Open Access · CC BY-NC 4.0
基于深度学习的船舶惯导与卫导信息深度融合方法
智能城市应用 · 30.04.2026 · 9 (4) · 115
DOI: 10.33142/sca.v9i4.19577 ↗Kurz gefasst
Fachartikel in der Zeitschrift 智能城市应用, online erschienen am 30.04.2026. Verfasst von 喜龙 王. Die Arbeit wurde bisher 1-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Abstract (Originalsprache)
针对船舶惯性导航系统(INS)存在累积误差、卫星导航系统(GNSS)易受复杂海洋环境干扰导致定位精度下降的问题,提出一种基于深度学习的船舶惯导与卫导信息深度融合方法。分析船舶惯导与卫导信息的特性及融合难点,构建融合系统的整体架构;设计基于CNN-GRU混合网络的信息预处理模块,实现对两类导航信息的噪声抑制与特征提取;构建基于注意力机制的深度融合模型,动态调整两类信息的权重分配;通过仿真实验验证传统融合方法(UKF、EKF)的应用效果。基于深度学习的船舶惯导与卫导信息深度融合方法的抗干扰能力、定位精确度均提高。
Zitieren
APA
王, 喜. (2026). 基于深度学习的船舶惯导与卫导信息深度融合方法. 智能城市应用, 9(4), 115. https://doi.org/10.33142/sca.v9i4.19577
Vancouver
王 喜. 基于深度学习的船舶惯导与卫导信息深度融合方法. 智能城市应用. 2026;9(4):115. doi:10.33142/sca.v9i4.19577
BibTeX
@article{2026,
author = {王, 喜龙},
title = {基于深度学习的船舶惯导与卫导信息深度融合方法},
journal = {智能城市应用},
year = {2026},
volume = {9},
number = {4},
pages = {115},
doi = {10.33142/sca.v9i4.19577}
}
EUVIMED