[发明专利]一种用于加速度计测试的激光多普勒测速仪信号降噪方法在审

专利信息
申请号: 202210731226.3 申请日: 2022-06-24
公开(公告)号: CN114970642A 公开(公告)日: 2022-08-30
发明(设计)人: 张振海;张文一;张振山 申请(专利权)人: 北京理工大学;北京海泰微纳科技发展有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04;G06N3/08
代理公司: 北京正阳理工知识产权代理事务所(普通合伙) 11639 代理人: 张利萍
地址: 100081 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 加速度计 测试 激光 多普勒 测速 信号 方法
【权利要求书】:

1.一种用于加速度计测试的激光多普勒测速仪信号降噪方法,其特征在于,包括如下步骤,

S1,根据加速度计测试数据参数模拟出多组纯净的激光多普勒测速仪信号,再模拟出多组噪声,将激光多普勒测速仪纯净信号与噪声以预定范围内的信噪比进行结合得到激光多普勒测速仪含噪信号,将激光多普勒测速仪含噪信号分为训练集、验证集和测试集;

S2,搭建CNN-LSTM神经网络,使用训练集和验证集进行神经网络的训练及验证,得到权重参数,使用权重参数对模拟测试集和实测信号进行处理,得到CNN-LSTM降噪结果;

S3,对所得CNN-LSTM降噪结果进行CEEMD处理,得到各IMF分量;

S4,将各IMF分量进行分组,对不同分组信号使用对应的小波阈值进行降噪,将不同分组的降噪结果相加得到激光多普勒测速仪信号的降噪结果信号,实现对用于加速度计测试的激光多普勒测速仪信号的高效精准降噪处理,进而提高加速度计测试的精度。

2.如权利要求1所述的一种用于加速度计测试的激光多普勒测速仪信号降噪方法,其特征在于,步骤S1实现方法为,

S11,根据加速度计测试数据的速度等参数选择起始频率与终止频率等参数的范围,生成多组随机参数的频率为S型函数的扫频信号作为模拟的纯净激光多普勒测速仪信号,瞬时频率如表达式(1)所示:

其中:fs和fe分别是起始频率和终止频率,a和b是调整频率上升的时间和速度;

合成的纯净激光多普勒测速仪信号如表达式(2)所示:

S12,生成多组高斯白噪声作为模拟噪声;

S13,将步骤S11和步骤S12所生成的纯净激光多普勒测速仪信号与噪声按照预定范围内的信噪比进行结合得到多组激光多普勒测速仪含噪信号,将激光多普勒测速仪含噪信号按比例分为训练集、验证集和测试集。

3.如权利要求2所述的一种用于加速度计测试的激光多普勒测速仪信号降噪方法,其特征在于,步骤S2实现方法为,

S21,使用卷积层、池化层、LSTM层和全连接层搭建CNN-LSTM神经网络,CNN的第l层输出如表达式(3)所示:

其中:f(.)是激活函数,m是特征图的数量,k是卷积核的数量,*是矩阵乘法,b是偏置矩阵;

LSTM的公式如表达式(4)所示:

it=σ(xtWix+ht-1Wih+bi) (4)

ft=σ(xtWfx+ht-1Wfh+bf) (5)

ot=σ(xtWox+ht-1Woh+bi) (6)

ct=ft*ct-1+it*gt (7)

ht=ot*tanh(ct) (8)

其中:it、ft、ot、ct和ht分别代表输入门、遗忘门、输出门、记忆细胞和隐藏状态,W和b分别是对应位置的权重和偏差,xt是提取的特征向量,gt是改善记忆细胞的候选记忆细胞;

S22,使用步骤S13所得的训练集和验证集进行所搭建的神经网络的训练及验证,得到权重参数;

S23,使用步骤S22所得的权重参数对步骤S13所得的测试集和实测信号进行处理,得到CNN-LSTM降噪结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学;北京海泰微纳科技发展有限公司,未经北京理工大学;北京海泰微纳科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210731226.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top