1.一种基于ICEEMDAN‑ACF的自适应MEMS陀螺信号去噪方法，其特征在于，它包括以下步骤：步骤1：对微机电系统MEMS陀螺信号进行预降噪；

步骤2：分解微机电系统MEMS陀螺信号，得到多个本征模态函数IMF与余项Res；

步骤3：计算各阶本征模态函数IMF的自相关函数方差，使用自相关函数ACF自适应阈值筛选噪声主导本征模态函数IMF；

步骤4：剔除噪声主导本征模态函数IMF后与余项Res一起重构微机电系统MEMS陀螺信号；

通过以上步骤完成对微机电系统MEMS陀螺信号的去噪。

2.根据权利要求1所述的方法，其特征在于，在步骤1中，对于包含低能量高频成分的微机电系统MEMS陀螺信号，使用自相关函数ACF自适应阈值判断微机电系统MEMS陀螺信号的信噪比；

对于低信噪比且含低能量高频成分的微机电系统MEMS陀螺信号，使用小波软阈值进行预降噪；

对于其它情况的微机电系统MEMS陀螺信号，不进行预降噪处理。

3.根据权利要求2所述的方法，其特征在于，在步骤1中，对于包含低能量高频成分的微机电系统MEMS陀螺信号，使用自相关函数ACF自适应阈值判断微机电系统MEMS陀螺信号的信噪比；对于低信噪比且含低能量高频成分的微机电系统MEMS陀螺信号，使用小波软阈值进行预降噪；

具体包括以下子步骤：

1.1)计算微机电系统MEMS陀螺信号自相关函数的方差；自相关函数方差为偶对称，所述自相关函数均取右半边数据；

1.2)使用如下公式判断微机电系统MEMS陀螺信号的信噪比水平：var()计算方差，ACFsignal为微机电系统MEMS陀螺信号的自相关函数，ACFideal_awg为理想高斯白噪声的自相关函数，其值为[1,01*(n‑1)]，01*(n‑1)为1行n‑1列的零矩阵，n为待去噪信号的长度，t2为信噪比水平判断阈值，上式的比值小于t2时，将微机电系统MEMS陀螺信号判定为低信噪比信号，上式比值大于等于t2时，将微机电系统MEMS陀螺信号判定为中、高信噪比信号；

1.3)使用小波分解低信噪比MEMS陀螺信号，小波分解层数为L，得到小波系数；分解后使用小波软阈值函数处理小波系数，小波软阈值函数如下：c为小波系数，阈值λ’使用Rigrsure阈值，sgn()为符号函数，其形式如下：式中，a为变量。

4.根据权利要求1所述的方法，其特征在于，在步骤2中，使用改进完全自适应噪声集合经验模态分解ICEEMDAN算法分解微机电系统MEMS陀螺信号x，得到N个本征模态函数IMF与一个余项Res；

具体分为以下子步骤：

2.1)计算一阶残差r1和第1阶本征模态函数IMF1：IMF1＝x‑r1

<·>表示多个信号求均值；M(·)表示信号的局部均值，以微机电系统MEMS陀螺信号x为例，其局部均值计算方式如下：envup(x)和envdown(x)为x的上包络与下包络，分别可由x的极大值、极小值经过三次多项式插值得到； i＝1,2,…,n1，n1为构造信号时添加的高斯白噪声的个数，i 1

ω表示第i个均值为0、方差为1的高斯白噪声，β0＝ε0std(x)/std(E1(ω))，std()计算标准差，ε0为高斯白噪声的幅度；Ek(·)表示经验模态分解EMD分解所得的第k阶本征模态函数IMF；

2.2)计算二阶残差r2和第2阶本征模态函数IMF2：IMF2＝r1‑r2

其中 i＝1,2,…,n1，β1＝ε0std(r1)；

2.3)k>2，计算k阶残差rk和第k阶本征模态函数IMFk：IMFk＝rk‑1‑rk

其中 i＝1,2,…,n1，βk＝ε0std(rk)，判断rk是否单调，若rk单调，则停止分解；若rk非单调，则k加1，重复步骤2.3，直到rk单调；

x可表示为：

式中N为改进完全自适应噪声集合经验模态分解ICEEMDAN分解终止时的k，Res为分解终止时的rk。

5.根据权利要求1所述的方法，其特征在于，在步骤3中，计算各阶本征模态函数IMF的自相关函数方差，使用ACF自适应阈值筛选噪声主导本征模态函数IMF，筛选噪声主导本征模态函数IMF的ACF自适应阈值t1的形式如下：其中λ为自适应阈值调整系数，计算各阶本征模态函数IMF自相关函数方差，如果小于t1，则将该本征模态函数IMF判定为噪声主导本征模态函数IMF。

6.根据权利要求1所述的方法，其特征在于，在步骤4中，剔除噪声主导本征模态函数IMF后与余项Res一起重构微机电系统MEMS陀螺信号；采用以下重构公式进行信号的重构：其中 为不包含噪声主导的本征模态函数IMF的阶数的集合，x'为去噪后重构后的微机电系统MEMS陀螺信号。