公开(公告)号：CN114689047A

公开(公告)日：2022-07-01

申请号：CN202210616148.2

申请日：2022-06-01

Applicant: 鹏城实验室

Inventor： 崔金强 ,  刘耀华

IPC: G01C21/16 ,  G01C21/20 ,  G01S19/49

Abstract: 本发明公开了一种基于深度学习的组合导航方法、装置、系统及存储介质，方法包括：通过卡尔曼滤波器融合INS和GPS，构建INS和GPS组合导航系统；推导GPS的位置增量与INS的输出值之间的关系，确定深度学习模型的输入值和输出值；构建深度学习模型及其损失函数，并学习输入值与输出值之间的非线性关系；分别进行仿真实验和真实场景实验，调整深度学习模型的超参数，得到训练后的深度学习模型；进行GPS中断测试，生成丢失的GPS位置数据，并根据丢失的数据校准INS的输出值，得到GPS中断后的导航数据。本发明将卡尔曼滤波器和深度学习相结合，提升了INS和GPS组合导航的鲁棒性和精度。

公开(公告)号：CN114689047B

公开(公告)日：2022-09-13

申请号：CN202210616148.2

申请日：2022-06-01

Applicant: 鹏城实验室

Inventor： 崔金强 ,  刘耀华

IPC: G01C21/16 ,  G01C21/20 ,  G01S19/49

Abstract: 本发明公开了一种基于深度学习的组合导航方法、装置、系统及存储介质，方法包括：通过卡尔曼滤波器融合INS和GPS，构建INS和GPS组合导航系统；推导GPS的位置增量与INS的输出值之间的关系，确定深度学习模型的输入值和输出值；构建深度学习模型及其损失函数，并学习输入值与输出值之间的非线性关系；分别进行仿真实验和真实场景实验，调整深度学习模型的超参数，得到训练后的深度学习模型；进行GPS中断测试，生成丢失的GPS位置数据，并根据丢失的数据校准INS的输出值，得到GPS中断后的导航数据。本发明将卡尔曼滤波器和深度学习相结合，提升了INS和GPS组合导航的鲁棒性和精度。