基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

一种适用于有限长度混合相位未知脉冲的最小平方反褶积新方法

普通的最小平方反褶积只有在子波为最小相位脉冲和反射序列为白噪声的假设下才是成立的,而对于混合相位未知脉冲来说,这种最小平方反褶积就不再适用了。本文提出一种适合于有限长度混合相位未知脉冲的最小平方反褶积方法。运用此法只需预先估计一个混合相位子波的长度。合成数据的试验结果表明,该方法有较好的效果,且对预先估计出的子波长度不敏感。文中还证明混合相位未知脉冲最小平方反褶积等效于一种有间隙的平滑误差滤波器的作用,而这种有间隙的平滑误差滤波又可分解为一个前向多步预测误差滤波与一个后向多步预测误差滤波之和。可以预计这种新的反滤积方法将在地震数据处理中得到有效的应用。