基于机器学习的多微惯性测量组件的联合标定方法

本发明公开了基于机器学习的多微惯性测量组件的联合标定方法，包括以下步骤：S1、获取多个惯性传感器的原始数据，涉及机器学习技术领域，通过采用主成分分析和聚类算法，本申请能够将高维数据有效映射到多个局部子空间，并对局部子空间的维度进行动态调整。这一过程通过动态降维，有效降低了数据的计算资源消耗。尤其在高维度数据的处理上，通过动态调整子空间维度，缓解了传统方法中由于数据维度过高导致的计算瓶颈问题。本申请的每个局部子空间只关注一个特定的误差类型。减少了高维度数据带来的计算复杂度；本申请通过子空间分解和动态调整子空间维度从而有效缓解了高维度数据问题。