加速度计是用于测量载体运动方向加速度的传感器,由于其测量的方便及可靠性被广泛应用于航空航天、建筑、工业自动化等领域。加速度计动态模型为加速度信号测量提供了基础,实现其模型的参数辨识,能够描述加速度计的动态特性,从而提高加速度测量信号的精度。然而,加速度计测量信号容易受到噪声和低频非线性的影响,加速度计测量信号中的噪声,制约了其动态模型参数辨识的准确性。滤除加速度计信号中的噪声,能够有效地对提高加速度计信号分析精度及加速度计动态模型参数辨识精度。现有的基于经验模态分解(Empirical Mode Decomposition,EMD)的降噪方法能够自适应分解信号,然而其在降噪过程中存在端点效应、模态混叠等问题,导致其降噪精度较低。基于小波变换的信号降噪方法通过从多分辨率分析测量信号,获取测量信号的噪声部分,并实现有效滤除。然而,该方法过度依赖测量信号的单一性,并没有充分考虑加速度计比较法冲击激励校准中加速度计输出信号间的相关性,降噪精度因此受到制约。因此,研究基于小波变换的加速度计信号降噪及参数辨识方法,具有重要的理论意义和应用价值。本文在分析加速度计输出信号小波系数相关性与噪声的关系基础上,提出了一种基于序列相关性和小波变换的加速度计信号降噪方法,利用同一激励下不同加速度计响应信号小波系数间的相关性,将互相关系数引入小波阈值降噪的阈值计算过程中,能够有效降低加速度计输出信号中的噪声,降低噪声对加速度计频率响应函数估计精度的影响。针对加速度计的测量噪声及其频率响应函数中低频非线性模态对其动态模型参数辨识精度的影响,提出一种基于小波降噪和加权最小二乘的加速度计动态模型参数频域辨识方法,利用小波降噪预处理后的信号,得到频率响应,然后利用加速度计谐振频率附近的频率响应进行参数辨识,通过排列熵判断序列的复杂度,并调整加权最小二乘中的权重矩阵,能够有效降低测量噪声和低频非线性对参数辨识结果的影响,提高了参数辨识精度。利用MATLAB仿真平台和加速度计比较法冲击激励校准进行实验验证,结果表明,基于序列相关性和小波变换的加速度计信号降噪方法能够有效抑制其噪声;基于小波降噪和加权最小二乘频域参数辨识方法能够降低测量噪声及非线性对动态模型参数辨识过程的影响,具有较高的参数辨识的精度。