申 沖 陳熙源

(東南大學(xué)儀器科學(xué)與工程學(xué)院，南京 210096)

(東南大學(xué)微慣性儀表與先進導(dǎo)航技術(shù)教育部重點實驗室，南京 210096)

光纖陀螺是20世紀(jì)70年代發(fā)展起來的一種新型慣性儀器［1］.作為慣導(dǎo)系統(tǒng)的核心元件，光纖陀螺的輸出精度直接影響著慣導(dǎo)系統(tǒng)的性能.由于光纖陀螺易受環(huán)境噪聲的影響，因此在陀螺信號中除有用信號之外，還往往伴有大量的噪聲，相對微弱的信號通常會淹沒在強噪聲中，因此如何減小噪聲對陀螺信號的影響便成為亟需解決的問題［2］.

小波分析是傳統(tǒng)的去噪方法，已廣泛應(yīng)用到陀螺及其他信號的去噪處理中［3-5］，并取得了良好的效果.作為小波分析方法的改進，小波包變換也被應(yīng)用到光纖陀螺信號去噪中，由于小波包能對信號進行更細(xì)致的分解，從而得到了優(yōu)于小波分析的去噪結(jié)果［6］.此外，F(xiàn)LP 算法［7］、LMS 算法［8］等也在光纖陀螺信號去噪中得到了廣泛應(yīng)用.目前已有的方法基本上是利用單一算法對光纖陀螺信號進行處理，去噪精度有限.

本文針對光纖陀螺信號的噪聲，提出了一種基于小波包變換與FLP算法的去噪方法——WPTFLP算法.該算法結(jié)合小波包與FLP算法的優(yōu)點，充分利用小波包變換在信號多尺度分解以及FLP算法高精度去噪的優(yōu)勢，在僅增加較低復(fù)雜度的基礎(chǔ)上，有效地減小了噪聲對光纖陀螺輸出的影響，從而提高了光纖陀螺的精度與慣導(dǎo)系統(tǒng)的性能.

1 小波包變換原理

在正交小波變換中，多尺度分解只在A空間進行，而沒有在D空間內(nèi)進行進一步分解，即C0=A1⊕D1=A2⊕D2⊕D1=…，其分解具有一定的局限性.小波包變換則提供了更為靈活的分解方式，將頻帶進行多層次劃分，對小波分解中沒有細(xì)分的高頻段進一步分解，并能夠根據(jù)被分析信號的特征，自適應(yīng)地選擇相應(yīng)頻帶，使之與信號的頻譜相匹配.小波與小波包變換如圖1所示［9］.

圖1 小波分解與小波包分解對比圖

按照不同的尺度因子，多分辨率分析把Hillbert空間分解為所有子空間的正交和.為進一步對小波子空間Dj進行頻率的細(xì)分，可將尺度空間Aj和Dj用一個新的子空間統(tǒng)一起來表示.若令，則Hillbert空間的正交分解可用的分解統(tǒng)一為

式中，g(k)=(－1)kh(1－k)，即2系數(shù)也具有正交關(guān)系.當(dāng)n=0時，式(2)可以直接給出:

式中，u0(t)和u1(t)分別為尺度函數(shù)和母小波函數(shù)，即小波包是基于小波變換的進一步發(fā)展，能得到更精細(xì)的分解結(jié)果.

2 FLP去噪原理

FLP濾波即前向線性預(yù)測濾波，其思路是把先前的信號乘以相應(yīng)的權(quán)重來預(yù)測當(dāng)前時刻的信號，其最佳權(quán)重的獲取需要一個迭代過程.此過程首先設(shè)定權(quán)重初始值為零，然后使用最小均方差理論來最小化當(dāng)前時刻的信號與預(yù)測值之間的差值，不斷更新從而最終獲得一個穩(wěn)定收斂的權(quán)重值.

當(dāng)前時刻陀螺信號的估計值為

式中，X(n－1)={x(n－1)，x(n－2)，…，x(n－K)}T為先前時刻陀螺輸出所組成的向量，x(np)為先前時刻的陀螺信號;A為預(yù)測濾波器的權(quán)重系數(shù)矢量;αp為權(quán)重;K為階數(shù).其中K的選取為影響該算法應(yīng)用的重要因素之一，階數(shù)越大，去噪效果越好，但會加大去噪過程的計算量并影響去噪過程的實時性.經(jīng)過多次反復(fù)試驗，選取K=60作為本文中FLP濾波器的階數(shù).

根據(jù)最小均方誤差準(zhǔn)則，F(xiàn)LP的均方誤差即損失函數(shù)可定義為

式中，e(n)=x(n)－^x(n)，表示FLP誤差.根據(jù)最小均方差準(zhǔn)則來最小化前向線性預(yù)測誤差，即要選擇合適的權(quán)重以使評價函數(shù)取得極小值.由最小均方值可得權(quán)重的迭代調(diào)整公式為［7］

式中，μ為一個正的常量，用以控制整個迭代過程的收斂速度.μ取值較大有利于快速迭代，但會增加穩(wěn)態(tài)均方誤差和最小均方誤差之間的偏差，并可能導(dǎo)致整個迭代過程發(fā)散.為了保證較快的預(yù)測收斂速度和相對較小的穩(wěn)態(tài)誤差，一般給μ設(shè)定一個上限:μmax=1/λmax，其中，λmax為輸入向量 X(n －1)的自相關(guān)矩陣的最大特征值.

3 WPT-FLP算法

WPT-FLP算法具體步驟如下:

①小波包分解與單支重構(gòu).選擇小波包分解的尺度為N，并對各節(jié)點的小波包系數(shù)進行單支重構(gòu).

②小波包高頻系數(shù)強制去噪.第N層各節(jié)點小波包系數(shù)是由第N－1層各節(jié)點系數(shù)分解得到的，故相對第N－1層系數(shù)，第N層小波包系數(shù)包含2N－1個低頻系數(shù)結(jié)點即節(jié)點(N，0)，(N，2)，…，(N，2N－2)，例如圖1(b)第3層小波包分解系數(shù)中的 AAA0，ADA2，AAD4與ADD6;第 N 層小波包系數(shù)還包含 2N－1個高頻系數(shù)結(jié)點即(N，1)，(N，3)，…，(N，2N－1)，例如圖 1(b)中的 DAA1，DDA3，DAD5與DDD7.本步驟對高頻系數(shù)強制去噪，即將高頻系數(shù)全部置零.

③小波包低頻系數(shù)FLP去噪.對步驟②中描述的第N層低頻系數(shù)進行FLP前向線性預(yù)測，在此預(yù)測過程中，預(yù)測誤差與步長是密切相關(guān)的.在初始階段，預(yù)測誤差較大，步長的選擇應(yīng)該使預(yù)測誤差快速降到一定的程度，此時可以取相對較大的步長.當(dāng)預(yù)測誤差降到一定程度，采用小步長以提高穩(wěn)態(tài)輸出精度.由于WPT-FLP權(quán)系數(shù)調(diào)整是基于分頻段數(shù)據(jù)塊進行的，因此每個頻段步長調(diào)整應(yīng)該和頻段內(nèi)預(yù)測誤差的絕對誤差有關(guān).令第j頻段內(nèi)FLP絕對誤差的均值為則可以使用下面的步長增益算法公式［10］:

式中，β為由預(yù)測過程決定的加權(quán)系數(shù);α為衰減系數(shù).可通過多次實驗來獲得β與α的最優(yōu)值［11］.為提高算法速度，步驟②和③采用并行處理.

④小波包重構(gòu).將步驟②和③分別處理后得到的第N層高低頻系數(shù)進行重構(gòu)，得到WPT-FLP算法去噪后的光纖陀螺信號.

4 光纖陀螺信號去噪結(jié)果分析

選取一組保偏干涉式閉環(huán)光纖陀螺的靜態(tài)輸出信號對算法進行驗證，在水平放置、開機穩(wěn)定、工作環(huán)境恒溫(30℃)的條件下采集靜態(tài)陀螺信號，采樣頻率為100 Hz.取40 s采集的光纖陀螺靜態(tài)信號對3尺度WPT-FLP算法進行驗證，其中小波包的小波基選為db4小波.并與3尺度的小波包去噪、FLP去噪方法進行比較，其結(jié)果如圖2所示.

圖2 原始信號與去噪結(jié)果示意圖

由圖2(a)可看出，光纖陀螺原始信號噪聲較大.由圖2(b)、(c)、(d)對比可得，與小波包和FLP算法去噪相比，WPT-FLP算法的去噪效果更好，能更有效地減小噪聲對信號的影響.

圖3中分別為原始信號和WPT-FLP算法去噪后信號的連續(xù)小波變換三維圖，對比可得，原始信號的高頻系數(shù)較大，而WPT-FLP算法處理后的信號則有效地消除了高頻系數(shù)即噪聲的影響.

為定量分析WPT-FLP算法的去噪能力，可通過信號標(biāo)準(zhǔn)差(S)及Allan方差分析［12］中誤差系數(shù)的變化情況來反映算法的去噪效果.用Allan方差分析中誤差系數(shù)中的量化噪聲(Q)與角度隨機游走系數(shù)(N)來表征噪聲大小，分析結(jié)果見表1.

圖3 原始信號與去噪后信號的小波變換三維圖

表1 去噪前后光纖陀螺信號分析

由表1可看出，相比小波包變換和FLP去噪算法，WPT-FLP算法去噪后的信號其量化噪聲、角度隨機游走與標(biāo)準(zhǔn)差均有顯著下降，表明WPT-FLP算法的去噪能力要優(yōu)于小波包變換及FLP去噪算法.

5 結(jié)語

針對光纖陀螺信號中的噪聲，本文結(jié)合小波包變換與FLP濾波算法的優(yōu)勢，提出了一種新的去噪方法——WPT-FLP算法.該方法利用小波包變換將輸入向量分解到多尺度空間，降低了信號的自相關(guān)性，從而提高了FLP算法的去噪精度.利用一組光纖陀螺靜態(tài)輸出信號對去噪算法進行了驗證，結(jié)果表明，相比于傳統(tǒng)的小波包去噪和FLP算法，本文提出的WPT-FLP算法能更有效地降低白噪聲對光纖陀螺輸出信號的影響，去噪精度更高，且該方法簡便易行，易于軟件實現(xiàn).

References)

［1］張桂才.光纖陀螺原理與技術(shù)［M］.北京:國防工業(yè)出版社，2008.

［2］Blin S，Digonnet M J F，Kino G S.Noise analysis of an air-core fiber optic gyroscope［J］.IEEE Photonics Technology Letters，2007，19(19):1520-1522.

［3］Yan R Q，Gao R X.Harmonic wavelet-based data filtering for enhanced machine defect identification ［J］.Journal of Sound and Vibration，2010，329(15):3203-3217.

［4］ Ji Xunsheng，Wang Shourong，Xu Yishen.Application of fast wavelet transformation in signal processing of MEMS gyroscope［J］.Journal of Southeast University:English Edition，2006，22(4):510-513.

［5］袁瑞銘，孫楓，陳慧.光纖陀螺信號的小波濾波方法研究［J］.哈爾濱工業(yè)大學(xué)學(xué)報，2004，36(9):1235-1238.Yuan Ruiming，Sun Feng，Chen Hui.Wavelet filtering method in signal processing of fiber optic gyro ［J］.Journal of Harbin Institute of Technology，2004，36(9):1235-1238.(in Chinese)

［6］ Wang Qi，Xu Xiaosu.Application of wavelet package filtering in the de-noising of fiber optic gyroscopes［J］.Journal of Southeast University:English Edition，2008，24(1):46-49.

［7］易康，李廷志，吳文啟.FLP濾波算法在光纖陀螺信號預(yù)處理中的應(yīng)用［J］.中國慣性技術(shù)學(xué)報，2005，13(5):58-62.Yi Kang，Li Tingzhi，Wu Wenqi.Application of forward linear prediction filter in signal process of FOG［J］.Journal of Chinese Inertial Technology，2005，13(5):58-62.(in Chinese)

［8］陳世同，孫楓，高偉，等.基于歸一化LMS算法的光纖陀螺降噪技術(shù)研究［J］.儀器儀表學(xué)報，2009，30(3):521-525.Chen Shitong，Sun Feng，Gao Wei，et al.Research on the noise control technology in FOG based on NLMS algorithm ［J］.Chinese Journal of Scientific Instrument，2009，30(3):521-525.(in Chinese)

［9］ He Haibo，Cheng Shijie，Zhang Youbing，et al.Home network power-line communication signal processing based on wavelet packet analysis［J］.IEEE Transactions on Power Delivery，2005，20(3):1879-1885.

［10］吉訓(xùn)生，王壽榮.硅微陀螺信號處理方法——基于前向線性預(yù)測小波變換方法［J］.高技術(shù)通訊，2008，18(2):151-155.Ji Xunsheng，Wang Shourong.Forward linear prediction based wavelet transformation for micro silicon gyroscope signal processing［J］.Chinese High Technology Letters，2008，18(2):151-155.(in Chinese)

［11］高鷹，謝勝利.一種變步長LMS自適應(yīng)濾波算法及分析［J］.電子學(xué)報，2001，29(8):1094-1097.Gao Ying，Xie Shengli.A variable step size LMS adaptive filtering algorithm and its analysis［J］.Acta Electronica Sinca，2001，29(8):1094-1097.(in Chinese)

［12］ Ei-Sheimy Naser，Hou Haiying，Niu Xiaoji.Analysis and modeling of inertial sensors using Allan variance［J］.IEEE Transaction on Instrumentation and Measurement，2008，57(1):140-149.