[发明专利]一种基于改进的AKF算法的信号降噪方法及装置

说明书

本发明公开了一种基于改进的AKF算法的信号降噪方法及装置，方法包括：基于现有的AKF降噪方法，引入改进的AKF算法来提高降噪精度。本发明提出两种改进优化方式，考虑测量值误差和真实值误差是影响AKF算法迭代过程中降噪结果的影响因素，对误差值设置门限，超出误差门限值的降噪结果再进行优化更新。同时考虑误差的影响因素，建立相关优化关系式，有效的提高了降噪精度。本发明采用改进的AKF算法的降噪方法，解决了现有AKF算法降噪精度较低的问题。

技术领域

本发明属于信号降噪技术领域，涉及一种基于改进的卡尔曼滤波AKF算法的降噪方法及装置。

背景技术

信号在采集和传输过程中，由于外界环境干扰和本身仪器的影响，难免会有噪声夹杂在其中，而噪声是影响目标信号检测与识别性能的一个重要因素，特别是在一些高精度数据的分析中，哪怕是微弱的噪声都会对分析结果产生巨大的影响，所以在信号分析过程中，首先要做的就是对信号进行去噪处理。常用信号降噪方法采用滤波的方法，就是在含有干扰的接收信号中提取有用信号。滤波分经典滤波和现代滤波两种。经典滤波是根据傅立叶分析和变换提出的一个工程概念。根据经典滤波理论，任何一个满足一定条件的信号，都可以被看成是由无限个正弦波叠加而成。经典滤波是允许一定频率范围内的信号成分正常通过，而阻止另一部分频率成分通过的方式实现滤波。现代滤波是利用模拟电子电路对模拟信号进行滤波，其基本原理是利用电路的频率特性实现对信号中频率成分的选择。

广泛使用的信号滤波器有时域滤波、频域滤波、线性滤波器、非线性滤波器，有源滤波器和无源滤波器等。现有的滤波器对于信号降噪还存在以下两个方面的问题：

(1)由于接收信号是动态变化的，传统的降噪方法，只能是在有用信号与噪声具有不同频带的条件下才能实现，采用自适应卡尔曼滤波器具有线性滤波和预测理论，特点是在线性状态空间表示的基础上对有噪声的输入和观测信号进行处理，求取系统状态或真实信号。

(2)自适应卡尔曼滤波器通过预测和更新阶段，将上一时刻输出结果预测当前时刻输出估计值，利用测量值估计当前时刻期望输出结果，通过变换关系表示AKF降噪输出结果。由于AKF算法采用信号迭代关系，同时每一次信号降噪产生的误差具有传递性，这种误差传递影响AKF降噪输出结果的精确性。需要对AKF降噪输出结果的误差进行优化，使降噪输出结果更加精确。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种基于改进的AKF算法的信号降噪方法及装置，采用改进的AKF算法对接收到的信号进行降噪处理，克服现有AKF算法降噪精度较低的问题，通过提出优化方案，提高降噪精度。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

第一方面，提供一种信号降噪方法，包括：

(1)获取接收到的待降噪处理的信号数据，其中所述信号数据为信号测量值矩阵Z；

(2)将信号测量值矩阵Z采用自适应卡尔曼滤波算法进行降噪处理，得到降噪处理后的X值以及测量值误差ε_t和/或真实值误差值δ_t；

(3)采用基于测量误差值修正或真实值误差值修正的改进卡尔曼滤波算法进行降噪处理，得到修正处理后的降噪结果，包括：

(3a)响应于|ε_t|≥gate1_t，采用基于测量误差值修正的改进卡尔曼滤波算法进行降噪处理：

利用测量误差值表示在t时刻，卡尔曼滤波AKF的期望输出偏离测量值Z_t的程度；通过设置第一修正门限由gate1_t，将每次迭代的测量误差值ε_t与gate1_t相比较，若|ε_t|≥gate1_t，则修正将修正后的用于下一次迭代，最终获得降噪输出结果