一种联合多模型交互滤波和DNN的飞行器状态估计方法

1.一种联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，该方法包括：

2.根据权利要求1所述联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，状态变量包括：

3.根据权利要求2所述联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，构建并训练lstm网络模型，并根据训练好的lstm网络模型构建lstm-kf滤波器的步骤中，包括：

4.根据权利要求3所述联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，lstm网络模型的输入为历史轨迹时序信息，输出为当前时刻的位置预测值，即：

5.根据权利要求4所述联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，将历史位置信息输入至交互式多模型滤波框架中，遍历所有传统运动学卡尔曼滤波器和lstm-kf滤波器进行预测更新，计算并更新模型概率，通过加权计算得到最终的状态估计结果的步骤中，包括：

6.根据权利要求5所述联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，lstm-kf滤波器的预测步骤为：

7.根据权利要求6所述联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，马尔可夫转移概率矩阵为：

8.根据权利要求7所述联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，根据每个传统运动学卡尔曼滤波器得到的预测状态结合观测值计算观测似然度，结合模型权重计算每个传统运动学卡尔曼滤波器的加权似然度，并计算所有加权似然度的总和作为归一化因子并更新模型概率的步骤中，包括：

9.根据权利要求8所述联合多模型交互滤波和dnn的飞行器状态估计方法，其特征在于，基于模型概率，对每个传统运动学卡尔曼滤波器的估计结果加权合并，得到最终的状态估计和协方差估计的步骤，包括：