基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对MEMS IMU误差累积问题,在对误差分析建模的基础上,利用其高低频和时序特性,研究了一种小波变换和长短时记忆神经网络相结合的去噪方法.首先通过Allan方差分析IMU输出误差特性,构造误差模型,其次借助小波变换将IMU误差分解为高低频成分,分别利用小波阈值去噪和长短时记忆网络建模来降低噪声,最后以小波重构方法得到去噪后的IMU测量值.将此方法应用于6D激光标靶和IMU组合测量系统的姿态解算,经过比对实验,能够有效分离随机误差频率特性,进一步消除高频噪声,优化姿态误差,提升组合系统动态性能.
推荐文章
基于小波分解和长短时记忆网络的地铁进站量短时预测
地铁进站量
短时预测
小波分解
长短时记忆网络
组合模型
基于烟花算法与长短时记忆网络的模温预测方法研究
计量学
模具温度
灰关联分析
烟花算法
长短时记忆网络
基于长短时记忆网络的旋转机械状态预测研究
振动与波
长短时记忆
故障预测
状态监控
经验模态分解
能量熵
基于深度双向长短时记忆网络的文本情感分类
情感分类
词嵌入
长短时记忆网络
循环神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波和长短时记忆的IMU去噪方法
来源期刊 传感技术学报 学科 工学
关键词 姿态测量 惯性测量单元 小波变换 长短时记忆 信号降噪
年,卷(期) 2020,(5) 所属期刊栏目 传感器信号处理
研究方向 页码范围 677-681
页数 5页 分类号 TH911.4
字数 3316字 语种 中文
DOI 10.3969/j.issn.1004-1699.2020.05.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邾继贵 天津大学精密测试技术及仪器国家重点实验室 156 2628 27.0 45.0
2 林嘉睿 天津大学精密测试技术及仪器国家重点实验室 36 288 8.0 16.0
3 杨凌辉 天津大学精密测试技术及仪器国家重点实验室 40 306 12.0 17.0
4 李金奕 天津大学精密测试技术及仪器国家重点实验室 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (62)
共引文献  (25)
参考文献  (17)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2011(7)
  • 参考文献(2)
  • 二级参考文献(5)
2012(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(9)
  • 参考文献(1)
  • 二级参考文献(8)
2016(12)
  • 参考文献(1)
  • 二级参考文献(11)
2017(6)
  • 参考文献(0)
  • 二级参考文献(6)
2018(6)
  • 参考文献(4)
  • 二级参考文献(2)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
姿态测量
惯性测量单元
小波变换
长短时记忆
信号降噪
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
传感技术学报
月刊
1004-1699
32-1322/TN
大16开
南京市四牌楼2号东南大学
1988
chi
出版文献量(篇)
6772
总下载数(次)
23
总被引数(次)
65542
论文1v1指导