基于改进集合经验模态分解的陀螺信号降噪方法

摘要

为了抑制陀螺仪的非线性、非平稳噪声,提出了一种改进的基于集合经验模态分解(EEMD)的降噪方法KEMD-M。首先,通过EEMD阈值滤波得到信息主导和噪声主导的固有模态函数(IMF)分量;将EEMD应用于第一次阈值滤波中被丢弃的IMF分量.提取信号的细节信息;采用去趋势波动分析(DFA)法定义每一个IMF分量的尺度指数,实现二次分解中有用分量的进一步提取;将两次滤波得到的有用IMF分量进行重构.得到降噪后的信号。为了验证EEMD-M的有效性,进行了实测数据的降噪实验。结果表明所提EEMD-M优于经验模态分解(EMD)降噪、DFA-EMD降噪、EEMD降噪和小波分析方法。实测数据的均方误差降低了82.9%.随机漂移得到明显抑制,这验证了EEMD-M的可行性和优越性,提高了微机电系统陀螺在光学图像处理中的稳定性和可靠性。