FFT-ディープラーニングによる,共振集積光学ギロスコープのデノージング方法

科学分野:

• 光学工学は,光学工学である.
• シグナル処理 信号処理
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• 共鳴集積光学回転鏡 (RIOGs) の騒音は精度を制限する.
• 効果的な騒音削減技術の開発は,高度なアプリケーションにとって極めて重要です.

研究 の 目的:

• 物理ベースのアプローチとデータベースのアプローチを組み合わせたカスケードデノイジングフレームワークを提示する.
• 超高精度のために,RIOGのノイズを大幅に抑制します.

主な方法:

• ハイブリッド・デノイージング・フレームワークを実装: 急速フーリエ変換 (FFT) カムフィルタリングとコンボリューションニューラルネットワーク (CNN) - 長期短期記憶 (LSTM) ネットワーク.
• CNN-LSTMネットワークは,特性の抽出のために1Dコンボリュアル層,時間的依存のためにLSTMを使用しました.
• 1kHzでサンプリングされた2,000,000ポイントのフィールドデータに適用されます.

主要な成果:

• 角的ランダムウォーク (ARW) を0.28°/hまで減少させました.
• バイアスの不安定性が2.52°/hまで減少した.
• 以前の方法と比較して,ARWとバイアスの不安定性の両方で約50%の改善を示しました.

結論:

• 提案されたカスケード・フレームワークは,ジャイロスクープによる騒音抑制の有意な進歩をもたらします.
• 周波数領域の物理的制約と時空的ディープラーニングの組み合わせは,回転鏡信号処理の強い一般化を示しています.