姿态传感器中基于遗传算法的小波去噪研究

发布时间：2017-09-30 19:30

  本文关键词：姿态传感器中基于遗传算法的小波去噪研究

  更多相关文章： 姿态传感器 小波去噪 阈值函数 遗传算法

【摘要】：车体的姿态角度是姿态测量系统中最核心也是最需要解决的问题,其测量结果的准确性会直接影响到火炮系统的决策,从而影响到武器打击目标的能力。但在复杂的战场环境中对姿态角度进行测量时容易引入各种干扰信号,如加速度,振动,电磁以及高斯白噪声等,这就要求我们在使用测量到的结果时需对信号进行去噪处理,而小波分析理论由于能同时对信号进行时域和频域的分析,可以有效的去除信号中的噪声干扰。本文首先从新型高精度姿态传感器的电路设计方面入手,对姿态传感器的电路设计部分进行了相应的阐述,分析了系统结构中易受外部信号干扰的部分。然后介绍了小波分析理论的最新发展现况,对小波去噪的相关理论和方法进行了详细的说明,并从小波阈值去噪处理方面的内容出发,针对传统小波硬阈值函数和软阂值函数去噪方法的不足,提出了一种基于幂指函数模型的小波阈值函数,并检验比较了不同阂值函数对目标信号的去噪效果。同时由于小波函数是一个函数集合系,因此为了既能够有效地去除噪声,又尽量保证原始信号不被损失,这就需要选取合适的小波函数对原始信号进行小波分解与小波重构。在其他条件相同的情况下,分别对原始信号和含噪信号用不同的小波函数进行去噪处理后,利用基于信噪比(SNR)的系数σ来评估小波函数的适用性。最后,充分利用小波变换多尺度多分辨率的特点,提出了一种运用小波理论中的广义交叉确认准则,结合遗传法算法全局优化概率搜索特性,来求解原始信号经小波变换后每个尺度上最优阈值的方法,使得该阈值可以根据多尺度多分辨率的特性进行自适应调整,并最终将该方法应用到倾角传感器因加速度所引起的信号畸变问题中去。实验结果表明,对于倾角传感器的输出电压信号而言,新的去噪方法跟传统的小波阈值去噪方法相比,能够更为有效的抑制信号中的畸变干扰,使信号电压的波动范围不超过1V,并将畸变的最大峰值电压由最初的5V控制到了3.5V以内,基本达到了对畸变干扰进行抑制的目的,同时对信号噪声的细节处理也更为优越。
【关键词】：姿态传感器 小波去噪 阈值函数 遗传算法
【学位授予单位】：西安工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TJ810.3;TN911.4
【目录】：

• 摘要3-5
• Abstract5-9
• 1 绪论9-12
• 1.1 论文研究背景9
• 1.2 小波去噪的研究发展现状9-10
• 1.3 遗传算法的研究发展现状10-11
• 1.4 研究目的及主要内容11-12
• 1.4.1 研究目的11
• 1.4.2 研究主要内容11-12
• 2 姿态传感器的结构设计12-17
• 2.1 姿态传感器的工作原理12
• 2.2 姿态传感器的主要技术指标12-13
• 2.2.1 角度测量范围12-13
• 2.2.2 测量精度13
• 2.2.3 分辨率13
• 2.2.4 系统响应时间13
• 2.2.5 工作电压与电流13
• 2.3 姿态传感器的电路设计13-15
• 2.4 倾角传感器15-16
• 2.5 本章小结16-17
• 3 小波分析相关理论17-26
• 3.1 傅里叶变换与小波变换17-21
• 3.1.1 傅里叶变换17-19
• 3.1.2 小波变换19-20
• 3.1.3 傅里叶变换与小波变换的比较20-21
• 3.2 连续小波变换21
• 3.3 离散小波变换21-23
• 3.4 多分辨率分析23-25
• 3.5 本章小结25-26
• 4 小波阈值函数去噪法的改进26-40
• 4.1 小波阈值去噪的基本原理26-28
• 4.2 阈值函数的改进28-31
• 4.3 基本小波函数的选择31-36
• 4.4 不同阈值选取规则的比较36-37
• 4.5 广义交叉确认准则GCV37-39
• 4.6 本章小结39-40
• 5 基于遗传算法的小波去噪40-54
• 5.1 遗传算法的概念40-41
• 5.2 遗传算法的特点41-42
• 5.2.1 遗传算法的优点41
• 5.2.2 遗传算法的不足41-42
• 5.3 遗传算法的基本原理42-48
• 5.3.1 编码42
• 5.3.2 初始群体的设定42
• 5.3.3 适应度函数42-43
• 5.3.4 遗传操作43-47
• 5.3.5 算法控制参数47
• 5.3.6 中止条件47-48
• 5.4 遗传算法在小波去噪的应用48-53
• 5.4.1 自适应遗传算法48-50
• 5.4.2 利用自适应遗传算法求解小波阈值50-52
• 5.4.3 性能比较52-53
• 5.5 本章小结53-54
• 6 姿态传感器中的小波去噪处理54-62
• 6.1 基于虚拟仪器技术的信号采集54-58
• 6.1.1 虚拟仪器概述54
• 6.1.2 实验室虚拟仪器工作平台54-55
• 6.1.3 数据采集55-58
• 6.2 传感器信号分析58-60
• 6.3 传感器信号去噪60-61
• 6.4 本章小结61-62
• 7 结论62-63
• 参考文献63-66
• 攻读硕士学位期间发表的论文66-67
• 致谢67-69

【参考文献】

中国期刊全文数据库 前6条

1 赵治栋;陈裕泉;;广义小波收缩消噪阈值选择及应用研究[J];传感技术学报;2007年03期

2 李玲玲,蒋栋,王广健,杨占力,李志刚;小波理论的基本思想及其发展、应用与展望[J];淮北煤师院学报(自然科学版);2002年01期

3 吴艳;郑学理;曾志强;张侃谕;;倾角传感器温度特性研究[J];电子测量技术;2012年10期

4 葛继科;邱玉辉;吴春明;蒲国林;;遗传算法研究综述[J];计算机应用研究;2008年10期

5 席裕庚，，柴天佑，恽为民;遗传算法综述[J];控制理论与应用;1996年06期

6 王剑平;张捷;;小波变换在数字图像处理中的应用[J];现代电子技术;2011年01期

中国硕士学位论文全文数据库 前3条

1 吕瑞兰;小波阈值去噪的性能分析及基于能量元的小波阈值去噪方法研究[D];浙江大学;2003年

2 闫妍;一种新的自适应遗传算法[D];哈尔滨工程大学;2007年

3 黄忠来;倾角传感器信号的小波分析与处理[D];贵州大学;2008年

本文编号：950006