一种基于长短期记忆深度学习的惯性传感器标定方法

本发明公开了一种基于长短期记忆深度学习的惯性传感器标定方法，构建LSTM模型用于预测传感器在未来某一时刻的误差值；在LSTM模型中进行逐层学习过程，将上一层输出的误差值输入到下一层的步骤中进行计算，以此类推直至学习过程结束；在LSTM模型中进行预测过程，将逐层学习过程输出的误差值输入到预测过程中，得到在未来某一时刻的预测误差值，其中，预测误差值用于惯性传感器标定。本发明有效的对IMU误差模型进行了近似，补偿过后的IMU精度得到了大幅度提升，其可靠性在长时间/恶劣工况的情况下，还能够保持效果，同时，比起传统补偿标定方法，本方法无需额外的硬件设备，所以无需增加成本，或者改变原先有的测试产线，适用于全部精度的IMU产品。