-
公开(公告)号：CN113720320A
公开(公告)日：2021-11-30
申请号：CN202110886724.0
申请日：2021-08-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于高斯过程回归的信息更新频率提升方法，所述方法首先利用通用卷积谱混合成分核函数(GeneralizedConvolutionS pectralMixtureKernel，GCSMK)方法建立原子干涉陀螺仪(AtomInterferenceGyroscope，AIG)惯性测量数据的结构化模型，获得惯性测量信息之间的相互依赖关系；然后建立基于GCSMK的高斯过程回归(GaussianProcessesRegression，GPR)算法框架，利用基于稀疏化思想改进的GPR算法实现惯性传感器信息更新频率的快速提升，从而在不改变惯性传感器自身精度的前提下提升惯性信息的更新频率。
-
公开(公告)号：CN113702666A
公开(公告)日：2021-11-26
申请号：CN202110886143.7
申请日：2021-08-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种光纤陀螺惯性测量单元信号联合降噪方法，本方法首先利用快速自适应噪声完整集合经验模态分解方法Fast‑CEEMDAN将光纤陀螺IMU输出信号进行本征模态分量IMF分解，不仅大大降低了计算量，同时有效解决了噪声从高频到低频的转移传递问题，提高了信息结构化的精度和效率；随后，计算IMF的排列熵和平均排列熵，实现含噪较多IMF的筛选；最后利用自适应小波包分析,AWPA方法对含噪较多IMF进行去噪，保证信号分解的无冗余性、减少局部信号损失，最大限度提高信号的信噪比，从而得到高精度强鲁棒性测量信息。
-
公开(公告)号：CN113702666B
公开(公告)日：2023-06-20
申请号：CN202110886143.7
申请日：2021-08-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种光纤陀螺惯性测量单元信号联合降噪方法，本方法首先利用快速自适应噪声完整集合经验模态分解方法Fast‑CEEMDAN将光纤陀螺IMU输出信号进行本征模态分量IMF分解，不仅大大降低了计算量，同时有效解决了噪声从高频到低频的转移传递问题，提高了信息结构化的精度和效率；随后，计算IMF的排列熵和平均排列熵，实现含噪较多IMF的筛选；最后利用自适应小波包分析,AWPA方法对含噪较多IMF进行去噪，保证信号分解的无冗余性、减少局部信号损失，最大限度提高信号的信噪比，从而得到高精度强鲁棒性测量信息。
-
公开(公告)号：CN113720320B
公开(公告)日：2022-11-18
申请号：CN202110886724.0
申请日：2021-08-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于高斯过程回归的信息更新频率提升方法，所述方法首先利用通用卷积谱混合成分核函数(Generalized ConvolutionSpectralMixtureKernel，GCSMK)方法建立原子干涉陀螺仪(AtomInterference Gyroscope，AIG)惯性测量数据的结构化模型，获得惯性测量信息之间的相互依赖关系；然后建立基于GCSMK的高斯过程回归(Gaussian ProcessesRegression，GPR)算法框架，利用基于稀疏化思想改进的GPR算法实现惯性传感器信息更新频率的快速提升，从而在不改变惯性传感器自身精度的前提下提升惯性信息的更新频率。
-
-
-
Search Results
4
records
(took 0.027 seconds)
