[发明专利]基于AI的惯性传感器融合策略自适应方法及装置

权利要求书

1.一种基于AI的惯性传感器融合策略自适应方法，其特征在于，包括：

S1，获取给定时刻的待融合传感器数据；

S2，利用预先训练的AI模型对所述待融合传感器数据进行特征提取，获得特征数据信息；

S3，基于所述特征数据信息分析其匹配的使用场景；

S4，根据所述特征数据信息及其匹配的使用场景，获得惯性传感器融合策略。

2.根据权利要求1所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，步骤S1中所述待融合传感器至少包括MEMS加速度计和MEMS陀螺仪。

3.根据权利要求2所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，所述待融合传感器还包括磁力计、气压计、里程计和GNSS中的一种或多种。

4.根据权利要求3所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，步骤S1中获取的给定时刻的待融合传感器数据包括P_i＝F(Ω_i,A_i，M_i，...，T_i，BW_i)；其中，i表示i时刻，Ω_i表示i时刻的角速度值，A_i表示i时刻的加速度值，M_i表示i时刻的磁力计数据,T_i表示i时刻的温度值，BW_i表示i时刻的传感器带宽。

5.根据权利要求4所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，步骤S2中所述特征数据信息包括但不限于RMS噪声值、Norm值、温度值和带宽。

6.根据权利要求1所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，在步骤S3～S4中，若步骤S3中根据特征数据信息分析得到匹配过的使用场景，则在步骤S4中根据匹配过的使用场景选择相应的惯性传感器融合策略。

若步骤S3中根据特征数据信息分析得到新的使用场景数据，则将所述特征数据信息及其对应的新的使用场景数据保存，进而利用神经网络模型获得新的使用场景下的惯性传感器融合策略。

7.根据权利要求1所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，所述惯性传感器融合策略包括但不限于Bias估计、Bias更新策略、静态判断和融合权重。

8.一种基于AI的惯性传感器融合策略自适应装置，其特征在于，包括：

获取模块，用于获取给定时刻的待融合传感器数据；

特征提取模块，用于利用预先训练的AI模型对所述待融合传感器数据进行特征提取，获得特征数据信息；

使用场景匹配模块，用于基于所述特征数据信息分析其匹配的使用场景；

融合策略获得模块，用于根据所述特征数据信息及其匹配的使用场景，获得惯性传感器融合策略。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于AI的惯性传感器融合策略自适应方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述基于AI的惯性传感器融合策略自适应方法的步骤。