一种基于膨胀时序卷积增强Transformer与卡尔曼滤波融合的水下惯性导航方法及系统

本申请公开了一种基于膨胀时序卷积增强Transformer与卡尔曼滤波融合的水下惯性导航方法、系统、电子设备及存储介质。该方法通过构建双级在线校正网络，利用膨胀时序卷积提取局部短时IMU误差特征，结合Transformer编码器建模长时依赖关系，对原始角速度进行校正；再将原始加速度和校正角速度联合输入，进行相同网络处理得到校正加速度。利用校正后的角速度和加速度执行惯导机械编排，递推得到预测姿态、速度和位置，并结合卡尔曼滤波，在DVL速度量测可用时进行状态更新，DVL失效时仅依靠校正IMU维持导航。本申请有效解决传统方法难以适应动态误差的问题，降低了复杂海洋环境下的导航漂移。