基于机器学习技术的 MEMS 陀螺仪多特征标定
机器学习
2024-10-11 v1 信号处理
摘要
陀螺仪是实现导航、稳定和控制系统中准确角速度测量的关键元件。MEMS 陀螺仪具有紧凑尺寸和低成本等优势，但受制于复杂且随时间变化的误差和不准确性。本研究利用机器学习(ML)并使用 MEMS 振荡器陀螺仪的多个信号来提高其标定。XGBoost 以其高预测准确率和处理复杂非线性关系的能力，以及 MLP 因其通过多层和隐藏维度建模复杂模式的能力而被用于增强标定过程。我们的发现表明，两种模型都显著降低了噪声并提高了准确性和稳定性，超越了传统标定技术。尽管计算成本更高，但 DL 模型适用于高风险应用，而 ML 模型适用于消费电子和环境监测。两种 ML 和 DL 模型都证明了先进标定技术在提高 MEMS 陀螺仪性能和标定效率方面的潜力。
引用
@article{arxiv.2410.07519,
title = {MEMS Gyroscope Multi-Feature Calibration Using Machine Learning Technique},
author = {Yaoyao Long and Zhenming Liu and Cong Hao and Farrokh Ayazi},
journal= {arXiv preprint arXiv:2410.07519},
year = {2024}
}