基于ULCA融合模型的旋轉(zhuǎn)彈姿態(tài)估計算法研究

摘要： 針對低成本微慣性測量單元在旋轉(zhuǎn)彈姿態(tài)估計中存在的精度不高、噪聲敏感及環(huán)境適應性差等關鍵問題，提出了一種基于無跡卡爾曼濾波(UKF)與長短期記憶網(wǎng)絡、卷積神經(jīng)網(wǎng)絡(CNN)及注意力機制的UKF-LSTM-CNN-Attention融合模型(ULCA)。該模型通過多模態(tài)信息融合，顯著提升了旋轉(zhuǎn)彈在復雜環(huán)境下的姿態(tài)估計精度和魯棒性。在方法設計上，首先，利用UKF處理系統(tǒng)的非線性狀態(tài)方... （共9頁）