典型文献
一种引入Hurst指数的MEMS陀螺仪去噪模型
文献摘要：
针对MEMS陀螺仪随机漂移产生的误差,提出一种引入Hurst指数的自适应噪声完备集成经验模态分解(CEEMDAN)与自适应卡尔曼滤波(AKF)相结合的去噪模型.首先,通过CEEMDAN对陀螺仪原始信号进行分解,得到一系列频率由高到低的本征模态函数(IMF)和一个残差余量;然后,提出Hurst指数模态筛选机制,将IMF分量划分为噪声IMF、混合IMF和信息IMF;最后,使用 自适应卡尔曼滤波器对混合模态分量进行滤波并重构信号.结果表明,CEEMDAN较EMD和EEMD具有更高的分解精度;使用AKF处理混合模态,通过Hurst指数筛选机制重构信号的信噪比相较于排列熵和相关系数法分别提升约12％、36％;使用Hurst指数筛选机制,AKF处理混合模态后重构信号的RMSE较小波阈值滤波降低约23％.
文献关键词：
CEEMDAN;本征模态函数;Hurst指数;自适应卡尔曼滤波
中图分类号：
作者姓名：
龚云;信杰;南守琎
作者机构：
西安科技大学测绘科学与技术学院,西安市雁塔中路58号,710054
文献出处：
引用格式：
[1]龚云;信杰;南守琎-.一种引入Hurst指数的MEMS陀螺仪去噪模型)[J].大地测量与地球动力学,2022(05):457-461
A类：
B类：
Hurst,MEMS,陀螺仪,去噪模型,漂移,自适应噪声完备集成经验模态分解,CEEMDAN,自适应卡尔曼滤波,AKF,本征模态函数,IMF,余量,筛选机制,卡尔曼滤波器,混合模态,模态分量,重构信号,机制重构,排列熵,相关系数法,RMSE,小波阈值滤波
AB值：
0.226967
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
