[发明专利]基于灰色小波神经网络的MEMS陀螺随机误差预测方法

权利要求书

1.一种基于灰色小波神经网络的MEMS陀螺随机误差预测方法，其特征是：

步骤1：对MEMS陀螺的输出数据进行预处理，采集MEMS陀螺的输出数据，对输出数据小波分析，选取Db4小波函数对陀螺的输出数据进行去噪处理；

步骤2：对去噪后的MEMS陀螺的输出数据进行分组，确定输入向量和目标向量；

步骤3：构建灰色小波网络预测模型，确定灰色小波网络的输入节点数，输出节点数，隐含层节点数，初始化网络；

步骤4：对所建网络进行训练，并保存网络用来预测陀螺随机误差的趋势。

2.根据权利要求1所述的基于灰色小波神经网络的MEMS陀螺随机误差预测方法，其特征是所述对输出数据小波分析具体方法为：

（1）分裂：将输入信号序列x_i分为互不相交的、长度相同的偶数序列e_i-1和奇数序列o_i-1两组，即

Split(x_i)=(e_i-1,o_i-1)

其中，e_i-1={e_i-1,k=x_i,2k}，o_i-1={o_i-1,k=x_i,2k+1}，i为信号长度，k为整数；

（2）预测：通过偶数序列e_i-1和预测算子p来预测奇数序列o_i-1，预测误差d_i-1称为细节系数，对应于x_i的高频部分，预测过程如下：

d_i-1=o_i-1-p

其中，p为预测算子，函数p表示如下：

p=ei-1,k=xi,2k(ei-1,k+ei-1,k+1)/2;]]>

（3）更新：更新过程如下：

x_i-1=e_i-1+U

其中，x_i-1称为近似系数，对应于x_i的低频部分；更新算子U与预测算子p一样，取不同函数，

U=di-1,k/2(di-1,k+ei-1,k+1)/4+1/2]]>

p与U取不同函数，够造出不同的小波变换，

对x_i-1按上述步骤分解，依此类推，n次分解后原信号x_i的小波表示为分{x_i-n,d_i-n,d_i-n+1,…,d_i-1}，其中x_i-n代表信号的低频部分，{d_i-n,d_i-n+1,…,d_i-1}代表信号从低频到高频的高频部分序列。