基于光纖陀螺的溫度補(bǔ)償模型改進(jìn)、壓縮和FPGA實(shí)現(xiàn)

摘要： 為提高光纖陀螺（FOG）在變溫環(huán)境下輸出誤差的補(bǔ)償精度，在長短期記憶神經(jīng)網(wǎng)絡(luò)模型（LSTM）基礎(chǔ)上，利用分段非線性粒子群算法（PN-PSO）對LSTM模型超參數(shù)尋優(yōu)，建立PN-PSO-LSTM光纖陀螺溫度補(bǔ)償模型。為有效降低計(jì)算和存儲(chǔ)開銷，便于部署在資源受限的硬件環(huán)境中，提出一套適用于光纖陀螺應(yīng)用場景的模型壓縮方案，包括：知識(shí)蒸餾、剪枝、激活函數(shù)線性化、定點(diǎn)數(shù)量化等。最后基于X...