本发明专利技术公布了一种基于提升小波重构层的前向线性预测去噪方法，包括利用提升小波对光纤陀螺输出信号进行多尺度分解；对分解后的近似信号和细节信号进行单支重构，得到重构后的近似信号与细节信号；对重构后的近似信号与细节信号逐层分别利用FLP方法进行去噪；对得到的逐层去噪后的信号进行重构，得到最终去噪结果。本发明专利技术通过上述处理方法，将所接收到的信号频谱分裂成不同的子带，并根据有用信号与噪声在这些子带内的不同表现特性，利用前向线性预测算法（FLP）进行去噪处理，可以有效改善去噪精度，以达到提高信噪比的目的。
【技术实现步骤摘要】
本专利技术属于惯性
中的信号处理，涉及一种光纤陀螺信号去噪方法，特别涉及一种基于提升小波(LWT)重构层的前向线性预测(FLP)去噪算法-LWT-FLP算法，适用于各种光纤陀螺仪。
技术介绍
光纤陀螺是一种新型角速率传感器，相对于传统机电陀螺，光纤陀螺无运动部件和磨损部件，因此具有可靠性高、寿命长、体积小、质量轻、功耗低、动态范围大、启动速度快以及频带范围宽等优点，因此被广泛应用于航空、航天、航海等领域。由于光纤陀螺自身的工作原理、结构特点、生产工艺和使用环境的影响，输出信号中往往存在大量随机噪声，这些随机噪声会严重影响光纤陀螺信号的精度。光纤陀螺的随机噪声主要包含两部分，一是白噪声，这是一种高频噪声，一般由使用环境引起；二是分形噪声，分形噪声主要是由光路波动导致偏置的不稳定引起的，此外，瑞利后向散射带来的相位误差、法拉第效应引起的误差，偏振器不理想引起的误差也是分形噪声产生的主要原因。 ι/f类分形噪声是分形噪声中比较重要的一类，它是一种具有长程相关性，自相似性以及 l/fr类型谱密度特点的一种非平稳随机噪声。ι/Γ类分形噪声首先是由Johnmson在电子管里发现的，被认为是一种超低频噪声。如何有效的消除这两种噪声，对于提高光纤陀螺信号的精度具有重要意义。传统的去噪方法是基于经典滤波理论的信号与噪声谱不重叠的观点，通过设置低通、高通等滤波器来剔除滤波器频带以外的噪声。但是当信号与噪声谱重叠较严重时候，难以达到良好的去噪效果，如1/T噪声即为一种超低频噪声，往往会与低频的光纤陀螺信号掺杂在一起，因此传统滤波方法无法有效的去除该类噪声。为了解决这一问题，本专利技术将提升小波变换引入到去噪算法中来，利用提升小波对光纤陀螺信号进行多尺度分解，得到不同频段下的信号，并对各频段的信号进行FLP去噪处理，以达到有效去除白噪声和分形噪声的目的。
技术实现思路
本专利技术的技术解决问题克服现有技术的不足，提出了一种基于提升小波(LWT) 重构层的前向线性预测(FLP)去噪算法-LWT-FLP算法，该方法将提升小波变换与FLP算法的优点结合在一起，能有效的去除光纤陀螺信号中的白噪声和分形噪声，且易于实现。本专利技术的技术解决方案包括如下步骤(1)利用提升小波对光纤陀螺信号进行多尺度分解利用提升小波对数据采集系统采集到的光纤陀螺信号进行多尺度分解得到分解后各层的小波系数，包括近似系数与细节系数，分解层数为η ；(2)对分解得到的逼近系数和细节系数进行单支重构对分解得到的逼近系数和细节系数进行单支重构，得到重构后的近似信号％与细节信号(Mi = 1,2, Λ,η)；(3)对重构后的逼近信号和细节信号逐层分别进行前向线性预测FLP算法去噪对步骤⑵中进行单支重构后得到的逼近信号％与细节信号d' Ji = 1，2，Λ， η)分别利用FLP算法进行去噪；(4)对步骤⑶中得到的逐层去噪后的信号进行重构重构步骤(3)中得到的FLP去噪后的近似信号a' n与细节信号d' = 1,2, A，η)，从而得到去噪后的光纤陀螺信号。所述步骤⑴中利用提升小波对信号进行多尺度分解，其小波基为haar小波，即对haar小波进行提升来作为光纤陀螺信号的分解小波基；Haar小波的解析方法如下权利要求1.，其特征在于包括如下步骤(1)利用提升小波对光纤陀螺信号进行多尺度分解利用提升小波对数据采集系统采集到的光纤陀螺信号进行多尺度分解得到分解后各层的小波系数，包括近似系数与细节系数，分解层数为η ；(2)对分解得到的逼近系数和细节系数进行单支重构对分解得到的逼近系数和细节系数进行单支重构，得到重构后的近似信号％与细节信号屯(士 = 1，2，Λ，η)；(3)对重构后的逼近信号和细节信号逐层分别进行前向线性预测FLP算法去噪对步骤O)中进行单支重构后得到的逼近信号％与细节信号dji = 1,2, Λ,η)分别利用FLP算法进行去噪；(4)对步骤(3)中得到的逐层去噪后的信号进行重构重构步骤(3)中得到的FLP去噪后的近似信号a' n与细节信号d' ,(1 = 1,2^,11), 从而得到去噪后的光纤陀螺信号。2.根据根据权利要求1所述的，其特征在于，所述步骤(1)中利用提升小波对信号进行多尺度分解，其小波基为haar小波，即对haar小波进行提升来作为光纤陀螺信号的分解小波基；Haar小波的解析方法如下3.根据权利要求1所述的，其特征在于，所述步骤( 中对近似信号和细节信号进行单支重构，其小波基选为haar小波，即对 haar小波进行提升，来作为近似信号和细节信号的的重构小波基。4.根据权利要求1所述的，其特征在于，所述步骤(3)中利用FLP算法进行去噪处理，其去噪过程是在信号的重构层进行的， 即首先对提升小波分解后得到的逼近信号和细节信号进行单支重构，然后对单支重构后的信号进行FLP去噪处理。5.根据权利要求1所述的，其特征在于，所述步骤(3)中对多尺度分解得到的逼近信号和细节信号逐层分别进行FLP去噪，其 FLP滤波器预测阶数选为30。6.根据权利要求1所述的，其特征在于，所述步骤(3)中对多尺度分解得到的逼近信号和细节信号逐层分别进行FLP去噪，其 FLP滤波器中的步长选择遵循下面公式A=^l-expH^2)]，Ej = E。其中μ」 为不同频段下的步长，j = 1,2, Λ，η，&为第j频段内FLP绝对误差的均值。7.根据权利要求1所述的，其特征在于，所述步骤⑷中对FLP去噪后的近似信号a' n与细节信号d' i(i = 1,2, Λ, η)进行重构，其重构方法为逼近信号a' n与细节信号d' i(i = 1，2，Λ，η)直接相加，相加结果即为利用LWT-FLP算法去噪后的光纤陀螺信号。全文摘要本专利技术公布了，包括利用提升小波对光纤陀螺输出信号进行多尺度分解；对分解后的近似信号和细节信号进行单支重构，得到重构后的近似信号与细节信号；对重构后的近似信号与细节信号逐层分别利用FLP方法进行去噪；对得到的逐层去噪后的信号进行重构，得到最终去噪结果。本专利技术通过上述处理方法，将所接收到的信号频谱分裂成不同的子带，并根据有用信号与噪声在这些子带内的不同表现特性，利用前向线性预测算法(FLP)进行去噪处理，可以有效改善去噪精度，以达到提高信噪比的目的。文档编号G01C19/72GK102252669SQ20111009795公开日2011年11月23日 申请日期2011年4月19日 优先权日2011年4月19日专利技术者申冲, 陈熙源 申请人:东南大学本文档来自技高网...
【技术保护点】
１．一种基于提升小波重构层的前向线性预测去噪方法，其特征在于包括如下步骤：（１）：利用提升小波对光纤陀螺信号进行多尺度分解利用提升小波对数据采集系统采集到的光纤陀螺信号进行多尺度分解得到分解后各层的小波系数，包括近似系数与细节系数，分解层数为ｎ；（２）：对分解得到的逼近系数和细节系数进行单支重构对分解得到的逼近系数和细节系数进行单支重构，得到重构后的近似信号ａｎ与细节信号ｄｉ（ｉ＝１，２，Λ，ｎ）；（３）：对重构后的逼近信号和细节信号逐层分别进行前向线性预测ＦＬＰ算法去噪对步骤（２）中进行单支重构后得到的逼近信号ａｎ与细节信号ｄｉ（ｉ＝１，２，Λ，ｎ）分别利用ＦＬＰ算法进行去噪；（４）：对步骤（３）中得到的逐层去噪后的信号进行重构重构步骤（３）中得到的ＦＬＰ去噪后的近似信号ａ′ｎ与细节信号ｄ′ｉ（ｉ＝１，２，Λ，ｎ），从而得到去噪后的光纤陀螺信号。
【技术特征摘要】
【专利技术属性】
技术研发人员：陈熙源，申冲，
申请(专利权)人：东南大学，
类型：发明
国别省市：84
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。