一种基于CBA-NavNet增强卡尔曼的组合导航方法和装置

本申请提供一种基于CBA‑NavNet增强卡尔曼的组合导航方法和装置，属于组合导航定位相关技术领域，采用引入注意力机制的CNN与双向长短期记忆网络双路混合导航深度架构的CBA‑NavNet神经网络模型，有效提高对量测数据时空特征的提取能力，确保检测结果更加准确可靠，同时利用两个独立的CNN分支消除采样频率差异并提取数据的空间特征；通过BiLSTM模块充分捕捉数据的时序特征；引入注意力机制对关键信息聚焦和放大，削弱冗余信息的影响，形成多层次的特征学习框架；协同发挥CNN提取空间特征、BiLSTM建模双向长时依赖、注意力机制聚焦关键信息的三种技术的优势，显著增强对量测数据时空特征的提取效能，确保导航状态估计结果的更高精度和可靠性，能够实现更高精度的AUV导航定位。