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：北京理工大学

摘要：本公开提供了一种基于隐卡尔曼网络的INSGNSS信息融合定位方法，能够提升INSGNSS信息融合定位的精度。该方法采用隐卡尔曼网络导航框架实现定位，导航框架中的预测模块采用多尺度解耦CACNN网络，其将预测所用的数据转换成为多尺度二维数据，二维数据相当于图像，后续采用CNN网络进行预测能够提取二维图像中的隐含信息，校正CACNN建模参数选取不合适带来的系统误差，得到校正后的无人机位置估计变化量，进而得到更为准确的无人机位置估计序列。编码器基于预测模块输出的无人机位置估计序列和卫星定位信息估计无人机位置真实值；更新模块利用编码器和预测模块估计的无人机位置估计卡尔曼增益，进而实现精准的无人机位置估计。

主权项：1.一种基于隐卡尔曼网络的INSGNSS信息融合定位方法，其特征在于，该方法采用隐卡尔曼网络导航框架实现定位；隐卡尔曼网络导航框架包括编码器和卡尔曼网络；卡尔曼网络包括预测模块和更新模块；预测模块采用多尺度解耦连续吸引子卷积神经网络CACNN，根据惯性导航信息预测无人机位置估计构建无人机位置估计序列所述多尺度解耦CACNN包括多尺度二维图像特征构建模块和卷积神经网络CNN；所述多尺度二维图像特征构建模块的输入为9种数据，分别为本历元无人机三维位移、本历元无人机三位姿态旋转和多尺度解耦CACNN在上一历元输出的无人机三维姿态；在每一尺度下，均利用9种数据构建局部激励矩阵e，利用局部激励矩阵e更新网格细胞活动矩阵P并归一化，获得当前尺度的二维图像特征；M个尺度的二维图像特征组成多尺度二维图像特征；利用CNN提取多尺度二维图像特征中的隐含信息，校正CACNN建模参数选取不合适带来的系统误差，得到校正后的无人机位置估计变化量利用上一历元的信息融合定位结果进行位置叠加，获得本历元无人机位置估计其中，局部激励矩阵e由9个激励行组成，每个激励行包括K个网格；M个尺度的网格尺寸rm递增；网格元素为根据网格尺寸rm和网格个数K所确定的激励值；编码器采用LSTM网络，根据预测模块输出的无人机位置估计序列和卫星定位信息，获得编码器输出的无人机位置估计序列更新模块中的卡尔曼增益估计器采用循环神经网络RNN，根据预测模块输出的无人机位置估计序列编码器输出的无人机位置估计序列以及上一历元信息融合定位结果更新卡尔曼增益KG；更新模块利用更新后的卡尔曼增益结合和获得信息融合定位结果

全文数据：

权利要求：

百度查询： 北京理工大学 基于隐卡尔曼网络的INS/GNSS信息融合定位方法