為了減小MEMS陀螺儀中存在的隨機誤差,結(jié)合經(jīng)驗模態(tài)分解（EMD）和變分模態(tài)分解（VMD）提出了一種隨機誤差自適應補償方法。首先通過EMD將信號分解為多個本征模態(tài)函數(shù)（IMF）,利用連續(xù)均方誤差（RMSE）和概率密度函數(shù)相似性將所有的IMF劃分為噪聲主導IMF、噪聲與信息混合IMF和信息主導IMF,并對噪聲與信息混合IMF利用軟閾值區(qū)間法（SIT）進行初步降噪;然后將有效模態(tài)個數(shù)作為VMD所需分解的帶限本征模態(tài)函數(shù)（BLIMF）個數(shù),對初步去噪后的信號利用VMD進一步去噪,將所得各BLIMF與原始信號的相關(guān)系數(shù)（CC）作為是否將模態(tài)視為噪聲模態(tài)加以舍棄的依據(jù)。為了驗證算法的有效性,對分段勻速運動下的陀螺儀信號進行實驗分析,去噪后均方根誤差為原始信號均方根誤差的0.042 2,是EMD-SIT去噪算法的68.75%。 

【文章來源】：電光與控制. 2020,27(11)北大核心CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

去噪效果

【參考文獻】：
期刊論文
[1]基于狀態(tài)擴增的MEMS陀螺隨機誤差實時濾波研究[J]. 趙明亮,汪立新,秦偉偉.  電光與控制. 2019(05)
[2]變分模態(tài)分解和熵理論在超聲信號降噪中的應用[J]. 杜必強,孫立江.  中國工程機械學報. 2017(04)
[3]基于經(jīng)驗模態(tài)概率分布的光纖陀螺信號處理[J]. 崔冰波,陳熙源,龔政仰.  中國慣性技術(shù)學報. 2015(05)
[4]基于改進小波閾值法處理MEMS陀螺信號噪聲[J]. 杜繼永,黃國榮,程洪炳,劉華偉.  電光與控制. 2009(12)



本文編號：3363900