一种融合物理信息约束的神经网络惯性姿态估计方法

本发明公开了一种融合物理信息约束的神经网络惯性姿态估计方法，包括以下步骤：获取IMU数据和相应时刻的姿态四元数值；对IMU数据进行窗口化处理，并基于物理一致性筛选姿态四元数值作为姿态四元数伪真值；对构建的神经网络预测模型进行训练；并通过模型损失函数优化所述神经网络预测模型，所述模型损失函数包括物理约束损失函数和监督损失函数；在进行目标载体姿态估计时，将对应窗口的IMU数据输入训练后的所述神经网络预测模型，计算得出对应窗口的目标载体姿态四元数估计值。本发明通过物理信息约束增强神经网络的泛化能力，提高惯性姿态估计的精度和鲁棒性，尤其适用于高动态环境下的惯性导航应用。