北斗导航 ｜ LSTM（长短期记忆网络）与卡尔曼滤波的结合在卫星导航定位领域展现出显著优势

LSTM（长短期记忆网络）与卡尔曼滤波的结合在卫星导航定位领域展现出显著优势，尤其是在复杂环境下的精度提升、噪声抑制和动态状态估计方面。以下是对其应用场景及核心技术的总结：

一、应用场景与核心功能

1. 多传感器数据融合与误差校正
   LSTM通过捕捉时序数据的非线性特征，与卡尔曼滤波的动态状态估计能力结合，可优化多传感器（如GNSS/INS）的融合效果。例如：

   • 在GNSS信号中断时，LSTM预测位置增量作为卡尔曼滤波的观测输入，补偿信号丢失期间的定位误差。
   • 针对北斗导航中的多路径效应，LSTM建模定位误差的非线性特征，结合卡尔曼滤波抑制动态噪声，形成“粗定位-LSTM校正-卡尔曼优化”的三级架构，使均方根误差降低至1.2米。

2. 动态噪声建模与自适应滤波

   • LSTM通过历史数据学习噪声特性，动态调整卡尔曼滤波的观测噪声协方差矩阵（R矩阵），提升对非高斯噪声的适应性。
   • 在伪卫星定位中，LSTM辅助的无迹卡尔曼滤波（UKF）可修正星历误差，减少用户定位偏差。

3. 复杂环境下的鲁棒性增强</