一种基于注意力机制LSTM模型的抽运光功率误差建模与补偿方法

本发明涉及一种基于注意力机制长短期记忆网络(LSTM)模型的抽运光功率误差建模与补偿方法，以解决无自旋弛豫(SERF)惯性测量系统因抽运光功率波动而产生的标度因数漂移与零偏不稳定问题。首先，通过环形光电探测器(PD)非接触式监测抽运激光功率，结合高斯光束理论建立主路抽运光功率实时估算模型；其次，采集系统输出信号与基于实时估算模型得出的主路抽运光功率时间序列数据，利用注意力机制增强的LSTM构建深度神经网络误差模型，实现输出信号的精准建模与动态预测；最后，基于模型预测结果计算输出误差对系统输出信号进行实时补偿。该方法显著抑制了系统输出漂移趋势，可用于提升SERF惯性测量系统长期运行稳定性。