基于深度学习与时序建模的水下重力导航完好性评估方法

本发明公开了基于深度学习与时序建模的水下重力导航完好性评估方法，该方法首先利用TERCOM算法结合MSD相关性，实现惯性导航位置与实测重力数据的匹配定位，并通过置信度评估剔除粗差点。针对数据断点区域，采用B样条插值进行初步补偿。进一步，构建DNN‑LSTM级联模型，将惯性导航位置增量与重力数据增量输入深度神经网络，结合长短期记忆网络的时序特征建模，实现对重力匹配位置的精细动态补偿。该方法有效提升了导航位置输出的连续性、精度与系统鲁棒性，适用于复杂水下环境的高可靠自主导航。