姿态估计技术是无人机和手持设备等载体进行路径规划和运动控制的关键和基础，因此研究者针对如何获取载体精确的姿态信息开展了大量研究。在姿态估计领域，有角加速度传感器作为一种惯性器件，可以直接获取载体运动角加速度数据，采集的角加速度数据可经过两次积分获取载体运动的姿态信息，为低成本惯性导航系统提升其可用性。 作为直接测量角加速度的传感器，角加速度传感器本身采集数据时存在噪声干扰，对角加速度进行两次积分得到的姿态信息受噪声影响较大，传统方法应对噪声选择建模消除，但求解过程较为复杂。扩张卷积神经网络能够对大量数据进行特征提取，并通过建立适当的损失函数对特定参数进行训练，达到目标要求。因此，可以利用扩张卷积神经网络对角加速度传感器进行去噪，提升姿态估计的精度。