[发明专利]一种基于小波分析和BP神经网络的光纤陀螺温度漂移补偿方法

权利要求书

1.一种基于小波分析和BP神经网络的光纤陀螺温度漂移补偿方法，其特征在于，包括如下步骤：

步骤（1）、利用小波分析方法对多组光纤陀螺原始数据进行去噪处理，分离光纤陀螺漂移的温度趋势项和噪声项；

步骤（2）、利用BP神经网络训练得到上述多组光纤陀螺漂移温度趋势项和温度之间的复杂非线性关系，建立光纤陀螺温度漂移模型；

步骤（3）、依据上述建立的光纤陀螺温度漂移模型，利用光纤陀螺温度实时补偿陀螺漂移。

2.根据权利要求1所述的基于小波分析和BP神经网络的光纤陀螺温度漂移补偿方法，其特征在于，步骤（1）中所述小波分析的基函数通过选择，采用db4小波函数，分解层数为4层，在时域内对多组光纤陀螺漂移进行去噪处理，从光纤陀螺原始数据中分离出温度趋势项，便于BP神经网络的训练。

3.根据权利要求1所述的基于小波分析和BP神经网络的光纤陀螺温度漂移补偿方法，其特征在于，步骤（2）中所述的BP神经网络采用三层神经网络，输入层和输出层都取一个节点，隐含层取8个节点，其目标是实现从输入到输出的高度非线性映射的估计：

y~=G(X)=Σm=1MWmf[Σj=1Nwmjxj]---(1)]]>

式中，x为输入节点；G是模型所要估计的未知非线性映射；f(x)为激励函数，采用sigmoid函数；N和M分别为输入层和隐含层节点个数，通过对训练样本的学习，可得到期望输出y的估计在样本学习过程中，BP网络的权值W_m、w_mj将不断被调整，目标是使误差准则函数E最小：

E=12Σp=1l(yp-y~p)2---(2)]]>

式中，l为样本个数。

4.根据权利要求3所述的基于小波分析和BP神经网络的光纤陀螺温度漂移补偿方法，其特征在于，BP网络学习的算法采用梯度下降法，即函数的极值是沿着梯度变化最快的方向求取的，其权值调整公式如下：

Δwmj(k)=-η∂E(k)∂wmj(k)=Σp=1l(-η∂Ep∂wmj)---(3)]]>

式中，η为学习速率。