一种基于变分模态分解和样本熵的MEMS陀螺去噪方法

刘 洋，李 杰，张德彪，冯凯强，鲁正隆

(中北大学仪器科学与动态测试教育部重点实验室，山西太原 030051)

0 引言

MEMS陀螺仪广泛应用于捷联惯导、工业控制和消费电子等领域。但由于受到MEMS敏感理论、工艺水平及使用环境的影响，噪声成为制约MEMS陀螺仪性能的主要因素。构建陀螺的误差模型并补偿对提高精度至关重要，然而真实信号和漂移通常都淹没在高斯白噪声中，且因为存在这种非线性非平稳的随机过程导致难以建立精确的误差补偿模型，所以研究适用于非平稳随机误差的去噪算法具有重要意义。目前许多学者都致力于解决相关问题，提出了采用例如卡尔曼滤波器(KF)[1]、经验模态分解(EMD)[2-3]和小波变换(WT)[4]等方法进行滤波，实验结果证实它们在处理陀螺输出信号时，都能提供良好的去噪效果，但也都存在各自的不足。KF方法需要在具有完整信号的统计特性下分别建立状态方程和量测方程，结构和初始参数的确认都较为复杂，且其本质上更适合处理稳态信号，滤除非线性非稳态信号噪声的能力相对较弱。基于WT的时频分析方法需要事先选定一个小波基，特定的小波基在全局可能是最佳的，但针对信号的某些局部特征却很难分离出来，即小波基的选取对整个分析的结果影响很大，缺乏灵活性的同时也存在滤波时延问题。EMD可以看作一种不需要构造任何先验基础的自适应滤波器[5]，但其数学理论基础还不完善，且对噪声敏感，表现为在后期的分解中可能得到不准确的固有模态函数(IMF)分量，产生模态混叠等现象。……