[发明专利]一种基于小波熵的微机电陀螺信息融合系统及方法

权利要求书

1.一种基于小波熵的微机电陀螺信息融合系统，其特征在于，包括：

微机电陀螺阵列模块（1），用于测量微机电陀螺信号；

数据预处理和统计分析模块（2），用于对所述微机电陀螺阵列模块（1）的输出的各个微机电陀螺的信号进行预滤波、奇异点剔除和统计特性计算；

小波熵分析与计算模块（3），用于对经过所述数据预处理和统计分析模块（2）处理后的微机电陀螺的信号进行小波熵分析并得到微机电陀螺信号的小波熵；

信号加权融合模块（4），所述信号加权融合模块（4）以所述小波熵分析与计算模块（3）得到的微机电陀螺信号的小波熵作为加权系数，对经过所述数据预处理和统计分析模块（2）处理后的微机电陀螺的信号进行信息融合，输出融合后的组合微机电陀螺信号。

2.一种基于小波熵的微机电陀螺信息融合方法，其特征在于，包括以下步骤：

步骤1：测量各个微机电陀螺的信号，得到各个微机电陀螺的原始信号；

步骤2：对步骤1所述各个微机电陀螺的原始信号进行预滤波、奇异点剔除和统计特性计算，得到预处理后的信号X；

步骤3：对经过步骤2得到的信号X进行多尺度小波熵分析，得到所述信号X的小波熵；

步骤4：以步骤3得到的小波熵作为加权系数，对经过步骤2得到信号X进行信息融合，输出融合后的组合微机电陀螺信号。

3.根据权利要求2所述的微机电陀螺信息融合方法，其特征在于，所述步骤2包括以下步骤：

步骤21：用FIR结构的数字滤波器对所述各个微机电陀螺的原始信号进行预滤波处理；

步骤22：用3σ法则或拉依达准则对所述各个微机电陀螺的原始信号进行奇异点剔除；

步骤23：计算得到所述各个微机电陀螺的原始信号的统计特性，所述统计特性包括均值和方差。

4.根据权利要求2所述的微机电陀螺信息融合方法，其特征在于，所述步骤3包括以下步骤：

步骤31：选择具有正交性的小波基，将所述信号X在J个尺度上进行正交分解，所述正交分解的方法是用一组高通和低通镜像滤波器对信号进行逐步分解，用低通滤波器产生信号的低频分量，用高通滤波器产生信号的高频分量，所述低频分量即近似信号V_j(j=1,2,..,J)，所述高频分量即细节信号W_j(j=1,2,..,J)，则过J层分解后，所述信号X表示为互相正交的分量，即：

X=W1+V1=W1+W2+V2=···=Σj=1JWj+VJ]]>

步骤32：将步骤31得到的用互相正交的分量表示的信号X分解为：

||X||2=Σj=1J||Wj||2+||VJ||2]]>

再计算基于信号X的方差，得到：

σx2=1NΣn=1N(X-X‾)2≈1NΣn=1NX2-X‾2=1NΣn=1N(Σj=1J||Wj||2+||VJ||2)-X‾2]]>

其中，近似信号V_J是的逼近，细节信号W_j是尺度j上的小波系数矢量，记为：

W_j=(w_j1，w_j2，...,w_jn)，W_j∈Rⁿ

矢量元素w_ji(i＝1,2,..,n)为小波系数，各个尺度的系数矢量构成一个矢量序列{W₁,W₂,…,W_J}；

步骤33：用Rⁿ空间中矢量的范数来衡量步骤32中所述系数矢量的接近程度，得到定义在尺度j上的小波方差：

Ej=||Wj||2=(Σi=1n|Wji|2)1/2]]>

这样，将不同尺度上的小波系数的矢量序列{W_j}变换成了范数序列{||W_j||}，通过利用小波系数矢量的范数序列来衡量信号在各尺度的接近程度来代替用各尺度的能量衡量各频段的信号成分的接近程度；

步骤34：分别对步骤33中所述各尺度上的小波方差序列E₁,E₂,..,E_J进行归一化，即

pj(E)=Ej/E=(1N||Wj||2)/E=(1NΣi=1NWji2)/E,(i=1,2,...,n)]]>

其中总能量为E=Σj=1JEj,]]>则有：

Σj=1Jpj(E)=1]]>

将归一化后能量序列{p_j(E)}称为能量序列的经验分布，该经验分布是各尺度的小波能量与总能量的比例；

步骤35：采用步骤34所述能量序列的经验分布P=(P₁(E),P₂(E),…,P_J(E))取代信号的概率分布，得到基于能量分布的熵，即是小波熵，所述小波熵定义为：

Hwe=H(P)=H(p1(E),p2(E),...,PJ(E))=-Σj=1Jpj(E)log2pj(E).]]>