一种基于VMD-神经网络模型的机载MIMU数据去噪方法

    公开(公告)号:CN118410280A

    公开(公告)日:2024-07-30

    申请号:CN202410625300.2

    申请日:2024-05-20

    Abstract: 本发明公开了一种基于VMD‑神经网络模型的机载MIMU数据去噪方法,主要解决机载MIMU量测噪声大和零偏大的难题,且MIMU数据去噪方法包含四个模块,即变分模态分解模块,神经网络模型包含一维卷积神经网络、双向长短时间记忆网络和全连接神经网络三个模块。首先,采用固定翼无人机作为MIMU的载体用于获取数据集。然后,对数据集进行预处理,包括差分方法和滑窗方法处理数据集使其成为有监督学习式的数据集。接下来,将预处理后数据集按8:2的比例分为训练集和测试集。采用VMD‑CNN‑BiLSTM‑FCNN模型对训练集和测试集分别进行训练和测试。本发明提出的神经网络模型能够有效降低机载环境噪声、机械振动噪声、气流噪声和飞行气动噪声等多种噪声源对MIMU测量精度的影响,具有鲁棒性。

    一种水空跨介质下航行器多传感器融合导航方法

    公开(公告)号:CN116952236A

    公开(公告)日:2023-10-27

    申请号:CN202310779653.3

    申请日:2023-06-29

    Abstract: 本发明公开了一种水空跨介质下航行器多传感器融合导航方法,涉及技术领域;属于跨介质导航技术领域,为了解决跨介质航行器在介质跨越过程中的精密导航定位难题;以微惯性单元为核心,辅以其他传感器来对惯性测量信息进行修正,实现跨介质航行器对高速率、精密可靠导航信息需求,利于航行器介质跨越过程稳定控制。搭建了联邦滤波器来协调各个传感器的导航信息,分别在空中、水空交界处和水下采用不同的传感器组合进行导航信息融合,同时采用基于传感器信息的模式切换方法,提高了航行器在不同介质跨越过程中导航输出速率、精度与稳定性。从而使系统可以适应航行器全域导航需求,保障水空跨介质环境下的精密导航与安全控制。

    一种基于单目RGB相机及MEMS多传感器融合人体姿态识别的方法

    公开(公告)号:CN116434326A

    公开(公告)日:2023-07-14

    申请号:CN202310193444.0

    申请日:2023-03-03

    Abstract: 本发明的目的在于提供一种基于单目RGB相机及MEMS多传感器融合人体姿态识别的方法,包括如下步骤:惯性动捕单元数据采集及姿态解算;UWB数据采集及分析定位;通过RGB相机采集数据并进行数据解算;多传感器融合优化姿态解算;数据格式转化;驱动虚拟人物,完成人机交互:导入设计好的人体模型,通过对输出数据进行解析并且更新到各个骨骼节点驱动三维人体模型。本发明为教练和滑雪者在未来进行滑雪动作改进训练,提高滑雪技能,加快滑雪者掌握滑雪能力速度,同时降低滑雪训练装备成本并适于普通滑雪爱好者,有助于滑雪机的推广和滑雪运动的普及。

Patent Agency Ranking