基于深层循环神经网络的陀螺仪降噪方法研究

发布时间：2023-04-05 09:55

　　陀螺仪固有的随机误差会随时间积累越来越大,循环神经网络作为一种有效处理时间序列信号的算法被广泛使用,然而传统的循环神经网络在处理陀螺仪产生的随机误差上无法解决长期依赖,容易出现梯度消失和梯度爆炸问题.为了获得精确的陀螺仪信号,本文基于循环神经网络变体的长短记忆网络和门循环单元的陀螺仪信号降噪算法,并创新性的将两种网络进行组合验证.文中先是通过Allan方差对陀螺仪随机误差进行误差分析,然后基于LSTM和GRU组合对陀螺仪输出信号进行补偿处理,结果表明LSTM结合GRU对陀螺仪的随机误差处理有明显改善,其中X、Y、Z轴方向陀螺仪的量化噪音、角度随机游走、零偏不稳定性、角速度游走和速度斜坡性能均有不同程度的提升.

【文章页数】：8 页

【文章目录】：
0 引言
1 误差模型
    1.1 Allan方差辨识误差
2 循环神经网络神经
    2.1 长短记忆神经网络
    2.2 门循环单元(GRU)
    2.3 算法流程实现
        2.3.1 LSTM-LSTM网络模型
        2.3.2 LSTM-GRU网络模型
3 实验验证
    3.1 实验分析
    3.2 实验结果
        3.2.1 不同网络对陀螺仪数据补偿的优势
        3.2.2 陀螺仪随机误差预测前后对比
4 结论



本文编号：3783204