基于深度學(xué)習(xí)的MEMS加速度計隨機漂移補償方法

摘要： 為了有效地抑制MEMS加速度計的隨機漂移，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)合的方法補償MEMS加速度計隨機漂移。在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的基礎(chǔ)上，建立長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)模型，利用基于自適應(yīng)性矩估計(ADAM)的優(yōu)化算法對LSTM模型進行訓(xùn)練。結(jié)果表明，與傳統(tǒng)的濾波算法相比，文中方法將MEMS加速度計補償后的零偏穩(wěn)定性、零偏不穩(wěn)定性和加速度隨機游走等性能指標降低...