注意力卡尔曼滤波器

多机定位鲁棒

在卡尔曼滤波框架中引入注意力机制，端到端学习卡尔曼增益，在部分GNSS拒止环境下实现高精度、强鲁棒的协同定位。

Xiuli, Xin · Hongyu, Zhou · 冯肖雪 · 潘峰 · Wang, Jiacheng · Zhenxu, Li

IEEE Internet of Things Journal 2026

技术优势

无需精确噪声模型

通过注意力网络隐式学习二阶协方差矩阵，无需预先设定过程与测量噪声统计特性。

少量 GNSS 仍能高精定位

在仅有少量 UAV 能接收 GNSS 信号的严苛环境中，定位精度仍优于传统 EKF 和 KalmanNet。

可在线实时推理

采用滑窗与因果掩码训练策略，保证训练高效且推理满足实时性。

应用场景

• 多无人机协同定位：在部分 GNSS 拒止环境下实现多机协同定位，无需依赖全局卫星信号。
• 无人机状态估计：在非线性动态和噪声未知时提供精确的 UAV 状态估计。
• 传感网定位：融合机间距离和锚点测量，提升传感网络定位精度。
• 低空飞行器导航：在低空 GNSS 信号不稳定区域保持导航精度。