论文部分内容阅读
为了提高GPS信号短期丢失状态下微机电(MEMS)惯导的导航定位精度,提出一种基于长短期记忆网络(LSTM)预测和传统GPS/MEMS组合导航系统相结合的高精度定位方法,对存在GPS信号状态下的LSTM模型进行训练来预测输出GPS信号丢失时的定位信息。针对单纯MEMS惯导推算误差发散快和反向传播神经网络(BPNN)无法处理时间序列数据的问题,采用LSTM来进一步抑制惯导累积误差,并使用自适应时刻估计方法来优化训练过程以提高模型性能。60min时长的行驶测试数据集的验证结果表明:基于LSTM的MEMS惯导定