；步骤3、通过引入当前雇佣蜂的局部最优蜜源和蜂群的全局最优蜜源来控制量子旋转角的方向，采用量子旋转门操作的方式对量子雇佣蜂所对应的蜜源进行更新；搜寻结束后，计算新蜜源的适应度值，如果新蜜源的适应度值大于旧蜜源的适应度值，则用新蜜源代替旧蜜源，否则持旧蜜源不变；步骤4、所有量子雇佣蜂搜索结束后，量子跟随蜂根据量子雇佣蜂反馈的信息，采用轮盘赌的方式选择蜜源，确定蜜源后，通过引入当前跟随蜂的局部最优蜜源、雇佣蜂的局部最优蜜源和蜂群的全局最优蜜源来控制量子旋转角的方向，采用量子旋转门操作的方式对量子跟随蜂所对应的蜜源进行更新；搜寻结束后，计算新蜜源的适应度值，如果新蜜源的适应度值大于旧蜜源的适应度值，则用新蜜源代替旧蜜源，否则持旧蜜源不变；步骤5、判断蜜源是否陷入局部最优，即如果连续Q次循环之后，雇佣蜂的局部最优蜜源一直没有改变，则说明陷入局部最优，那么采用自适应概率调整方法得到新蜜源，以取代陷入局部最优的蜜源，迭代次数t加1，并返回步骤3；否则，直接进入步骤6；步骤6、确定当前蜂群的全局最优蜜源，记录其参数向量位置，并计算惯性传感器信号的残余分...

【专利技术属性】
技术研发人员：蒋行国，罗珍珍，李海鸥，陈永和，李琦，张法碧，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45