摘要： 针对在卫星信号拒止、视觉系统退化场景中无人机 MEMS-IMU 零偏无法准确估计并补偿导致导航误差迅速发散的问题，提出一种基于改进长短时记忆（LSTM）网络的零偏在线标定方法。首先，为解决 MEMS-IMU 零偏数据非线性强、传统循环时间网络训练效果差的问题，设计序列到序列的LSTM 神经网络结构，引入教师强迫机制，提高了网络特征学习能力。然后，在导航过程中使用训练后的网络对 MEMS-IMU 零偏在线标定，补偿后的 IMU 量测与视觉信息联合优化，保证了导航定位精度。实验结果表明，在纯惯性导航实验中，所提方法的绝对位置误差比传统 LSTM 方法减小了 6.5%；在 EUROC 数据集下进行的视觉惯性组合导航实验中，所提方法的平均绝对位置误差比传统 LSTM 方法减小了 15%。