[发明专利]一种惯性传感器混叠干扰信号分离方法

摘要

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。

主权项

1.一种惯性传感器混叠干扰信号分离方法，其特征在于，步骤如下：第一步，对惯性传感器输出混叠信号的特征进行分析，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；第六步，以p维的IMFs为观测信号，选用合适的盲源分离算法，即可分离出高频混叠干扰信号中的不同频率段干扰源信号。