[发明专利]一种惯性传感器混叠干扰信号分离方法

说明书

本发明公开了一种惯性传感器混叠干扰信号分离方法，步骤如下：(1)对惯性传感器输出混叠信号进行特征分析，确定不同干扰源信号频率特征；(2)根据低频段信号特征，选择阈值函数、小波基和分解层数对混叠信号中的低频段信号进行小波滤波；(3)针对小波滤波后的高频混叠干扰信号，通过经验模态分解(EEMD)自适应的分解得到N个内在经验模态函数(IMFs)；(4)IMFs的信息量为η，计算得到η＞＝90％时需要的IMFs分量个数p；(5)使用PCA算法将N维的IMFs降为p维；(6)以p维的IMFs为观测信号，选用合适的盲源分离算法分离出高频混叠干扰信号中的不同频率段干扰源信号。本发明大大减小了信号分离过程中过多的人为经验选择，自适应性较强。

技术领域

本发明属于数字信号处理领域，具体的涉及一种惯性传感器混叠信号分离方法，用于实现运动平台光电跟踪系统中惯性传感器输出混叠干扰信号分离。

背景技术

运动载体上的ATP系统，其视轴会因为载体的运动和外界对载体的干扰而造成抖动，使系统偏离跟踪目标，导致跟踪性能下降。因此，系统通常采用惯性稳定平台来隔离系统对载体的干扰，保证系统视轴稳定。为了提高惯性稳定平台对扰动的抑制能力，需要对系统受到的各类扰动进行单独控制，运动载体光电稳定控制的一个难点是对惯性传感器输出混叠干扰信号中的各类扰动进行分离。

如何实现运动载体光电系统中惯性传感器混叠干扰信号分离，目前尚未有成熟的方法。处理惯性传感器输出信号的常用方法是对信号进行滤波处理，如：IIR滤波、小波滤波、卡尔曼滤波，但上述方法解决的问题主要是对惯性传感器输出信号中的目标运动信号进行滤波，滤除混叠信号中的全部干扰信号，没有对混叠干扰信号进行分析和处理。多次采用上述方法可以实现惯性传感器混叠干扰信号分离，但过程中会出现过多的凭借信号先验知识和人为经验判断。多次IIR滤波方法需要根据混叠干扰信号中不同频率段信号设计多个不同通带的滤波器，通带宽度设计的不合理对滤波结果影响很大。多次小波滤波方法需要针对信号中不同频率段信号多次进行不同阈值函数、小波基函数和分解层数选择。多次卡尔曼滤波则需要多次建立干扰信号精确的数学模型，而惯性传感器的干扰较为复杂，很难得到每一个干扰源的精确模型，模型估计不准确将会导致卡尔曼滤波不准。这些方法均在一定程度上能分离惯性传感器输出混叠信号，但因人为参数设置太多或必须过度的人为判断等原因不利于工程实现。

发明内容

本发明要解决的技术问题是：克服现有技术不足，在不过多依赖信号先验知识和人的经验判断的情况下，提供一种能够实现运动平台光电系统惯性传感器输出混叠干扰信号分离方法。

本发明解决上述技术问题采用的技术方案为：一种惯性传感器混叠干扰信号分离方法，其具体步骤如下：

第一步，对惯性传感器输出混叠信号进行特征分析，确定不同干扰源信号频率特征；

第二步，根据低频段信号特征，选择阈值函数、小波基和分解层数对混叠信号X(t)中的低频段信号进行小波滤波，小波变换的表达式为：

其中ψ^*(t)为小波基函数的共轭，b为小波基函数平移因子，分解层数j∈Z，选取合适的小波基函数和分解层数完成小波分解，小波分解后对每一层的小波系数选择合适的阈值函数进行阈值处理，即可完成信号的小波滤波；

第三步，针对小波滤波后的高频混叠干扰信号，通过经验模态分解EEMD自适应的分解得到N个信号分量IMFs；

第四步，设分量组IMFs为Y,则IMFs的信息量η表达为其中分母为IMFs自相关函数R_Y＝E(YY^T)的所有特征值和，分子为1到p特征值的和，计算得到当η＞＝90％时需要的IMFs分量个数p，如果p为1，跳转执行第二步，如果p不为1，执行第五步；

第五步，使用PCA算法将N维的IMFs降为p维；