一种基于KF与PINN深度融合的自适应状态估计方法

本发明属于导航领域，公开了一种基于KF与PINN深度融合的自适应状态估计方法，包括：建立卡尔曼滤波的离散时间状态方程和量测方程，设置滤波器初始条件；构建基于KF和PINN的神经网络模型；训练神经网络模型；利用训练好的神经网络模型预测噪声的统计特性，得到k时刻的噪声协方差矩阵；构建滤波时间更新过程；构建滤波量测更新过程；重复上述步骤，获得全部的状态后验估计。本发明有效解决了传统卡尔曼滤波因噪声协方差不准确导致的估计误差问题，显著提升了状态估计的精度与鲁棒性。