面向低精度SINS的深度学习辅助变分贝叶斯李群滤波自对准方法

本发明公开了面向低精度SINS的深度学习辅助变分贝叶斯李群滤波自对准方法，首先，利用传感器测量的原理和特性，将低精度SINS获得的陀螺仪数据视为时间序列。设计了一个采用门控循环单元(GRU)的神经网络模型，用于校准和补偿低精度SINS的测量误差。其次，开发了一种新颖的变分贝叶斯李群滤波方法，以处理李群对准模型中的各种误差，尤其是状态依赖噪声。将变分贝叶斯方法扩展到李群空间，以实时且自适应地估计测量噪声协方差矩阵。最后，在转台设备上进行实验，以验证和测试所提出方法的性能和优势。实验结果表明，所提出的初始自对准方法在对准精度和时间方面均显著优于现有方法。该方法完全满足实际应用中的实时性要求，无需额外设备和成本。