龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军国防科技大学
摘要：本申请涉及一种基于时序状态学习模型的惯性导航方法、装置及设备。所述方法包括：构建并训练时序状态学习模型；将IMU测量获得惯性时序数据分别输入至卡尔曼滤波器中进行预测和输入至模型中的IMU缓存区进行缓存，并根据滤波器预测结果对缓存数据进行重力对齐；通过模型中的特征编码模块、时序建模模块和特征解码模块依次对重力对齐后的惯性时序数据进行特征编码、时序建模和特征解码，输出得到运动载体的位移估计和不确定性估计；将时序状态学习模型的输出结果输入至卡尔曼滤波器中，利用卡尔曼滤波器输出得到运动载体的导航状态量。采用本方法能够充分挖掘惯性数据的时序特性，抑制惯性误差发散，提高惯性导航定位的精度。
主权项：1.一种基于时序状态学习模型的惯性导航方法，其特征在于，所述方法包括：构建并训练时序状态学习模型；其中，所述时序状态学习模型包括依次连接的IMU缓存区、特征编码模块、时序建模模块和特征解码模块；获取IMU测量得到的运动载体的惯性时序数据，将所述惯性时序数据分别输入至卡尔曼滤波器中进行预测和输入至IMU缓存区进行缓存，并根据所述卡尔曼滤波器预测输出的旋转矩阵对缓存的惯性时序数据进行重力对齐，得到重力对齐后的惯性时序数据；通过所述特征编码模块对所述重力对齐后的惯性时序数据进行特征编码，输出得到特征编码后的惯性特征向量；通过所述时序建模模块中的若干个依次连接的双向状态空间模型单元对所述特征编码后的惯性特征向量进行时序建模，输出得到时序建模后的惯性特征向量；通过所述特征解码模块对所述时序建模后的惯性特征向量进行特征解码，输出得到运动载体的位移估计和不确定性估计；将所述时序状态学习模型输出的位移估计和不确定性估计输入至所述卡尔曼滤波器中，利用卡尔曼滤波器将所述位移估计和不确定性估计作为观测量，并通过与初始获取的所述惯性时序数据融合进行量测更新，输出得到运动载体的导航状态量。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 基于时序状态学习模型的惯性导航方法、装置及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号