![](/assets/icon.png)
1. 本文提出了一种基于循环神经网络(RNN)的INS/GNSS集成导航方法,可以在GNSS信号不可用的情况下实现连续、可靠和高精度的导航解决方案。
2. 通过INS/GNSS模拟环境和船舶实验测试,验证了该方法的性能表现,并且相比于极限学习机(ELM)和扩展卡尔曼滤波器(EKF),其性能提高了约30%和60%。
3. RNN在INS/GNSS集成导航领域中具有广阔的应用前景。
作为一篇科技论文,该文章并没有明显的偏见或宣传内容。然而,在其研究方法和结果方面,仍存在一些值得注意的问题。
首先,该文章提出了一种基于循环神经网络(RNN)的INS/GNSS集成导航方法,旨在解决GNSS信号失效的问题。然而,在介绍该方法时,并未对其他已有的INS/GNSS集成导航方法进行充分比较和评估。因此,读者无法确定该方法是否真正优于其他现有的方法。
其次,在实验测试中,作者只使用了一艘船进行测试,并未考虑不同环境下该方法的适用性和稳定性。这可能会导致结果过于乐观或不够全面。
此外,文章并未探讨该方法可能存在的风险或局限性。例如,在某些情况下,RNN可能会受到数据噪声、模型复杂度等因素的影响而产生误差。
最后,尽管文章提供了一些实验结果来支持其主张,但缺乏更多详细数据和分析来证明其有效性和可靠性。因此,需要更多研究来验证该方法在实际应用中的表现。