公开(公告)号：CN111561929B

公开(公告)日：2022-05-03

申请号：CN202010339248.6

申请日：2020-04-26

Applicant: 南京工业大学

Inventor： 冯李航 ,  戴海航 ,  陈伟

IPC: G01C21/18 ,  G01C25/00

Abstract: 本发明公开一种用于车载MEMS惯性传感器的时延降噪方法，包括如下步骤：实时测量和记录车辆行驶中的车载MEMS‑IMU数据，分为训练集S1和测试集S2；利用抽头延迟法建立时间延迟的多重线性回归数学模型TD‑MLR；以训练集S1代入TD‑MLR模型进行训练学习，求解确定该模型的最优参数；将测试集S2代入步骤3计算的最优参数下的TD‑MLR模型中进行验证，并评估降噪结果。本发明采用TD‑MLR模型来降低车载MEMS惯性传感器的信号噪声和误差，所建立的模型复杂程度低、降噪效果好，能够快速获取车载MEMS传感器的精准信号，极大改善低成本MEMS惯性传感器的应用效果。

公开(公告)号：CN111561929A

公开(公告)日：2020-08-21

申请号：CN202010339248.6

申请日：2020-04-26

Applicant: 南京工业大学

Inventor： 冯李航 ,  戴海航 ,  陈伟

IPC: G01C21/18 ,  G01C25/00

Abstract: 本发明公开一种用于车载MEMS惯性传感器的时延降噪方法，包括如下步骤：实时测量和记录车辆行驶中的车载MEMS-IMU数据，分为训练集S1和测试集S2；利用抽头延迟法建立时间延迟的多重线性回归数学模型TD-MLR；以训练集S1代入TD-MLR模型进行训练学习，求解确定该模型的最优参数；将测试集S2代入步骤3计算的最优参数下的TD-MLR模型中进行验证，并评估降噪结果。本发明采用TD-MLR模型来降低车载MEMS惯性传感器的信号噪声和误差，所建立的模型复杂程度低、降噪效果好，能够快速获取车载MEMS传感器的精准信号，极大改善低成本MEMS惯性传感器的应用效果。