返回
A data-driven based hybrid multi-branch framework for AUV navigation
DOI:10.1016/j.oceaneng.2025.120675.png)
摘要
En 中文
在Autonomous Underwater Vehicle (AUV)导航任务中,针对传统状态估计技术引入多重误差影响导航精度的问题,并考虑不同导航传感器参数的独特性,本文提出了一种用于高精度AUV导航的混合多分支网络框架,该框架能够在提取局部特征的同时捕捉输入序列的长时序依赖关系。首先,每个输入时间序列通过基于One Dimensional-Convolutional Neural Network (1D-CNN)的特征提取模块进行单独处理,以提供具有不同参数的特征表示。随后,提取的特征被拼接以获得新的时间序列,并输入到基于Long Short-Term Memory (LSTM)的特征融合模块中,以学习序列中的长时序依赖关系。最后,通过执行全连接(FC)层的回归计算可获得网络输出。采用Sailfish 210 AUV实际海试数据验证了所提算法的有效性。
Keyword:
Autonomous underwater vehicle
Navigation and localization
Extended Kalman filter
State estimation
Sequential learning
期刊
IF:
5.5
论文数:
7.2K
被引数:
7.6W
机构
暂无机构信息
引用论文
Remaining useful life prediction of roller bearings based on improved 1D-CNN and simple recurrent unit
MEASUREMENT
IF5.6
Deep learning for unmanned aerial vehicles detection: A review深度学习在无人机检测中的应用综述
COMPUTER SCIENCE REVIEW
IF12.7

