基于改进集合经验模态分解的陀螺信号降噪方法
发布时间：2021-12-12 09:49
为了抑制陀螺仪的非线性、非平稳噪声,提出了一种改进的基于集合经验模态分解（EEMD）的降噪方法EEMD-M。首先,通过EEMD阈值滤波得到信息主导和噪声主导的固有模态函数（IMF）分量;将EEMD应用于第一次阈值滤波中被丢弃的IMF分量,提取信号的细节信息;采用去趋势波动分析（DFA）法定义每一个IMF分量的尺度指数,实现二次分解中有用分量的进一步提取;将两次滤波得到的有用IMF分量进行重构,得到降噪后的信号。为了验证EEMD-M的有效性,进行了实测数据的降噪实验。结果表明所提EEMD-M优于经验模态分解（EMD）降噪、DFA-EMD降噪、EEMD降噪和小波分析方法。实测数据的均方误差降低了82.9%,随机漂移得到明显抑制,这验证了EEMD-M的可行性和优越性,提高了微机电系统陀螺在光学图像处理中的稳定性和可靠性。
【文章来源】：激光与光电子学进展. 2020,57(15)北大核心CSCD
【文章页数】：8 页
【部分图文】：
信噪比为5dB的Blocks信号经EEMD后的结果。（a）含噪信号；（b)IMF分量；（c）残余分量和部分IMF分量
对于传统的基于EMD或EEMD的降噪方法，第一个高频IMF分量含有最少的原始信号的信息，因此在降噪处理时，高频分量通常被舍弃。尽管众多学者已研究出很多方法来寻找IMF各分量有用信号和噪声信号的临界点位置，但一旦某IMF分量被认定为噪声主导的分量，通常会被舍弃。在充分利用EEMD优势的基础上，考虑到被丢弃的IMF分量中可能包含原信号的有用信息，如直接将噪声主导的IMF分量丢弃，其中包含的有用成分也将被丢弃，进而影响降噪效果。本文提出的EEMD-M通过对信号进行进一步分解，提取尚存的有用信息，引入DFA方法，再次筛选重构信号，以提高降噪效果。图2是EEMD-M的原理框图。由图2可知，优化的EEMD-M首先对原始含噪信号y(n）进行EEMD，得到第一次分解的IMF分量，记为u1i(n）。再利用相关系数原理对其进行阈值滤波。相关系数的计算方法如下：
由图3可知，前3阶IMF分量的相关系数呈递减趋势，第4阶相关系数陡然增大。因此认为前3阶分量是噪声占主导的高频分量，这与EEMD的原理相吻合。EEMD-M引入DFA理论，将被丢弃的成分进行二次分解。通过DFA理论计算第二次分解所得各个分量的尺度值，以此进一步筛选出有用信息。用（8）、（9）式确定第二次分解中噪声分量和有用分量的临界IMF分量序数值kλ*，进而得到二次滤波后的有用分量：有用IMF分量u2i(n）和残余分量rM2(n），用（10）、（11）式重构第一次滤波和第二次滤波所得到的有用分量，得到降噪后的信号y′（n）。本文将EEMD-M与小波软阈值降噪、基于CMSE理论的EMD降噪[11]、DFA-EMD降噪[17]和EEMD降噪进行对比。为评价本文提出的EEMD-M，表1列出了Blocks测试信号下，EEMD-M与其他4种算法的仿真结果。输入信噪比范围为1～15dB。
【参考文献】：
期刊论文
[1]光纤入侵信号的特征提取与识别算法[J]. 曲洪权,宫殿君,张常年,王彦平. 激光与光电子学进展. 2019(13)
[2]基于经验模态分解的可调谐半导体激光吸收光谱中干涉条纹的抑制[J]. 郭心骞,邱选兵,季文海,邵李刚,刘淑平,李传亮,马维光. 激光与光电子学进展. 2018(11)
[3]基于交替三线性分解的芳烃类化合物荧光光谱[J]. 王玉田,刘凌妃,王书涛,张正帅. 激光与光电子学进展. 2018(09)
[4]Rayleigh-Raman-Mie激光雷达探测南京北郊对流层气溶胶光学特性[J]. 虞历尧,曹念文,沈吉. 激光与光电子学进展. 2018(11)
[5]Research on fiber optic gyro signal de-noising based on wavelet packet soft-threshold[J]. Qian Huaming & Ma Jichen Coll.of Automation,Harbin Engineering Univ.,Harbin 150001,P.R.China. Journal of Systems Engineering and Electronics. 2009(03)
本文编号：3536454
【文章来源】：激光与光电子学进展. 2020,57(15)北大核心CSCD
【文章页数】：8 页
【部分图文】：
信噪比为5dB的Blocks信号经EEMD后的结果。（a）含噪信号；（b)IMF分量；（c）残余分量和部分IMF分量
对于传统的基于EMD或EEMD的降噪方法，第一个高频IMF分量含有最少的原始信号的信息，因此在降噪处理时，高频分量通常被舍弃。尽管众多学者已研究出很多方法来寻找IMF各分量有用信号和噪声信号的临界点位置，但一旦某IMF分量被认定为噪声主导的分量，通常会被舍弃。在充分利用EEMD优势的基础上，考虑到被丢弃的IMF分量中可能包含原信号的有用信息，如直接将噪声主导的IMF分量丢弃，其中包含的有用成分也将被丢弃，进而影响降噪效果。本文提出的EEMD-M通过对信号进行进一步分解，提取尚存的有用信息，引入DFA方法，再次筛选重构信号，以提高降噪效果。图2是EEMD-M的原理框图。由图2可知，优化的EEMD-M首先对原始含噪信号y(n）进行EEMD，得到第一次分解的IMF分量，记为u1i(n）。再利用相关系数原理对其进行阈值滤波。相关系数的计算方法如下：
由图3可知，前3阶IMF分量的相关系数呈递减趋势，第4阶相关系数陡然增大。因此认为前3阶分量是噪声占主导的高频分量，这与EEMD的原理相吻合。EEMD-M引入DFA理论，将被丢弃的成分进行二次分解。通过DFA理论计算第二次分解所得各个分量的尺度值，以此进一步筛选出有用信息。用（8）、（9）式确定第二次分解中噪声分量和有用分量的临界IMF分量序数值kλ*，进而得到二次滤波后的有用分量：有用IMF分量u2i(n）和残余分量rM2(n），用（10）、（11）式重构第一次滤波和第二次滤波所得到的有用分量，得到降噪后的信号y′（n）。本文将EEMD-M与小波软阈值降噪、基于CMSE理论的EMD降噪[11]、DFA-EMD降噪[17]和EEMD降噪进行对比。为评价本文提出的EEMD-M，表1列出了Blocks测试信号下，EEMD-M与其他4种算法的仿真结果。输入信噪比范围为1～15dB。
【参考文献】：
期刊论文
[1]光纤入侵信号的特征提取与识别算法[J]. 曲洪权,宫殿君,张常年,王彦平. 激光与光电子学进展. 2019(13)
[2]基于经验模态分解的可调谐半导体激光吸收光谱中干涉条纹的抑制[J]. 郭心骞,邱选兵,季文海,邵李刚,刘淑平,李传亮,马维光. 激光与光电子学进展. 2018(11)
[3]基于交替三线性分解的芳烃类化合物荧光光谱[J]. 王玉田,刘凌妃,王书涛,张正帅. 激光与光电子学进展. 2018(09)
[4]Rayleigh-Raman-Mie激光雷达探测南京北郊对流层气溶胶光学特性[J]. 虞历尧,曹念文,沈吉. 激光与光电子学进展. 2018(11)
[5]Research on fiber optic gyro signal de-noising based on wavelet packet soft-threshold[J]. Qian Huaming & Ma Jichen Coll.of Automation,Harbin Engineering Univ.,Harbin 150001,P.R.China. Journal of Systems Engineering and Electronics. 2009(03)
本文编号：3536454
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3536454.html
