基于注意力机制与1D-CNN-Bi-GRU的MEMS陀螺仪降噪方法研究

为降低MEMS陀螺仪输出信号噪声,提出一种基于注意力机制和1D-CNN-Bi-GRU的MEMS陀螺仪误差补偿方法。首先通过1D-CNN网络进行陀螺时序数据特征提取,然后采用Bi-GRU网络进行特征分析,最后利用注意力机制进行数据权重分配。实验结果表明,与对照方法相比,该文方法噪声平均值减少57.03%和47.8%,噪声方差减少81.07%和73.01%,表明该文方法具有一定优势,具有较好的误差补偿效果。

IEKF滤波在移动机器人定位中的应用

针对EKF中观测噪声方差估计不准确导致滤波器性能下降甚至发散的问题,提出了基于环境特征的迭代扩展卡尔曼滤波(IEKF)融合算法。该算法融合了里程计采集的机器人内部数据和激光雷达传感器采集的外部环境特征,在测量更新阶段多次迭代状态估计值并对机器人的位姿进行修正,减少了非线性误差,提高了定位精度。