[发明专利]基于变分模态分解和FLP的半球谐振陀螺随机误差补偿方法

说明书

本发明提出了一种基于变分模态分解和FLP的半球谐振陀螺随机误差补偿方法，本方法首先利用变分模态分解方法将采样信号分解为一系列固有模态函数(IMF)分量；然后计算每一个IMF分量的样本熵值和相邻熵值之间的变化量，从而区分高频分量和低频分量并采取相应地措施：高频分量直接去除，低频分量进行重构；最后将重构的信号再进行FLP滤波，得到最终的去噪之后的半球谐振陀螺的输出信号，最后，通过实验验证本文提出的方法的性能：该方法能够有效的抑制半球谐振陀螺的随机误差，提高其测量精度。

技术领域

本发明提出了一种半球谐振陀螺(HRG)的随机误差补偿方法，该方法结合了变分模态分解(VMD)和前向线性预测(FLP)两种去噪算法。属于惯性导航领域里一种信号处理方法，提高了HRG陀螺仪随机误差补偿效果和测量精度。

背景技术

半球谐振陀螺仪(HRG)是一种没有高速转子和活动支承的振动陀螺，具有精度高、高可靠性、体积小、启动时间短、高过载等的特性，因此被广泛应用于航海航天等军事领域，然而，HRG的输出信号具有较强非线性、非平稳性的特点，严重制约HRG的性能。因此，有必要对HRG的输出信号进行预处理，以降低其输出信号中的随机误差。

针对陀螺输出信号的处理，不同的学者提出了不同的方法，其中有Kalman滤波方法、小波分析法、经验模态分解(EMD)及其改进方法等。EMD方法是一种自适应信号处理方法，在处理动态信号方面具有较大优势，但是该方法存在易产生模态混叠。为了改善EMD的缺点，很多学者进行了研究。例如：Wu等学者通过添加辅助噪声，提出了一种集成经验模态分解(EEMD)方法，但是EEMD方法仍存在着在信号分解过程中没有完全消除白噪声、重构信号误差加大的缺点；Yeh等学者提出一种互补集成经验模态分解(CEEMD)方法，其主要是通过加入正负成对的噪声以消除重构信号中残余辅助噪声，但是该方法不能解决在添加不同噪声时可能分解出不同数量模态的问题；为此，本文提出了VMD方法，该方法通过将信号分解到几个独立的频带内，再通过信号重构达到抑制噪声的目的，这不仅能够减轻模态混叠现象，而且可以精确重构原始信号。

韩等学者利用时间序列建立微机电系统(MEMS)陀螺的模型，然后使用卡尔曼滤波算法对模型进行滤波处理；霍等学者利用小波变换阈值滤波有效地处理光纤陀螺信号的噪声，并与传统的数字低通滤波方法相比；刘等学者提出了抗野值递推最小二乘法自适应滤波算法，以降低MEMS陀螺仪输出当中的噪声。以上都是单一的滤波器，本发明将经过VMD重构后的信号再通过FLP滤波，实现了二级滤波，进一步抑制了HRG输出信号中的噪声。

发明内容

为克服现有处理方法的不足，并减小HRG陀螺仪输出信号中的随机误差，本发明提供一种基于变分模态分解和FLP的半球谐振陀螺随机误差补偿方法。

本发明的目的是通过以下步骤来实现的：

步骤1：在设备上安装半球谐振陀螺，连接电脑后对设备进行预热并采集其数据；

步骤2：利用变分模态分解(VMD)方法将采样信号分解为一系列固有模态函数(IMF)分量；

步骤3：计算每一个IMF分量的样本熵值和相邻熵值之间的变化量，从而区分高频分量和低频分量并采取相应地措施：高频分量直接去除，低频分量进行重构；

步骤4：将重构的信号再进行FLP滤波，得到最终的去噪之后的半球谐振陀螺的输出信号。在上述方法的步骤2中，利用VMD方法将采样信号分解为一系列IMF分量，具体方法为：

1)构造受约束变分模型为:

式中：{u_k}＝{u₁,…u_k}为分解得到的K个模态分量，{ω_k}＝{ω₁,…ω_k}为中心频率，K表示分解的IMF的总个数。