[发明专利]惯导数据优化方法、训练方法、模型、设备及存储介质

权利要求书

1.一种惯导数据的优化方法，其特征在于，所述方法包括：

获得多个惯导系统在同一温度下各自测得的惯导数据；

通过同一个预设的惯导数据优化模型处理所述惯导数据，获得在所述温度下的一个惯导优化数据；

其中，所述通过预设的惯导数据优化模型处理所述惯导数据，获得在所述温度下的一个惯导优化数据，包括：

将所述惯导数据按所述惯导数据优化模型需要的数量比例输入所述惯导数据优化模型；

获得所述惯导数据优化模型输出的所述惯导优化数据；

其中，所述将所述惯导数据按所述惯导数据优化模型需要的数量比例输入所述惯导数据优化模型之前，包括：将多个所述惯导系统自身测得的所述惯导数据进行融合；将多个所述惯导系统在同一温度下测得的所述惯导数据进行融合。

2.一种模型的训练方法，其特征在于，所述方法包括：

获得多个惯导系统各自的训练样本集，其中，每个所述训练样本集包括对应的一个所述惯导系统在各温度下测得的零偏数据；

从所述训练样本集中抽取出所述多个惯导系统在同一温度下各自测得的零偏数据，并利用所述各自测得的零偏数据训练预设的惯导数据优化模型；

其中，所述从所述训练样本集中抽取出所述多个惯导系统在同一温度下各自测得的零偏数据，包括：

从多个所述训练样本集中抽取出满足所述惯导数据优化模型需要的数量比例的所述各自测得的零偏数据。

3.根据权利要求2所述的模型的训练方法，其特征在于，在利用所述各自测得的零偏数据训练预设的惯导数据优化模型之前，所述方法还包括：

构建出所述惯导数据优化模型的输入层、与所述输入层连接的隐含层、以及与所述隐含层连接的输出层；

配置所述隐含层的网络参数。

4.根据权利要求3所述的模型的训练方法，其特征在于，利用所述各自测得的零偏数据训练预设的惯导数据优化模型，包括：

利用所述惯导数据优化模型处理所述各自测得的零偏数据，获得在所述同一温度下的零偏优化数据；

利用所述零偏优化数据以及大小为零的预设数据，调整所述网络参数。

5.一种惯导数据优化模型，其特征在于，包括：

输入层，所述输入层用于获取多个惯导系统在同一温度下各自测得的惯导数据；

与所述输入层连接的隐含层，所述隐含层用于对所述惯导数据执行如权利要求1所述的惯导数据的优化方法，获得惯导优化数据；

以及，与所述隐含层连接的输出层；所述输出层用于将所述惯导优化数据输出。

6.一种电子设备，其特征在于，包括：数据接口、存储器、与所述存储器连接的处理器；

所述数据接口，用于采集到多个惯导系统各自测得的惯导数据；

所述存储器，用于存储程序；

所述处理器，所述处理器中部署有惯导数据优化模型，所述处理器用于调用并运行所述程序，以利用所述惯导数据优化模型对所述惯导数据执行如权利要求1-4任一权项所述的方法。

7.一种具有计算机可执行的非易失程序代码的计算机可读存储介质，其特征在于，所述程序代码使所述计算机执行如权利要求1-4任一权项所述的方法。