基于DONOHO阈值的自主式水下机器人外部干扰抑制方法

摘要

本发明的目的在于提供基于DONOHO阈值的自主式水下机器人外部干扰抑制方法，采用DONOHO阈值方法对自主式水下机器人传感器信号进行处理，对多层小波分解后的各层细节系数进行DONOHO阈值估计，利用估计的DONOHO阈值对细节系数进行软阈值处理，滤除噪声和随机外扰。本发明既有效解决了自主式水下机器人传感器信号受外部干扰影响，外部干扰淹没有用信号细节特征的问题,又解决了受传感器数据精度影响导致控制效果不佳的问题。并利用传感器数据和控制量数据之间的高度相关特性，克服了现有方法的过抑制和抑制不足问题,大大提高自主式水下机器人状态传感器信号精度,并最终提高机器人的控制精度。

说明书

技术领域

本发明涉及的是一种水下机器人控制方法。

背景技术

随着陆地资源日渐减少，人类开发海洋的步伐越来越快。自主式水下机器 人是目前唯一能够在无人情况下在深海进行探测、开发的载体，一直受到国内 外研究人员的高度重视。但由于自主式水下机器人无人无缆工作在复杂海洋环 境中，外部干扰对其控制精度和作业精度产生很大负面影响。自主式水下机器 人所受外部干扰一般可分为持续的海流干扰和随机外部干扰，其中随机外部干 扰可以通过外扰抑制方法来抑制。因此外部干扰抑制方法已经成为自主式水下 机器人传感器数据处理的重点。

均值滤波是最简单的外扰抑制方法，其算法简单，在很多领域去噪效果良 好，但一般只用于静态或低动态情况；FIR数字滤波器继承了模拟滤波器的优 点，并且可以用快速傅里叶变换来实现，大大提高了运算速度。FIR滤波器对 信号进行滤波去噪是在频域中完成的，依靠信号和噪声的不同频谱特征来实现 噪声滤除，适应于静、动态信号去噪，但去噪效果一般，不如均值滤波好。以 上两种方法均不适合复杂多变的海洋环境外部随机干扰抑制

小波变换是近年来迅速发展起来的时频分析工具，克服了傅里叶变换只能 表示信号的频率特征但不能反映时间域上局部信息的缺陷，小波变换同时具有 时间和频率的局部分析特征与多分辨率分析特性，并已在图像处理、信号滤波 与特征提取等方面获得了广泛的应用。DONOHO阈值方法以小波变换为基础， 根据信号和噪声经过小波分解后对应的小波系数所具有的不同特性，通过对小 波系数进行阈值处理，可很好地实现外部干扰抑制。DONOHO阈值外扰抑制效 果大大优于均值滤波及FIR滤波器，对于精、动态信号均使用，因此将其用于 自主式水下机器人外部干扰抑制，不但可用于外部随机干扰的抑制，且可以有 效去除量测噪声，为后续的控制提高更为准确的状态信息。

自主式水下机器人采集回来的传感器信号是信噪混杂在一起的，由于无法 得到真实的不含噪声和外部随机干扰的信号，因此直接采用DONOHO阈值方 法进行外部干扰抑制易造成过抑制或抑制不足。

发明内容

本发明的目的在于提供可有效解决自主式水下机器人传感器信号受外部干 扰和量测噪声影响的基于DONOHO阈值的自主式水下机器人外部干扰抑制方法。

本发明的目的是这样实现的：

本发明

本发明的优势在于：本发明既有效解决了自主式水下机器人传感器信号受 外部干扰影响，外部干扰淹没有用信号细节特征的问题,又解决了受传感器数据 精度影响导致控制效果不佳的问题。并利用传感器数据和控制量数据之间的高 度相关特性，克服了现有方法的过抑制和抑制不足问题,大大提高自主式水下机 器人状态传感器信号精度,并最终提高机器人的控制精度。

附图说明

图1为本发明流程图；

图2为本发明的DONOHO阈值与互相关处理流程图；

图3为传统小波方法处理后自主式水下机器人传感器信号细节系数；

图4为通过本发明的系统处理后自主式水下机器人传感器信号细节系数；

图5为传统小波方法处理后自主式水下机器人传感器信号时域波形图；

图6为通过本发明的系统处理后自主式水下机器人传感器信号时域波形 图。

具体实施方式

下面结合附图举例对本发明做更详细地描述：

结合图1～6，本发明的目的是通过以下技术方案来实现的：基于DONOHO 阈值和互相关系数外部干扰抑制方法，实现步骤如下：

(1)首先，对自主式水下机器人采集到的传感器数据进行滑动窗处理，当 采集到满足长度要求的数据后启动外部干扰抑制算法，当再次采集到新的数据 后，舍弃第一个数据并将新采集回来的数据放在数组的末尾，始终保持数据长 度为预设值；

(2)对滑动窗内的数组内数据进行多层小波分解。分解过程：选定一种合 适的小波基函数“db4”，确定分解层数为3层，对传感器原始数据和与传感器 信号高度相关的控制量进行多层小波分解，得到对应的低频小波系数和高频小 波系数；

(3)根据传感器数据的高频小波系数求取该数组的中位数，当数组长度为 偶数2n时，中位数取为1+n；当数组长度为奇数2n+1时，中位数取为n；

(4)由估计高频小波系数的DONOHO阈值，其中N为对应 层高频小波系数的个数，σ²为噪声的方差，由MAD/0.6475来估计，MAD为中位 数小波系数幅值；

(5)对传感器数据高频小波系数和控制量高频小波系数分别进行归一化处 理；

(6)根据归一化后的传感器数据高频小波系数和控制量高频小波系数，计 算互相关系数R。计算方法为：R为互先关系数， N为信号长度，x(t)为t时刻传感器信号，y为t时刻控制量信号，τ为延迟 时间。

(7)根据相关处理得到的互相关系数R和估计得出的DONOHO阈值进行综 合判断，互相关系数R大于0.8的t处所对应的小波系数给予保留，互相关系 数R小于0.8但高频小波系数大于DONOHO阈值的小波系数也给予保留，其它互 相关系数小于0.8的t处所对应的小波系数及小于DONOHO阈值的小波系数均做 置零处理。

(8)对低频小波系数和经过阈值处理的各层高频小波系数进行小波重构, 重构后信号即为外部干扰抑制后信号。

本发明中的外部干扰抑制方法是针对自主式水下机器人传感器信号存在的 外部干扰强度大，外部干扰淹没有用信号细节特征的问题而提出的。其中， DONOHO阈值去噪可用于动、静态信号的噪声去除与外部干扰抑制；互相关处理 需要被处理的两个变量之间具有高度相关性。

此外部干扰抑制方法结构框图如图1所示，其具体实施步骤如下：

1、首先采集一段时间的自主式水下机器人传感器原始数据，

2、取滑动窗的长度为500个数据，按照预先设定的滑动窗长度对原始数据 进行截取；

3、取db4小波基函数，分解层数为3层。

4、以db4小波基函数对滑动窗内数据进行多层小波分解，得到对应的高频 小波系数，得到的三层小波系数结果如图3所示。

5、计算改进的DONOHO阈值，图2为计算流程图，具体实施过程如下：

5.1、对传感器数据的高频小波系数求中位数，当数组长度为偶数2n时， 中位数取为1+n；当数组长度为奇数2n+1时，中位数取为n；

5.2、对传感器数据的高频小波系数做归一化处理；对与传感器数据高度相 关的控制量的高频小波系数做归一化处理；

5.3、根据传感器数据的高频小波系数的中位数，估算DONOHO阈值，由 估计高频小波系数的DONOHO阈值，其中N为对应层高频小波 系数的个数，σ²为噪声的方差，由MAD/0.6475来估计，MAD为中位数小波系数 幅值；

5.4、将传感器数据高频小波系数归一化结果与控制量高频小波系数归一化 结果做互相关处理，计算方法为：R为互先关系数， N为信号长度，x(t)为t时刻传感器信号，y为t时刻控制量信号，τ为延迟 时间；

5.5、利用得到的改进的DONOHO阈值对高频小波系数进行综合判断，互相 关系数R大于0.8的t处所对应的小波系数给予保留，互相关系数R小于0.8 但高频小波系数大于DONOHO阈值的小波系数也给予保留，其它互相关系数小于 0.8的t处所对应的小波系数及小于DONOHO阈值的小波系数均做置零处理，得 到的三层小波系数结果如图4所示；

6、利用改进DONOHO阈值处理后的高频小波系数和原始的低频小波系数逐 层进行小波重构，得到外部干扰被抑制后的传感器数据如图6所示；

图5是传统小波方法处理后自主式水下机器人传感器信号时域波形图。由 图可以看出，由于外部随机干扰、传感器自身误差等因素影响，传统方法处理 后的自主式水下机器人传感器数据保留了较多的毛刺、突变点等，基于这些传 感器数据对自主式水下机器人进行控制，控制精度难以保证。

图6是本发明的系统处理后自主式水下机器人传感器信号时域波形图。由 图可以看出，本发明的系统处理后的信号较为平滑，毛刺、突变点较少，并且 原信号中的有用细节系数都受相关系数的保护而保留了下来，因此并未损害原 信号的真实程度。

综上所述，本发明首先采用滑动窗方法对原始数据进行截取，然后对原始 数据进行多层小波分解；对分解得到的高频小波系数估计DONOHO阈值，并和与 其高度相关的控制量高频小波系数做互相关处理以防止过抑制或抑制不足；最 后利用得到的改进的DONOHO阈值对各层高频小波系数做软阈值处理，并利用处 理后高频小波系数做小波重构。最终可提高传感器数据的准确性和真实性，进 而提高自主式水下机器人的控制精度，是一种新型、有效的自主式水下机器人 外部干扰抑制方法。