[發明專利]基于神經網絡的多傳感器姿態數據融合方法及系統

有效

• 申請號: 201811264585.2
• 申請日: 2018-10-29
• 公開（公告）號: CN109409431B
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 孫鋒;原杰;鄭玲玲;唐國峰;陳祖斌
• 申請（專利權）人: 吉林大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 沈陽銘揚聯創知識產權代理事務所(普通合伙) 21241
• 代理人: 屈芳

本發明公開了一種基于神經網絡的多傳感器姿態數據融合方法及系統。該方法包括：通過多個傳感器產生原始姿態數據；將原始姿態數據作為卷積神經網絡輸入，經過卷積層、池化層、全連接層和第一激活函數后輸出的姿態數據作為卷積神經網絡輸出進行輸出；將卷積神經網絡輸出作為人工神經網絡輸入，根據預設的通用核結構對人工神經網絡任一隱含層對應的預設節點的輸入不通過第二激活函數輸出,以及對任一隱含層對應的剩余節點的輸入通過第二激活函數輸出，將最末端隱含層的神經元節點輸出的姿態角度數據作為人工神經網絡輸出進行輸出。本發明的融合方法，通過將卷積神經網絡和優化的人工神經網絡有效結合，提高了姿態角度數據的測量精度。

技術領域

本發明涉及多傳感器數據融合的技術領域，具體而言，涉及一種基于神經網絡的多傳感器數據融合方法及系統。

背景技術

多傳感器數據融合是對多種信息的獲取、表示及其內在聯系進行綜合處理和優化的技術。它從多信息的視角進行處理及綜合，得到各種信息的內在聯系和規律，從而剔除無用的和錯誤的信息，保留正確的和有用的成分，最終達到信息優化的目的。而針對多傳感器姿態數據的融合方法也已經成為許多工業應用領域最關鍵的問題之一。

相關技術中公開了一種微型捷聯航姿系統及其工作方法，其涉及一種基于MEMS(微機電系統，Micro-Electro-Mechanical System)器件的多傳感器數據融合技術，通過捷聯航姿系統解算航姿信息，同時用補償后的磁場信息和加速度信息解算出三維磁姿態角，兩者經過卡爾曼數據融合算法，最終得到穩定的航姿信息。

相關技術中又公開了一種基于四元數和神經網絡的無人機空中姿態識別和控制方法，該控制方法使用基于梯度下降的四元數算法得到更新的四元數方程，以此作為神經網絡的輸入，經過三層神經網絡計算得到修正的輸出值。

上述相關技術具有以下缺陷：(1)卡爾曼過濾器只有在系統噪聲和測量噪聲已知的情況下才能達到最優的結果，并且使用卡爾曼過濾器的方法在泰勒展開后，需要忽略2階及以上高階項，在復雜模型中誤差相對較大；(2)基于神經網絡的四元數算法，其傳感器數據類型較少，姿態檢測的誤差較大，數據融合精度有待進一步的提高。而對于一般的神經網絡算法，在實際應用中，隨著傳感器數量的增加，會產生由于參數量增大而引起計算量變大的問題，在神經網絡的收斂性和時間特性上無法達到最優。

發明內容

本發明旨在至少解決現有技術或相關技術中存在的技術問題之一。

為此，本發明的第一目的在于提出一種基于神經網絡的多傳感器姿態數據融合方法。

本發明的第二目的在于提出一種基于神經網絡的多傳感器姿態數據融合系統。

為了實現上述目的，本發明第一方面的技術方案，提供了一種基于神經網絡的多傳感器姿態數據融合方法，包括：通過多個傳感器產生原始姿態數據；構建卷積神經網絡，以將所述原始姿態數據作為所述卷積神經網絡的輸入，將經過卷積層、池化層、全連接層和第一激活函數后輸出的姿態數據作為所述卷積神經網絡的輸出進行輸出；構建人工神經網絡，以將所述卷積神經網絡的輸出作為所述人工神經網絡的輸入，以及根據預設的通用核結構對人工神經網絡的任一隱含層對應的預設節點的輸入不通過第二激活函數參與運算進行輸出,以及對所述任一隱含層對應的剩余節點的輸入通過第二激活函數參與運算進行輸出，以使得最末端隱含層的神經元節點的輸出為姿態角度數據；以及將所述姿態角度數據作為所述人工神經網絡的輸出進行輸出。

優選地，所述預設的通用核結構為：