[发明专利]一种基于数据融合的噪声消除方法

权利要求书

1.一种基于数据融合的噪声消除方法，其特征在于，所述方法包括：

S101、在快速偏微分方程算法中，使用后向欧拉有限差分法对测量数据进行去噪处理获得第一去噪数据；

S102、在自适应卡尔曼算法中，将测量数据本身、测量数据的变化率以及变化率的导数作为系统状态变量，根据惯性定律构建过程模型和观测模型，并根据所述过程模型和观测模型对测量数据进行去噪处理获得第二去噪数据；

S103、将所述第一去噪数据和第二去噪数据进行加权融合后获得滤波后数据。

2.根据权利要求1所述的方法，其特征在于，所述在快速偏微分方程算法中，使用后向欧拉有限差分法对测量数据进行去噪处理获得第一去噪数据的具体过程包括：

根据

获取所述第一去噪数据，其中，u＝u¹为第一去噪数据，是含噪信号数据，A为由网格比组成的三对角矩阵，所述三对角矩阵A为：

其中所述网格比为：

其中，Y为滤波器衰减，f_s为采样频率，f_n为剪切频率，通过将矩阵A分解成上、下三角矩阵求出其逆矩阵A^-1。

3.根据权利要求1所述的方法，其特征在于，所述在自适应卡尔曼算法中，将测量数据本身、测量数据的变化率以及变化率的导数作为系统状态变量，根据惯性定律构建过程模型和观测模型，并根据所述过程模型和观测模型对测量数据进行去噪处理获得第二去噪数据的具体过程包括：

S1021、确定系统状态变量，将自适应参数初始化；

S1022、建立过程模型，所述过程模型中包括初始化的自适应参数；

S1023、根据所述过程模型对状态变量进行预测；

S1024、根据状态变量的预测值、观测数据值以及估计误差协方差预测值获得状态变量的估计值，并对状态变量进行更新；

S1025、根据所述状态变量的估计值获得测量数据变化率导数的均值以及当前时刻的估计值；

S1026、根据测量数据变化率导数的估计值对系统自适应参数进行修正；

S1027、根据根据所述测量数据变化率导数的均值以及修正后的系统自适应参数更新过程模型；

S1028、重复S1023至S1027，直至所有测量数据全部处理完毕，获得第二去噪数据。

4.根据权利要求3所述的方法，其特征在于，所述确定系统状态变量，将自适应参数初始化的过程包括：

设状态初值为

自适应参数为α、δ_a²，其初值α＝α₀和δ_a²＝δ_a0²取任意正数；

自相关函数的初值r₀(0)取：r₀(1)的初值取

测量数据变化率导数的初值取为零。