LSTM 神经网络在无人机姿态估计中的应用

陆喆俊，孙宪坤，陶 鹏

（上海工程技术大学 电子电气工程学院，上海 201620）

0 引言

近年来，无人机凭借其结构简单、便于操作、稳定性强、机动灵活、视野广阔、功能全面等优点越来越广泛地应用到各大领域，在救灾领域更是起着无比重要的作用，如：重大灾难中对灾区进行勘察，快速掌握灾情；灾难搜救中搭载传感器进行人员搜救，定点投放物资；灾后进行消毒，防止病毒扩散；疫情期间，监控巡逻，减少人员接触等[1]。

在无人机的应用中，准确的姿态估计对控制精度有着很大的影响，起决定性作用[2]。随着微机电系统（microelectron mechanical systems, MEMS）的发展，同时出于成本控制的考虑，无人机通常搭载低成本的MEMS 陀螺仪、MEMS 加速度计和MEMS 磁力计进行姿态估计，但外部噪声以及传感器自身零位漂移等问题，在一定程度上影响了MEMS 传感器的测量结果[3]。针对该问题，前人尝试通过融合传感器数据以获得最优的姿态估计结果，并对此展开了大量研究工作。文献[4-5]提出了目前较为广泛使用的互补滤波法以及扩展卡尔曼滤波法姿态估计，以上两种方法分别从频率分析以及随机信号两个方面进行传感器融合研究，后续学者在此基础上，对上述方法存在的问题进行多方面的改进。文献[6]在互补滤波算法的基础上，对陀螺仪数据进行一阶差分数据处理，在判断陀螺仪输出序列是否可靠的基础上，对不可靠数据进行校正处理，进而将校正后的陀螺仪数据送入互补滤波器中进行姿态估计；文献[7]在互补滤波算法的基础上，通过引入损失函数实时判断姿态误差，当误差超过一定阈值后，利用粒子群优化算法对比例积分参数进行优化，以应对不同运动状态下的姿态估计；……