CNN-LSTM車輛運(yùn)動(dòng)狀態(tài)識(shí)別的AUKF組合導(dǎo)航方法

摘要： 針對(duì)固定的噪聲協(xié)方差難以適應(yīng)車輛不同運(yùn)動(dòng)行為下噪聲統(tǒng)計(jì)特性差異大的問(wèn)題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)（CNN-LSTM）的車輛運(yùn)動(dòng)狀態(tài)識(shí)別自適應(yīng)無(wú)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(yùn)動(dòng)狀態(tài)識(shí)別，解決車輛自我運(yùn)動(dòng)不確定性的問(wèn)題；其次，將特定運(yùn)動(dòng)狀態(tài)約束下的噪聲協(xié)方差應(yīng)用于UKF的時(shí)間更新與量測(cè)更新；最后，將所提方法在采集...