惯性传感器信号实时处理方法范文

本站小编为你精心准备了惯性传感器信号实时处理方法参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《系统工程与电子技术杂志》2014年第五期

1随机共振

1.1基本原理实现随机共振通常需要满足三个基础件：噪声、信号以及系统的非线性，当三者满足某种协同的时候，随机共振现象得以产生，使一部分的噪声能量转化为有用信号能量，从而使输出信号获得高信噪比。具有双势阱的朗之万方程是典型的双稳态非线性系统模型，即当A0,D0，即在有信号输入的情况下，引入噪声n(t)，且逐渐增强达到某个程度时，噪声和信号协同作用，使势阱越来越倾斜，质子克服势垒，根据信号频率0f在两势阱之间进行切换，此时系统输出状态非常有规则，很大程度地抑制了系统输出噪声，从而大大提高系统输出信噪比，这种现象就是随机共振现象。

1.2双稳系统信号恢复对于朗之万方程式(3)可以解释为质子在势函数U(x)中的运动，式中x为质子运动轨迹，则x''''为其运动的速度，噪声n(t)均值E[n(t)]0，那么当质子运动速度非常小时，则.

2惯性传感器信号实时处理

2.1恢复方法在无噪信号情况下，质子在双稳系统的单个势阱内以稳定点wx或wx为中心作“类简谐振动”，而当加入噪声之后，如果此时质子依旧在双稳系统的单个势阱内作“类简谐振动”，则能产生单稳随机共振现象。在工程应用中，可通过采样的方法改变噪声强度，因此可以参照无噪情况下的恢复方法来对有噪信号进行恢复。参照无噪信号恢复过程，可得到有噪信号的恢复过程，即首先使有噪信号输入双稳系统产生单稳随机共振，然后将双稳系统的输出信号通过恢复系统获得恢复信号。无噪情况下可以认为双稳系统参数a1、b1与恢复系统参数a2、b2相等，即a1=a2=a’，b1=b2=b’，同时为能更好适应工程实际，采用文献[16]中的变尺度随机共振。变尺度随机共振实际上是先线性压缩实测信号频率，将高频信号变换为一个小频.

2.2Runge-Kutta算法改进传统的随机共振数值算法—龙格库塔法在计算一个输出数据点时只需要两个输入数据点，计算精度较低，甚至当输入信号过小时很难得到输出信号。因此，根据本文实时处理的要求，对四阶经典龙格库塔法进行改进。为方便叙述，将四阶经典龙格库塔法公式[18]记述如下另外，双稳系统与恢复系统存在瞬态响应，这是因为当随机共振数值算法-龙格库塔法没有给定初值时，其默认初值为0，在正弦信号的作用下，质子首先落入正势阱当中，经过一段时间稳定后，以正势阱底/wxab为平衡中心作“类简谐振动”，其振动周期即为原始信号的周期。瞬态响应导致双稳系统输出前半个周期的信号波形变坏，进而导致恢复得到的波形的前半个周期为失真的信息，如图4所示。为消除瞬态响应，当输入信号初值不为0时，可通过恢复公式反推的方法得到式(14)的初值。在滤波时，输出信号的初值必须在与输入信号的相应值对应，因此假设开始时输出值为1s，将其代入恢复系统公式(10)中。

2.3恢复系统参数选择根据式(15)，设两个系统参数均为a，b（为简便，设两个系统的系统参数相等，统一为a，b），采样频率sf，压缩倍数R，可通过参数的调节使单稳恢复系统达到较好效果。根据实际应用中，惯性传感器信号幅度变化范围相对不大，单稳恢复系统的参数可以相对固定，因此可根据参数相对于信号的适应性进行参数的选取。由于互相关系数表征了输入与输出的匹配程度，因此以互相关系数作为评价恢复系统恢复效果好坏的指标，互相关系数越接近于1，则表明恢复效果越好。根据大量仿真结果，最终选择a1，b0.01，R200，5000SfHz作为恢复系统的参数。将有噪信号sn(t)输入单稳恢复系统，重新进行仿真，可得到在该组参数下单稳恢复系统对于有噪信号sn(t)的恢复情况，如图10所示。由图10可知，该组参数使有效的恢复了信号的波形，频域上也较好地消除了高频干扰。以上为模拟惯性传感器动态信号得出的一组参数，通过类似仿真结果可知，这一组参数对惯性传感器静态信号也能进行很好的处理。

2.4实时处理方法由龙格库塔法公式可知，需要预存两个数据，才可计算得到相对于0x的第二个数据点1x。为满足信号实时处理，每次输入恢复系统公式的必须为数据点1x。第一次处理数据时0cxx，之后的0x用前一次处理输出的1x替代。因此，根据随机共振算法递推算法，当第二个点到来的时候，此时计算输出的就是第二个点的滤波值。当第三个点到来的时候，把第一个点丢弃，此时这两点进入随机共振，则输出的是第三个点滤波值。通过这样的方式实现输入一个点，然后输出这个点的滤波后的值，实现实时处理。

3实验及结果分析

根据惯性传感器信号处理的相关文献[3-9]等，小波离线分段滤波的效果优于其它滤波方法，以及根据db4小波工程应用的广泛性，本文所得实验及结果均是将db4小波处理结果作为近似真实信号的参考，并与之比较。本文所提出的方法与其它滤波方法相比也有一定优势，限于篇幅，未予给出。

3.1仿真与结果首先使用为某光纤陀螺静态信号的实际采样信号，采样频率为5000HZ，信号长度为4096，系统参数a、b、R分别为1、0.01、200，经单稳恢复系统可得到仿真图11。由图11可知，单稳恢复系统滤波前信号的零漂值为0.7155（°）/h，滤波后为0.1415(°)/h，有较大的改善，而对应db4小波处理后的零漂值为0.1243(°)/h，因此可知单稳恢复系统输出信号的零漂值与db4小波滤波后的相近，从而可以验证所选参数及单稳恢复系统在改善静态信号零漂值上的有效性。图11中，右为同一光钎陀螺动态输出实际采样信号，所有参数同上。由图可知，单稳恢复系统高频噪声基本被滤除，效果与对应db4小波处理结果非常接近。为了进一步验证单稳恢复系统实时性，对单稳恢复系统与db4小波在matlab下进行仿真比较。验证软件matlabR2011b，计算机主频2.53GHz，内存4GB，操作系统Windows7旗舰版，处理的点数n=4096，实验仿真结果如表1所示。由表1可知单稳恢复系统以及db4小波程序运行时间分别为0.0104s、0.2631s，单稳恢复系统处理一个数据点的时间约为2.539us，db4小波处理一个数据点的时间约为64.23us，单稳恢复系统处理速度约为db4小波的25倍，单稳恢复系统在实时性方面有较大的优势。同时，为进一步验证算法，将算法用于处理多组静态和动态惯性传感器信号，结果如表2和表3所示。从表2可知单稳恢复系统滤波前后的均值基本没有改变，对于多组不同的静态数据都能较好的改善零漂值，基本接近小波的滤波效果，从而验证了单稳恢复系统和所选参数对于惯性传感器静态信号处理的有效性。表3为多组动态数据单稳恢复系统滤波效果。此处将小波离线分段滤波结果作为真实信号，从而得到表3中的结果。由表3可看出，单稳恢复系统互相关系数平均提高了0.5左右，信噪比则平均提高了19dB左右，达到了很好的滤波效果。

3.2DSP验证与结果根据DSP在信号处理方面具有很大优势，通常应用于高实时性场合，本文选择DSP芯片进一步验证算法。选取DSP芯片TMS320F28335作为硬件开发平台。该芯片是TI公司新推出的一款浮点型数字信号处理器，精度高、成本低、功耗小且外设的集成度高，其主频为150MHz，具有强大的通用信号处理能力。根据提出的算法和DSP硬件平台构建如图12所示。图13为由信号发生器发出的含噪信号经过图12所示系统处理，然后由示波器显示的结果。由图可知，所提出的算法有良好的滤波处理效果。同时，根据DSP系统验证结果，系统处理一个数据点的时间为19us左右，而系统采样间隔200us（采样频率为5000Hz），由此可知，该系统能够用于惯性传感器信号实时处理，并可获得良好的效果。

4结论

本文根据惯性传感器信号特点，研究和改进随机共振算法，应用于惯性传感器输出信号实时处理。实验结果表明该算法效果良好，能有效消除陀螺漂移，同时也能很好滤除高频噪声。与其它自适应方法相比，计算相对简单，实时性好，如小波滤波在滤波过程中，需要对信号先进行变换，然后信号重构处理，以致其在滤波的过程中运算量较大，造成了处理速度的降低。因此，在相同的平台下，单稳恢复系统在实时处理方面更具有优势。实验结果表明，改进随机共振算法能够提高惯性传感器信号的处理精度，满足实际系统滤波需求，在工程应用方面与传统的算法相比具有优势。同时，该算法简单易行，具有一定的通用性，对于不同信号只需修改相应的参数，就可取得良好的滤波效果。

作者：蒋行国许金海张龙单位：桂林电子科技大学信息与通信学院