1.卡尔曼滤波和Visushrink阈值处理的陀螺信号去噪方法，其特征在于，包括以下步骤：步骤1：建立陀螺仪信号的时间序列ARMA模型；

先提取陀螺仪原始信号中的趋势项和周期项，再对其残差建立时间序列ARMA模型，采用最终预报误差FPE准则对模型定阶，求得陀螺随机漂移误差；

步骤2：采用自适应抗野值卡尔曼滤波对陀螺仪信号去噪；

步骤2.1：根据步骤1的陀螺随机漂移误差模型建立卡尔曼滤波器的状态方程和量测方程；

步骤2.2：进行自适应抗野值卡尔曼滤波器初始化，在滤波开始时刻，利用陀螺随机漂移误差模型估计的陀螺仪误差，初始化滤波器的状态向量和协方差矩阵；

步骤2.3：进行自适应抗野值卡尔曼滤波；

在完成tk时刻的一次滤波更新之后，计算前 时刻信息序列 、 、 的方差，其中 为 时刻的信息，计算 并与 、相比较，其中， 表示矩阵的均值，β为常数， ；

如果  ，则认为此数据是干扰数据，修正 时刻卡尔曼滤波增益，将 赋值给 ， 为常数， ，重新计算 时刻的系统状态更新和协方差更新 以及滤波器输出 ，进入下一时刻滤波循环；

如果 ，则修正 时刻系统状态向量的一步预测值 ，将 赋值给 ， ，并重新计算 时刻的信息 ，继而重新计算 时刻的系统状态更新 和协方差更新 以及滤波器输出 ，进入下一时刻滤波循环；

如果 ，则进入下一时刻的滤波过程循环；

步骤3：利用小波分析，分别对卡尔曼滤波后的陀螺仪信号的低频分量、高频分量进行阈值处理；

步骤3.1：选择小波函数；

步骤3.2：确定小波分解水平，对滤波后输出的陀螺仪信号采用选定的小波函数进行小波分解，计算每层高频分量的峰值比；

高频分量的峰值比的计算式为：

；

式中 为分解层数， 为第 层高频分量的个数， 为位于第 层的高频分量绝对值的最大值， 为位于第 层第 个高频分量的绝对值， 为第 层的峰值比；

当 且 时，确定分解层数 ，其中 为区分某层高频分量中是否含有噪声信息的一个阈值， ；

步骤3.3：对低频信号和高频信号进行Visushrink阈值处理；

对 层的低频信号和每一层的高频信号进行阈值处理，采用Visushrink阈值，其中 为小波分解第一层的小波系数的绝对值，M为信号的长度，采用软阈值函数

 ；

式中r为每一个小波系数；

步骤4：对阈值处理后的陀螺仪信号的高频和低频信号进行小波重构。