典型文献
用于倾角监测中的MEMS加速度计补偿方法
文献摘要：
针对在山体滑坡倾角监测中微电子机械系统(MEMS)加速度计存在误差的问题,传统方法的补偿效果欠佳,且无法很好地对时间序列数据进行分析.为了提高山体姿态监测的精度,采用了 一种基于一维卷积神经网络(1D-CNN)与长短期记忆(LSTM)网络相结合的MEMS加速度计误差补偿方法.将采集到的加速度数据转换成角度数据,然后通过1D-CNN与LSTM网络模型进行训练,设计了误差补偿的硬件系统,从而实现实时误差补偿.实验结果表明,与卡尔曼滤波和反向传播(BP)神经网络相比,X轴的均值和标准差分别为0.000 057.和0.000 033°,误差下降了 一个数量级,说明1D-CNN与LSTM相结合的网络对MEMS加速度计具有更好的补偿效果,为将来应用在山体滑坡倾角监测中奠定了基础.
文献关键词：
微电子机械系统(MEMS);加速度计;误差补偿;一维卷积神经网络(1D-CNN);长短期记忆(LSTM)网络;倾角监测
中图分类号：
作者姓名：
杨小平;谭凯;蒋力;刘光辉;李哲宏
作者机构：
桂林理工大学信息科学与工程学院,广西桂林 541004;桂林理工大学广西嵌入式技术与智能系统重点实验室,广西桂林 541004;广西壮族自治区地质环境监测站,南宁 530029;桂林赛普电子科技有限公司,广西桂林 541004
文献出处：
引用格式：
[1]杨小平;谭凯;蒋力;刘光辉;李哲宏-.用于倾角监测中的MEMS加速度计补偿方法)[J].微纳电子技术,2022(09):911-919,965
A类：
B类：
倾角监测,MEMS,加速度计,补偿方法,山体滑坡,微电子机械系统,时间序列数据,高山,体姿,姿态监测,一维卷积神经网络,1D,长短期记忆,误差补偿,数据转换,转换成,成角,角度数据,硬件系统,卡尔曼滤波,反向传播,差下,数量级
AB值：
0.215032
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
