基于经验模态分解/高阶统计法实现微机械陀螺降噪

摘要：

针对微机电系统(MEMS)陀螺存在的非线性、非平稳噪声,提出了应用经验模态分解/高阶统计(EMD-HOS)的降噪方法对MEMS陀螺进行降噪.首先,采集MEMS陀螺输出信号,根据EMD算法将信号分解成本征模态函数(IMF).采用Bootstrap技术分别估计各IMF的峰度值,进行高斯特性检验,滤除高斯IMF.接着,使用方差聚合法分别计算IMF的Hurst指数,根据Hurst指数计算阈值,对各IMF进行软阈值处理.将阈值处理后的剩余IMF进行重构,达到降噪的目的.最后,通过交叠式Allan方差分析对滤波前后数据进行处理,绘制Allan方差与相关时间关系曲线,利用非线性最小二乘拟合方法,计算陀螺噪声各项指标.实验表明,EMD-HOS和软阈值处理能够有效地对MEMS陀螺降噪,其信噪比提高了5.6 dB,各项陀螺随机噪声关键指标提高近一个量级.

关键词：MEMS陀螺、信号消噪、经验模态分解、高阶统计、本征模态函数、软阈值、Hurst指数

所属期刊栏目：24

分类号：TH712;TP391(仪器、仪表)

资助基金：国家自然科学基金资助项目51305421

在线出版日期：2016-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：574-581