自适应 AMA-DWT-DMKF 算法在光纤陀螺信号滤波中的应用

"本文介绍了一种新的光纤陀螺(FOG)信号滤波方法，名为AMA-DWT-DMKF算法，旨在解决噪声抑制与信号跟踪之间的矛盾。该算法结合了自适应滑动平均(AMA)、离散小波变换(DWT)和双模式卡尔曼滤波器(DMKF)的技术，以提升滤波效果。通过AMA算法，FOG的输出信号被分割为信号过渡区域和稳定区域，然后利用DWT进行多尺度分析，同时根据不同的过程噪声方差Q和测量噪声方差R的比值，应用适当的卡尔曼滤波器模式进行滤波。实验结果显示，AMA-DWT-DMKF算法在保持高噪声抑制能力的同时，也表现出优秀的信号跟踪性能，适用于处理FOG的静态信号、扰动信号以及变化速率信号的滤波任务。" 本文的研究聚焦于光纤陀螺信号的处理，特别是在滤波过程中如何兼顾噪声抑制和信号跟踪。光纤陀螺(FOG)作为光通信中的重要组件，其输出信号往往受到噪声干扰，而传统的滤波方法可能无法同时满足噪声抑制和信号跟踪的要求。AMA-DWT-DMKF算法的创新之处在于它结合了多种技术来优化这一问题。 首先，自适应滑动平均(AMA)算法能够动态地识别信号的不同阶段，将信号分为噪声较为活跃的过渡区域和相对稳定的区域。这种划分有助于后续处理阶段针对性地进行滤波。 其次，离散小波变换(DWT)被用来对信号进行多尺度分解，这种变换可以揭示信号在不同时间尺度上的特性，从而有效地分离信号和噪声。 最后，双模式卡尔曼滤波器(DMKF)是基于不同的噪声方差比例Q/R来适应性地选择滤波策略。在高Q/R值下，滤波器更注重噪声抑制，而在低Q/R值时，滤波器倾向于保持信号跟踪能力。 实验部分展示了AMA-DWT-DMKF算法在各种FOG信号条件下的表现，包括静态、扰动和动态速率变化的信号。结果证明，提出的算法在保留信号细节的同时，显著降低了噪声的影响，提高了滤波的综合性能。 AMA-DWT-DMKF算法为光纤陀螺信号处理提供了一种新的有效方法，对于提高FOG系统的精度和稳定性具有重要意义。这项工作对光通信领域的信号处理技术发展，尤其是在面对复杂噪声环境时的信号恢复和跟踪能力，提供了有价值的理论和技术支持。