基于深度學(xué)習(xí)的MEMS加速度計(jì)隨機(jī)漂移補(bǔ)償方法

摘要： 為了有效地抑制MEMS加速度計(jì)的隨機(jī)漂移，文中提出了一種將深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法補(bǔ)償MEMS加速度計(jì)隨機(jī)漂移。在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的基礎(chǔ)上，建立長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)模型，利用基于自適應(yīng)性矩估計(jì)(ADAM)的優(yōu)化算法對(duì)LSTM模型進(jìn)行訓(xùn)練。結(jié)果表明，與傳統(tǒng)的濾波算法相比，文中方法將MEMS加速度計(jì)補(bǔ)償后的零偏穩(wěn)定性、零偏不穩(wěn)定性和加速度隨機(jī)游走等性能指標(biāo)降低...