-
题名基于轻量神经网络的MEMS陀螺仪降噪与标定方法
- 1
-
-
作者
张睿桐
赵健康
崔超
-
机构
上海交通大学电子信息与电气工程学院
-
出处
《仪表技术与传感器》
CSCD
北大核心
2024年第11期22-27,共6页
-
基金
国家自然科学基金项目(62171283)
上海商用飞机系统工程联合研究基金(CASEF-2022-MQ01)。
-
文摘
针对MEMS陀螺仪测量模型中时变、非线性误差和高频噪声引起的姿态估计精度低及易发散的问题,提出一种基于深度学习的陀螺仪降噪与标定方法。对陀螺仪测量误差进行建模,采用卷积神经网络(CNN)从陀螺仪历史数据中提取误差模型特征,实现对陀螺仪数据实时降噪与标定,获得高精度姿态估计结果。原始陀螺仪数据经过网络降噪和标定后进行姿态估计,并将结果与参考姿态真值构建损失函数训练网络。在EuRoC导航数据集上的实验结果表明:与基于循环神经网络的方法和直接使用原始陀螺仪数据进行的姿态估计相比,基于CNN的方法误差分别降低了55.9%和96.4%,有效降低陀螺仪误差与噪声并提高姿态估计精度。网络轻量,参数仅有180个,适合嵌入式系统的应用。
-
关键词
MEMS陀螺仪
深度学习
姿态估计
降噪与标定
卷积神经网络
-
Keywords
MEMS gyroscope
deep learning
attitude estimation
denoising and calibration
convolutional neural network
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
-
