[發明專利]一種磁羅盤誤差補償方法

在審

• 申請號: 201711500001.2
• 申請日: 2017-12-26
• 公開（公告）號: CN109959371A
• 公開（公告）日: 2019-07-02
• 發明（設計）人: 李宗鑫
• 申請（專利權）人: 天津品贊科技有限公司
• 主分類號: G01C17/38
• 分類號: G01C17/38
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種磁羅盤誤差補償方法，磁羅盤誤差補償分為兩個步驟：誤差模型訓練；使用過程中的誤差補償；歸一化處理；所述步驟誤差模型訓練包括兩個階段：(a1)隨機初始化輸入連接權值和，根據公式計算輸出連接權值；(a2)根據網絡殘差，借鑒深度學習反向調優對連接權值進行反向微調。

技術領域

本發明涉及磁電子羅盤誤差補償領域。

背景技術

導航定向在日常生活和軍事領域都起著越來越重要的作用，磁羅盤屬于被動無源導航，隱蔽性好，信號無遮擋，且不存在積累誤差，成為導航定向的核心技術之一。最近發展起來的AMR磁阻式傳感器體積小、響應速度快，成為主流趨勢。但AMR磁阻式傳感器不僅存在正交軸效應，而且敏感元件與后續調理電路之間間距小，由集成電路引腳材料引起的磁場畸變問題相對于磁通門傳感器更為突出。這無疑增加了校準難度，對誤差補償技術要求更高。

目前流行的做法是通過對誤差產生機理分析，利用地磁場幅值和方向不變特性，建立顯示誤差模型，再通過不同方法對誤差參數進行估計。比如：橢圓假設法、分步校準法、橢球假設法、幅值約束法、位置翻轉法、點積不變法等，通過機理分析，建立顯式誤差模型(或測量模型)，再嘗試不同方法對模型參數進行離線或在線估計。然而由于磁傳感器誤差來源的復雜性，任何顯式的誤差模型都很難囊括所有誤差因素。研究人員開始嘗試利用神經網絡對隱式誤差模型進行訓練。

發明內容

本發明旨在解決現有技術或相關技術中存在的技術問題，本發明提出以下方案：

本發明的技術方案是：一種磁羅盤誤差補償方法，磁羅盤誤差補償分為兩個步驟：

a、誤差模型訓練；

b、使用過程中的誤差補償；

c、歸一化處理；

所述步驟a中誤差模型訓練包括兩個階段：

(a1)隨機初始化輸入連接權值和，根據公式計算輸出連接權值；

(a2)根據網絡殘差，借鑒深度學習反向調優對連接權值進行反向微調。

優選的是，所述誤差模型訓練，當N為奇數時，執行第一階段(a1)，當N為偶數時，執行第二階段(a2)。

在上述任一方案中優選的是，所述誤差模型訓練，當N為奇數時，執行第一階段時，ELM網絡缺少輸出層偏置，而且輸入權重和隱藏層偏置隨機產生不需要調整。

在上述任一方案中優選的是，所述誤差模型訓練，當N為偶數時，執行第二階段，包括以下子步驟：

(S1001)根據第一階段得到連接權值、和，

通過前向傳播得到磁羅盤測量值對應的網絡輸出；

(S1002)計算網絡輸出與磁羅盤參考值之間偏差，即為網絡殘差err。

(S1003)假設網絡各層的激活值分別為a1、a2和a3，網絡損失函數為e；

(S1004)進行反向調優，減小損失函數e。

本發明提供的一種磁羅盤誤差補償方法，大大減小了網絡訓練陷入局部最小的概率，也提高了網絡訓練效率；反向自主調優進一步解決了如何確定最優隱層節點數目的問題。

具體實施方式

應當理解，此處所描述的實施例僅用于說明和解釋本發明，并不用于限定本發明。已預期，在本發明內容中使用的術語以及其最寬泛的合理方式來理解，即使其是結合對本發明內容的特定實施例的詳細描述被使用。

一種磁羅盤誤差補償方法，磁羅盤誤差補償分為兩個步驟：

a、誤差模型訓練；