CNN-LSTM車輛運動狀態(tài)識別的AUKF組合導(dǎo)航方法

摘要： 針對固定的噪聲協(xié)方差難以適應(yīng)車輛不同運動行為下噪聲統(tǒng)計特性差異大的問題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)與長短期記憶網(wǎng)絡(luò)（CNN-LSTM）的車輛運動狀態(tài)識別自適應(yīng)無跡卡爾曼濾波（AUKF）組合導(dǎo)航方法。首先，應(yīng)用CNN-LSTM網(wǎng)絡(luò)模型進(jìn)行車輛運動狀態(tài)識別，解決車輛自我運動不確定性的問題；其次，將特定運動狀態(tài)約束下的噪聲協(xié)方差應(yīng)用于UKF的時間更新與量測更新；最后，將所提方法在采集... （共9頁）