[发明专利]惯性传感器信号重构方法

说明书

技术领域

本发明涉及信号处理技术领域，具体涉及一种惯性传感器信号重构方法。

背景技术

随着科技的迅猛发展，惯性导航技术作为现代科技的一门尖端技术得到了广泛应用。惯性传感器是用来解决导航、定向和运动载体控制的核心部件，主要负责检测和测量加速度、倾斜、振动以及多自由度运动，其精度对惯性导航系统的性能有至关重要的作用。由于惯性传感器直接与载体相连，外界的干扰和随机噪声是影响惯性传感器信号输出精度的主要原因。随着对信号处理的要求不断提高，各领域对惯性传感器信号的处理精度和速度要求越来越高。因此，如何尽可能地提高惯性传感器的精度，有效抑制噪声，是长期以来的研究热点。

惯性传感器信号一般为低频或者比较平稳的信号，能进行稀疏表示，从而可以将匹配追踪算法(Matching Pursuit,MP)用于惯性传感器的信号的重构处理。MP重构算法是利用迭代的方式，从高度冗余的过完备原子库中筛选出与待分解信号最佳匹配的原子，然后将待分解信号分解为最佳匹配原子表征的分量和残差信号，对最佳匹配后的残差信号进行反复迭代，直到达到终止条件，最后利用得到的稀疏解来实现信号重构。但是，由于MP算法在实际应用中存在计算量大，计算复杂度高等缺陷，因而在保证惯性传感器的精度的前提下，难以完成惯性传感器的信号的实时重构处理。

发明内容

本发明所要解决的技术问题是现有MP算法存在计算量巨大的问题，提供一种惯性传感器信号重构方法，其将量子蜂群算法与MP重构算法相结合，使得最优问题的求解速度大大加快，以实现在提高惯性传感器信号输出精度的同时满足信号实时处理的要求，进而完成惯性传感器信号的实时处理。

为解决上述问题，本发明是通过以下技术方案实现的：

一种惯性传感器信号重构方法，包括如下步骤：

步骤1、设量子蜂群的数目为N，其中N个量子蜂群包含n₁个量子雇佣蜂和n₂个量子跟随蜂，n₁+n₂＝N；随机生成N个与量子蜂群对应的初始蜜源；设迭代次数t＝1，设最大搜索次数为Q；

步骤2、计算初始蜜源的适应度值，并记录蜂群的全局最优蜜源、雇佣蜂的局部最优蜜源和跟随蜂的局部最优蜜源；

步骤3、通过引入当前雇佣蜂的局部最优蜜源和蜂群的全局最优蜜源来控制量子旋转角的方向，采用量子旋转门操作的方式对量子雇佣蜂所对应的蜜源进行更新；搜寻结束后，计算新蜜源的适应度值，如果新蜜源的适应度值大于旧蜜源的适应度值，则用新蜜源代替旧蜜源，否则持旧蜜源不变；

步骤4、所有量子雇佣蜂搜索结束后，量子跟随蜂根据量子雇佣蜂反馈的信息，采用轮盘赌的方式选择蜜源，确定蜜源后，通过引入当前跟随蜂的局部最优蜜源、雇佣蜂的局部最优蜜源和蜂群的全局最优蜜源来控制量子旋转角的方向，采用量子旋转门操作的方式对量子跟随蜂所对应的蜜源进行更新；搜寻结束后，计算新蜜源的适应度值，如果新蜜源的适应度值大于旧蜜源的适应度值，则用新蜜源代替旧蜜源，否则持旧蜜源不变；

步骤5、判断蜜源是否陷入局部最优，即如果连续Q次循环之后，雇佣蜂的局部最优蜜源一直没有改变，则说明陷入局部最优，那么采用自适应概率调整方法得到新蜜源，以取代陷入局部最优的蜜源，迭代次数t加1，并返回步骤3；否则，直接进入步骤6；

步骤6、确定当前蜂群的全局最优蜜源，记录其参数向量位置，并计算惯性传感器信号的残余分量；

步骤7、判断惯性传感器信号的残余分量是否小于预定的重建精度；若小于重建精度，则停止迭代，并输出蜂群的全局最优蜜源，以完成惯性传感器信号的重构；否则，返回步骤3。

上述步骤5中，所述自适应概率调整方法为自适应量子均匀交叉方法和/或自适应量子非门变异方法。

上述步骤5中，自适应量子均匀交叉方法中的交叉概率为：

式中，P_c为交叉概率，分别为第t代蜂群的全局最优蜜源的适应度值和雇佣蜂的局部最优蜜源的适应度值，fit'为随机抽出的进行交叉运算的蜜源适应度值，P_c1和P_c2为设定的交叉概率值。

上述步骤5中，自适应量子非门变异方法中的变异概率为：