一种用于大数据的高精度角度传感器误差补偿方法

摘要

本发明公开了一种用于大数据的高精度角度传感器误差补偿方法，针对大样本数据集，采用将样本集划分为多个子块，分别并行的训练子神经网络，训练结果进行加权平均作为最终误差补偿模型中神经网络的连接权值，且加权比例根据子神经网络训练结果的误差占比进行确定。该方案采用并行算法能够有效地降低误差补偿算法的计算复杂度和存储复杂度，而且能够提高处理速度。采用加权处理方式获得连接权值能够提高误差补偿模型的补偿精度。应用统计学习的方法获得了隐含层节点数的估计公式，与传统的通过试错法确定隐含层节点数的方式相比，本发明减少了运算量并提高了算法的精度。