李英俊，褚文超，严利军，赵磊，周欣荣

（乌兰察布电业局，内蒙古乌兰察布 012000）

近年来，随着微型机电技术的迅速发展，传感器技术逐渐成为研究的热门。其中，MEMS 传感器技术发展迅速，它具有重量轻、消耗少、体积较小、成本低等优势，且易于大批量生产制造，使其在诸多技术领域得到广泛的应用[1-2]。但是，MEMS 传感器技术成本造价较低，使传感器结构和传感系统等方面存在不足，在工作运行过程中，会因外界干扰产生漂移等不稳定性误差，影响传感器的精准度[3-4]。

目前，综合各方面因素考虑，对传感器随机误差进行补偿建模是提高传感系统精准度的有效途径。因此，文中针对MEMS 传感器现存的随机性误差问题，引入了卷积神经网络领域相关知识，对传感器与陀螺仪在深度信号接收、信号定位等方面存在的随机性误差进行误差纠正和补偿方法研究。

1 卷积神经网络工作原理

卷积神经网络是一种包含卷积计算能力且具有深度结构的前馈神经网络，是深度学习代表算法之一[5]。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类。卷积神经网络结构主要包括5 个层面：输入层、卷积层、池化层、全连接层和输出层。其中，卷积层和池化层是最重要的两个层面[6]。每个层面具有多个特征面，特征面包含多种不同功能的神经元。卷积神经网络进行卷积的主要过程是将输入层特征面的神经元与输出层的相关特征面连接，通过相关权限对输出层对应的数据进行运算求和，并将运算结果传输到输入层。……