【技术实现步骤摘要】
本专利技术涉及原子钟领域，尤其涉及一种改进经验模态的原子钟数据去噪算法。
技术介绍
1、原子钟频差数据的稳定性是表征原子钟性能的重要指标之一，是决定原子钟在钟组中权重的重要因素，因此研究如何提升原子钟频差数据的稳定性是非常必要的。原子钟频差数据的误差主要包含两类，一类是在运行时受外界影响导致的相位抖动、跳频等误差；另一类是原子钟自身运行时引入的内部噪声。工程实际中针对第一类的相位抖动、跳频等误差一般通过3σ准则判断剔除。
2、针对第二类原子钟自身运行引入的内部噪声，最初常采用国家计量科学研究院采用的平均算法，但该方法在去除噪声的同时会引起频差数据自身的失真。随着专家学者的研究发现，信号滤波算法对原子钟噪声信号处理能够在更大程度上保留数据自身的信息，因此目前常采用滤波的方法对原子钟数据的噪声进行处理。通过小波方法、vondrak方法和卡尔曼(kalman)滤波等7种方法对原子钟的噪声进行了去噪处理，其中kalman滤波计算过程复杂、计算量大，小波分析算法则会根据小波函数的不同而导致滤波效果不同，自适应性差。因此，为避免kalman滤波和小波分析的缺点，学者提出采用经验模态分解(empiricalmode decomposition，emd)的方法对钟组数据进行去噪处理，emd算法具有更高的时频分辨率和自适应性，能够尽可能多的提取信号本身的信息。
3、qu l l,li b.analysis and application of atomic clock signal based onemd[c]//2013
4、鉴于上述原因，现研发出一种改进经验模态的原子钟数据去噪算法。
技术实现思路
1、本专利技术的目的是为了克服现有技术中的不足，提供一种改进经验模态的原子钟数据去噪算法，通过对剔除粗差值之后的频差数据进行emd分解，根据皮尔逊相关系数和自相关系数确定经验模态分解后imf分量中的主导成分，将噪声主导的imf分量进行自适应卡尔曼滤波去噪处理，之后重新与其余分量构建新的信号，不仅大幅度减少了计算量，而且尽可能的保留了信号信息的完整性，极大降低了计数器等仪器噪声对原子钟频差数据的影响，为时间频率高精度传递提供了前提条件。
2、本专利技术为了实现上述目的，采用如下技术方案：一种改进经验模态的原子钟数据去噪算法，s1.将原子钟数据依据3σ准则进行粗差值剔除；s2.结合经验模态分解和自适应卡尔曼滤波对粗差值剔除后的数据进行分析；s3.根据皮尔逊相关系数和自相关系数确定经验模态分解后imf分量中的主导成分，对噪声主导的imf分量进行自适应卡尔曼滤波去噪，最终重组出新的原子钟钟差数据。
3、进一步，s1的具体流程为：
4、s1.1原子钟数据预处理：
5、原子钟数据的模型：将原子钟原始数据x(t)理想化为：
6、x(t)＝x′(t)+δ(t) (1)
7、式中，x′(t)为原子钟本身信号的数据，δ(t)为原子钟数据中的噪声；
8、s1.2异常值的剔除：
9、选用循环3σ准则判断，原子钟频差数据中粗差值完全剔除。
10、进一步，所述的s2的具体流程为：用emd算法通过对信号的筛选，将原始信号分解成不同频率的固有模函数和一个余项之后，如公式(2)所示；
11、
12、式中，为第i个imf；r为分解的余项；n为imf的总数。
13、进一步，所述的s3的具体流程为：
14、s3.1.确定前面部分imf分量的个数m
15、利用皮尔逊相关系数来确定m，皮尔逊相关系数的表达式为
16、
17、式中，为x和yi之间的相关系数，x为原子钟预处理后的频差数据，yi为emd分解后的第i个imf分量；通过相关系数判断两个变量的线性相关程度，以此来决定imf分量的主要表征成分；imf分量中噪声含量越多，则与原子钟频差数据的相关性越高，相关系数越大，根据每个imf分量与预处理后的频差数据的相关系数，相关系数数值大于0.2，则认为imf分量中的主导成分为噪声，从而确定出噪声主导的imf分量的个数m；
18、s3.2.确定中间部分imf分量的个数n
19、利用自相关函数确定n，噪声的自相关函数是一个冲激函数，imf分量与预处理后的频差数据相关，信号占imf分量的主导成分时，自相关函数不是冲激函数，呈现出强相关性，根据自相关函数的方差，确定中间部分imf分量的个数n；
20、s3.3自适应卡尔曼滤波
21、量测噪声方差阵自适应算法的系统状态空间模型如下：
22、
23、式中，xk为系统状态矩阵；zk为量测矩阵；φk/k-1、γk-1和hk为系统已知的参数矩阵；wk-1为噪声，均值为0，方差为q；vk为量测噪声，均值为0，方差未知，记为r；
24、自适应卡尔曼滤波对量测噪声处理的方程如式(5)
25、
26、式中，为状态预测；为状态估计；pk/k-1为状态预测均方误差矩阵；pk为状态估计均方误差矩阵；kk为滤波增益；为新息；βk为动态加权系数；b为渐消因子；
27、通过自适应卡尔曼滤波后的重构混合信号的imf分量、信号主导的imf分量以及余项r重新组合，得到处理后的最终频差信号，表达式如公式(6)：
28、
29、式中，x′(t)为去噪处理后得到的频差信号；f′imf为滤波后重新组成的imf分量。
30、本专利技术的有益效果是：本专利技术通过对剔除粗差值之后的频差数据进行emd分解，根据皮尔逊相关系数和自相关系数确定经验模态分解后imf分量中的主导成分，将噪声主导的imf分量进行自适应卡尔曼滤波去噪处理，之后重新与其余分量构建新的信号，不仅大幅度减少了计算量，而且尽可能的保留了信号信息的完整性，极大降低了计数器等仪器噪声对原子钟频差数据的影响，为时间频率高精度传递提供了前提条件；本专利技术未详细介绍处为现有常用技术。
本文档来自技高网...【技术保护点】
1.一种改进经验模态的原子钟数据去噪算法，其特征在于：
2.根据权利要求1所述的一种改进经验模态的原子钟数据去噪算法，其特征在于：所述的S1的具体流程为：
3.根据权利要求1所述的一种改进经验模态的原子钟数据去噪算法，其特征在于：所述的S2的具体流程为：用EMD算法通过对信号的筛选，将原始信号分解成不同频率的固有模函数和一个余项之后，如公式(2)所示；
4.根据权利要求1所述的一种改进经验模态的原子钟数据去噪算法，其特征在于：所述的S3的具体流程为：
【技术特征摘要】
1.一种改进经验模态的原子钟数据去噪算法，其特征在于：
2.根据权利要求1所述的一种改进经验模态的原子钟数据去噪算法，其特征在于：所述的s1的具体流程为：
3.根据权利要求1所述的一种改进经验模态的原子钟数据去噪算法，其特...
【专利技术属性】
技术研发人员：马晖，魏文晓，杨留超，王道酉，姜浩楠，肖涵，刘长海，廉雨倩，庞礴，赵闯，戴幻尧，
申请(专利权)人：中国人民解放军六三八九二部队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。