随着武器技术的不断发展,常规弹药的制导化改造已成为一种必然趋势。通过应用精确制导技术,可以显著提高弹药的打击精度和效率。而在实现弹药制导化改造的过程中,精准测量角速度是一项关键核心技术。微机电系统(Micro-Electro Mechanica...随着武器技术的不断发展,常规弹药的制导化改造已成为一种必然趋势。通过应用精确制导技术,可以显著提高弹药的打击精度和效率。而在实现弹药制导化改造的过程中,精准测量角速度是一项关键核心技术。微机电系统(Micro-Electro Mechanical System,MEMS)陀螺仪存在输出信号噪声大、精度低的问题,针对上述问题,提出了一种自适应噪声完备集合鲁棒局部均值分解(CERLMDAN)和归一化LMS算法(Normalized Least Mean Square,NLMS)结合的滤波模型。该模型通过在鲁棒局部均值分解(Robust Local Mean Decomposition,RLMD)过程中添加白噪声将原始数据分解为多个乘积函数(Product Functions,PF),并根据排列熵(Permutation Entropy,PE)将PF分为混合PF和有用PF;其次对混合PF使用NLMS去噪;最后,把处理后的PF和有用PF进行重构,得到去噪后的信号。试验表明,本文提出的去噪模型对信号均值与方差有显著提升,信号均值由0.5891提升至0.5396,信号方差由44.473提升至5.2692。展开更多
文摘随着武器技术的不断发展,常规弹药的制导化改造已成为一种必然趋势。通过应用精确制导技术,可以显著提高弹药的打击精度和效率。而在实现弹药制导化改造的过程中,精准测量角速度是一项关键核心技术。微机电系统(Micro-Electro Mechanical System,MEMS)陀螺仪存在输出信号噪声大、精度低的问题,针对上述问题,提出了一种自适应噪声完备集合鲁棒局部均值分解(CERLMDAN)和归一化LMS算法(Normalized Least Mean Square,NLMS)结合的滤波模型。该模型通过在鲁棒局部均值分解(Robust Local Mean Decomposition,RLMD)过程中添加白噪声将原始数据分解为多个乘积函数(Product Functions,PF),并根据排列熵(Permutation Entropy,PE)将PF分为混合PF和有用PF;其次对混合PF使用NLMS去噪;最后,把处理后的PF和有用PF进行重构,得到去噪后的信号。试验表明,本文提出的去噪模型对信号均值与方差有显著提升,信号均值由0.5891提升至0.5396,信号方差由44.473提升至5.2692。
