买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜湘潭大学申请的专利基于注意力机制的AL-NN神经网络组合导航方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119043315B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411557187.5，技术领域涉及：G01C21/16；该发明授权基于注意力机制的AL-NN神经网络组合导航方法是由蔡晓雯;邹国富;陈洋卓;吴林坤;王小康;陈佳莹设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于注意力机制的AL-NN神经网络组合导航方法在说明书摘要公布了：本发明公开了一种基于注意力机制的AL‑NN神经网络组合导航方法，涉及导航定位技术领域，所述组合导航方法首先是获得信息，包括GNSS位置信息、IMU的加速度计和陀螺仪数据以及INS解算的位置、速度和姿态信息；然后，建立IMU输出、INS解算和GNSS位置增量的关系模型，构建AL‑NN神经网络模型；当GNSS信号可用时，训练模型；当GNSS信号失锁时，模型用来预测失锁期间的GNSS位置增量；最后，通过模型输出的GNSS位置以及调整的测量噪声协方差矩阵进行自适应卡尔曼滤波融合。本发明基于注意力机制的AL‑NN神经网络组合导航方法，能够在减少计算复杂度的同时，有效提高了导航的鲁棒性和精度。

本发明授权基于注意力机制的AL-NN神经网络组合导航方法在权利要求书中公布了：1.一种基于注意力机制的AL-NN神经网络组合导航方法，其特征在于，所述组合导航方法首先是获得信息，包括GNSS位置信息、IMU的加速度计和陀螺仪数据以及INS解算的位置、速度和姿态信息；然后，建立IMU输出、INS解算和GNSS位置增量的关系模型，构建AL-NN神经网络模型；当GNSS信号可用时，训练模型；当GNSS信号失锁时，模型用来预测失锁期间的GNSS位置增量；最后，通过模型输出的GNSS位置以及调整的测量噪声协方差矩阵进行自适应卡尔曼滤波融合；所述构建AL-NN神经网络模型的具体结构为：输入层：用于数据的输入，包括原始特征数据；卷积层：使用两个卷积层提取初始特征，每个卷积层的作用是提取数据的局部特征，捕捉空间依赖关系；引入了一个残差连接，将第一个卷积层的输出加到第二个卷积层的输出；池化层：使用最大池化减少特征数据的空间维度；全连接层：通过全连接层抽象特征，整合卷积层输出的局部信息；LSTM层:两个LSTM层，用于处理时间信息；注意力层：在LSTM层后引入注意力机制，聚焦于关键的序列信息；输出层：通过一个全连接层生成模型的输出结果，完成对输入数据的预测；所述当GNSS信号可用时，训练模型，当GNSS信号失锁时，预测GNSS位置增量，具体过程为：S3-1，神经网络模型的输入数据包括、、导航坐标系ｎ系中的北东地速度、俯仰角、滚动角γ及偏航角共12个参量的时间序列数据；其中，为b系相对于i系的三轴加速度计测量的加速度，为b系相对于i系的三轴陀螺仪测量的角速度；采用一维CNN处理时间序列数据，对输入数据进行卷积运算，提取相关特征；S3-2，引入一个残差模块，该模块在第一个卷积层中提取初步特征，然后在后续卷积层中提取抽象特征；抽象特征被添加到初步特征中，增强网络有效学习输入和输出之间映射关系的能力；S3-3，将处理后的时间序列向量作为输入，采用双向LSTM神经网络得到隐藏状态，通过注意机制层得到注意力权重，再将赋予权值后的隐藏状态相加得到输出向量，输出向量经过线性层处理后，得到预测的GNSS位置增量；S3-4，当GNSS信号可用时，在训练模式中，使用卡尔曼滤波将INS和GNSS信息进行融合，并用估计得到的位置误差、速度误差和姿态角误差校正INS输出，得到组合导航输出；同时，用IMU输出、INS输出和GNSS输出的数据训练模型；当GNSS信号失锁时，在预测模式中，利用训练好的AL-NN模型预测GNSS位置增量，将所有GNSS位置增量累加得到k时刻的伪GNSS位置，表达式为： （4）式中，为GNSS信号失锁时刻的位置；为经过ｊ时刻的GNSS位置增量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湘潭大学，其通讯地址为：411105 湖南省湘潭市雨湖区西郊羊牯塘；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。