《电子测量技术杂志》发表论文赏析

基于运动状态识别的车辆磁干扰补偿方法研究

来源:电子测量技术杂志2026年第9期北京时间:

作者:潘凯霖,张晓明,张鸽,范义伟,李博宇

单位:1.中北大学仪器与电子学院 太原 030051; 2.极限环境光电动态测试技术与仪器全国重点实验室 太原 030051

摘要:车辆地磁导航在动态行驶中面临磁干扰影响导航精度的关键问题,传统固定参数补偿方法难以适应不同运动状态下的干扰变化。通过分析运动状态与磁补偿效果的关系,揭示了单一固定参数补偿模型的局限,为发展自适应补偿方法提供了理论基础。研究构建的CNN-SRU运动状态识别模型实现了99.61%的识别准确率,训练效率较对比模型提升12.8%~28.4%,推理延迟降低25.4%~38.5%。基于识别结果系统评估了单一椭球拟合模型的补偿性能,发现不同运动状态下补偿效果差异显著:匀速直线运动的性能最优补偿后标准差为49.39 nT;转向运动受复杂磁干扰影响补偿后标准差为533.35 nT;加速运动因瞬态干扰强烈补偿后标准差达147.98 nT。研究表明运动状态是影响磁补偿效果的关键因素,固定参数模型无法满足全工况需求。本研究建立的“状态识别-补偿评估”框架为开发自适应磁补偿方法提供了理论支持与技术路径。

关键词:地磁导航;运动状态识别;CNN-SRU;磁干扰补偿

基金资助:国家自然科学基金(61873247)项目资助

2026年9期其他文献查阅:

基于贝叶斯优化模糊PID的控温四探针系统设计

基于运动状态识别的车辆磁干扰补偿方法研究

MEA-YOLO:基于多尺度边缘增强与注意力融合的钢材缺陷检测

面向燃气轮机旋转件参数测试的双频遥测天线设计与验证

装备试验能力战斗力生成贡献度评价方法研究

面向重症监护室患者的无线体征监测系统设计

基于结构感知与动态融合机制的步态识别研究

旋转式可刷新盲文显示装置的设计与评估

南部沿海炼化装置腐蚀速率TL-BiLSTM-Attention智能预测

RDSM-YOLO轻量级夜间车辆检测模型

密集障碍物环境下改进A*-DWA融合导航算法研究

改进YOLOv11n的水面垃圾检测算法

基于高分辨率特征引导学习的小目标检测方法

基于轨迹融合与背景映射的非侵入式负荷监测方法

基于Mamba自注意力和多模态融合的DVT风险预测

基于WPD-UKF的MMC高频振荡检测方法

一维稀疏拓扑阵列雷达三维成像算法研究

多尺度门控融合的图像篡改拼接检测算法

基于监督反馈和Transformer的目标跟踪算法

基于STDD-YOLO的输电线路小目标缺陷检测

小目标车辆及行人轻量化检测算法改进:DSWR-YOLO

基于Prewitt-Franklin矩的亚像素边缘检测方法

基于MSBRAU-Net++的多尺度息肉分割方法

基于YOLOv11n改进的小目标航拍检测算法

基于特征域最近邻搜索和拼接的动态点云压缩算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!