發(fā)布時間：2022-02-15 02:47

　　針對MEMS IMU誤差累積問題,在對誤差分析建模的基礎上,利用其高低頻和時序特性,研究了一種小波變換和長短時記憶神經(jīng)網(wǎng)絡相結(jié)合的去噪方法。首先通過Allan方差分析IMU輸出誤差特性,構(gòu)造誤差模型,其次借助小波變換將IMU誤差分解為高低頻成分,分別利用小波閾值去噪和長短時記憶網(wǎng)絡建模來降低噪聲,最后以小波重構(gòu)方法得到去噪后的IMU測量值。將此方法應用于6D激光標靶和IMU組合測量系統(tǒng)的姿態(tài)解算,經(jīng)過比對實驗,能夠有效分離隨機誤差頻率特性,進一步消除高頻噪聲,優(yōu)化姿態(tài)誤差,提升組合系統(tǒng)動態(tài)性能。 

【文章來源】：傳感技術(shù)學報. 2020,33(05)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

六自由度組合測量系統(tǒng)整體結(jié)構(gòu)

LSTM層學習時間序列中的時間步長和序列數(shù)據(jù)之間的長期相關性[17]。該層的狀態(tài)包括隱藏狀態(tài)h(也稱為輸出狀態(tài))和單元狀態(tài)c,在時間步t處的隱藏狀態(tài)h包含用于該時間步的LSTM輸出。單元狀態(tài)c包含從先前的時間步獲知的信息。圖2為LSTM結(jié)構(gòu)單元。在每個時間步中,LSTM層將信息添加到單元狀態(tài)或從單元狀態(tài)移除信息,并使用“門”控制這些更新。單元狀態(tài)c和隱藏狀態(tài)h由以下組件控制,如表1所示。

結(jié)合IMU誤差的高低頻及時序特性,將IMU降噪問題轉(zhuǎn)化成對IMU誤差離散小波分解的子序列進行分析,因為頻率子序列的時序關系和規(guī)律性比原序列更強[18]�？紤]到小波降噪可以有效消除高頻白噪聲,時序建模可以預測時序相關的低頻噪聲,因此,本文提出了WT-LSTM組合模型用于IMU降噪。激光靶與IMU組合測量系統(tǒng)采用的IMU隨機誤差主要為隨機游走誤差和零偏不穩(wěn)定性。隨機游走誤差表現(xiàn)為高頻白噪聲,對誤差的高頻部分進行小波閾值去噪;而零偏不穩(wěn)定性表現(xiàn)為與時間相關的低頻誤差,通過LSTM時序建模來消除。如圖3所示,進行多層小波分解,綜合考慮降噪能力和計算量問題,高斯白噪聲主要集中于小波分解的高頻層,同時,過多的LSTM網(wǎng)絡訓練會提高計算量,限制去噪方法的實時應用,因此,對第一層高頻細節(jié)系數(shù)進行閾值去噪,對最后一層低頻逼近系數(shù)進行LSTM網(wǎng)絡訓練,通過預測結(jié)果降噪。最后將高低頻輸出連接起來,得到降噪后的IMU值。3 實驗

【參考文獻】：
期刊論文
[1]改進的小波閾值函數(shù)在沖擊加速度信號處理中的應用[J]. 張穎,李廣武,楊建宏,郭小帆.  傳感技術(shù)學報. 2019(03)
[2]基于序列相關和小波變換的加速度計信號降噪[J]. 董雅雯,王建林,魏青軒,邱科鵬,趙利強.  傳感技術(shù)學報. 2019(02)
[3]基于小波分析的MEMS加速度計去噪優(yōu)化算法[J]. 李世銀,張楠,武中文,王洪梅.  傳感技術(shù)學報. 2018(05)
[4]基于激光標靶和捷聯(lián)慣導系統(tǒng)組合位姿測量方法[J]. 郭慶堯,林嘉睿,任永杰,高揚.  激光與光電子學進展. 2018(01)
[5]小波閾值去噪法在MEMS陀螺儀信號降噪中的應用[J]. 宋麗君,秦永元,楊鵬翔.  測試技術(shù)學報. 2009(01)



本文編號：3625758