一种基于卡尔曼滤波结合长短时记忆网络的钟差预测方法

本发明公开了一种基于卡尔曼滤波结合长短时记忆网络的钟差预测方法，属于双向比对钟差预测技术领域。本发明包括：构建LSTM网络；构建KF算法模型；获取训练数据，并进行归一化处理；使用归一化处理后的训练数据对LSTM网络和KF算法模型进行联合训练；获取实际场景中的钟差数据，并进行归一化处理；将处理后的钟差数据输入训练好的LSTM网络，将LSTM网络的输出作为KF算法模型中的参量Qt和Rt，经过KF算法模型的运算，得到钟差预测结果。本发明利用长短时记忆网络对卡尔曼滤波算法进行了优化，解决了卡尔曼滤波算法依赖于先验知识的问题，并结合长短时记忆网络长期记忆能力和卡尔曼滤波算法的实时更新特性，实现了更准确的钟差预测。