一种用于惯性辅助导航的基于自监督训练的IMU降噪方法

本发明公开了一种用于惯性辅助导航的基于自监督训练的IMU降噪方法，根据惯性传感器发布频率高的特点设计深度神经网络模型；将读取的IMU数据通过结构化状态空间模型再结合自监督的训练方式，进行序列数据的降噪处理；建立IMU的数学模型，再通过深度神经网络的设计以进行自监督训练，利用强化学习的思想开展模型训练，通过最小化均方差损失函数使得模型能够将IMU数据降噪为更贴合物理世界的真实数据从而满足各类的惯性辅助导航算法，对是否满足需求进行测试，并对结果进行性能的评估。本发明能够提高IMU数据的置信度，同时辅助其他传感器协同定位导航，支撑各类导航任务的需求，能够支持短时有效的精确导航，并提高任务的安全性。