本申请涉及导航，尤其涉及导航方法和导航系统。
背景技术：
1、卫星导航系统(global navigation satellite system，gnss)具有精度高、成本低，适用性强，且导航误差不随时间累积等特点；但其自身也存在着不足，如运动载体行驶在复杂的环境中(复杂的环境例如周围建筑、树木或者隧道等环境对卫星信号的遮挡)时，复杂的环境可能会导致卫星信号失锁，从而导致gnss系统输出定位信息的不可靠。
2、惯性导航系统(inertial navigation system，ins)是自主导航系统，具有高自主性、高刷新率，且不容易收外界信号影响的优点；但是由于ins是根据牛顿力学原理制作的，在不断积分的过程中，导航误差会随着时间的积累而不断积累，从而导致长时间导航时输出定位精度的不可靠。
3、gnss/ins组合导航的提出与实现解决了以上问题，其能输出连续的、高精度的定位导航信息如三维位置信息、三维速度信息、三维姿态角信息等。gnss/ins组合导航根据融合程度的不同组合方式主要分为松组合、紧组合、深组合三种方式。
4、对于深组合的方式，当gnss系统的可见卫星数小于4时，组合导航系统无法正常工作。
5、因此，如何在可见卫星数小于4时让深组合的组合导航系统仍然能够工作，是本申请要解决的技术问题。
技术实现思路
1、本申请的目的在于提供一种组合导航数据生成方法、组合导航神经网络的训练方法、计算机可读存储介质和导航系统，以在可见卫星数小于4时让深组合的组合导航系统仍然能够工作。
2、为实现上述目的，本申请实施例采取了如下技术方案。
3、第一方面，本申请实施例提供一种组合导航数据生成方法，包括：
4、在可见卫星数小于4时，从组合导航神经网络接收预测数据；
5、根据所述预测数据，解算得到卫星的预测位置信息；
6、将所述预测位置信息进行滤波操作，得到估计误差；
7、根据所述估计误差，校正惯导的输出，得到组合导航输出数据。
8、可选地，在从组合导航神经网络接收预测数据的步骤之前，所述组合导航数据生成方法还包括：
9、若上一个周期可见卫星数小于4，所述组合导航神经网络根据上一个周期的预测数据生成本周期的预测数据；
10、若上一个周期可见卫星数大于或等于4，所述组合导航神经网络获取卫星星历数据，并根据所述卫星星历数据生成本周期的预测数据。
11、可选地，将所述预测位置信息进行滤波操作，得到估计误差的步骤包括：
12、将所述预测位置信息输入至卡尔曼滤波器，经过所述卡尔曼滤波器滤波得到所述估计误差。
13、第二方面，本申请实施例提供一种组合导航神经网络的训练方法，包括：
14、获取训练集；所述训练集为卫星星历数据经过预处理得到的数据；
15、将所述训练集中的前一周期的数据作为网络输入，通过前向计算得到网络输出；所述网络输出表示根据前一周期的数据预测的本周期的数据；
16、根据实际值与所述网络输出，计算所述网络输出与实际值之间的误差值；所述实际值为所述训练集中的本周期的数据；
17、根据所述误差值更新网络的参数；
18、循环执行从将所述训练集中的前一周期的数据作为网络输入，通过前向计算得到网络输出至根据所述误差值更新网络的参数的步骤，直至得到组合导航神经网络。
19、可选地，获取训练集的步骤包括：
20、在可见卫星数大于或等于4时，接收卫星星历数据；
21、选取卫星星历数据的第一部分数据作为第一待处理数据集；
22、将所述第一待处理数据集进行归一化处理，得到所述训练集；
23、可选地，所述组合导航神经网络的训练方法还包括：
24、在可见卫星数大于或等于4时，接收卫星星历数据；
25、选取卫星星历数据的第二部分数据作为第二待处理数据集；
26、将所述第二待处理数据集进行归一化处理，得到验证集；
27、在得到组合导航神经网络的步骤之前，所述组合导航神经网络的训练方法还包括：
28、根据所述验证集评估所述网络的性能，以防止发生过拟合。
29、可选地，所述组合导航神经网络的训练方法还包括：
30、选取卫星星历数据的第三部分数据作为第三待处理数据集；
31、将所述第三待处理数据集进行归一化处理，得到测试集；
32、在得到组合导航神经网络的步骤之后，所述组合导航神经网络的训练方法还包括：
33、根据所述测试集评估所述组合导航神经网络的性能。
34、可选地，所述组合导航神经网络的训练方法包括多个从获取训练集到得到组合导航神经网络的步骤，以得到多个组合导航神经网络；
35、根据所述测试集评估所述组合导航神经网络的性能的步骤包括：根据所述测试集评估每个所述组合导航神经网络的性能，得到每个所述组合导航神经网络的评估结果；
36、在根据所述测试集评估每个所述组合导航神经网络的性能的步骤之后，所述组合导航神经网络的训练方法还包括：
37、根据每个所述组合导航神经网络的评估结果，选取一个组合导航神经网络作为最终组合导航神经网络。
38、可选地，根据所述误差值更新网络的参数的步骤包括：
39、根据所述误差值进行反向传播计算，得到网络的每个参数的梯度；
40、根据每个参数的梯度，利用所述梯度下降产生的误差，调整网络的权重和偏置。
41、第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序或指令，当所述计算机程序或指令被计算机执行时，实现第一方面的组合导航数据生成方法或第二方面的组合导航神经网络的训练方法。
42、第四方面，本申请实施例提供一种导航系统，用于执行第一方面的组合导航数据生成方法。
43、相对于现有技术，本申请具有以下有益效果：
44、在可见卫星数小于4时，因为本组合导航数据生成方法从组合导航神经网络接收预测数据，进而得到卫星的预测位置信息，所以即使不能从4颗卫星得到卫星的位置信息，也能根据预测位置信息进行深组合的导航工作，保障了导航系统输出的精度。
1.一种组合导航数据生成方法，其特征在于，包括：
2.如权利要求1所述的组合导航数据生成方法，其特征在于，在从组合导航神经网络接收预测数据的步骤之前，所述组合导航数据生成方法还包括：
3.如权利要求1所述的组合导航数据生成方法，其特征在于，将所述预测位置信息进行滤波操作，得到估计误差的步骤包括：
4.一种组合导航神经网络的训练方法，其特征在于，包括：
5.如权利要求4所述的组合导航神经网络的训练方法，其特征在于，获取训练集的步骤包括：
6.如权利要求4所述的组合导航神经网络的训练方法，其特征在于，所述组合导航神经网络的训练方法还包括：
7.如权利要求6所述的组合导航神经网络的训练方法，其特征在于，所述组合导航神经网络的训练方法还包括：
8.如权利要求7所述的组合导航神经网络的训练方法，其特征在于，所述组合导航神经网络的训练方法包括多个从获取训练集到得到组合导航神经网络的步骤，以得到多个组合导航神经网络；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序或指令，当所述计算机程序或指令被计算机执行时，实现权利要求1至3的任意一项所述的组合导航数据生成方法或权利要求4至8中任意一项所述的组合导航神经网络的训练方法。
10.一种导航系统，其特征在于，用于执行权利要求1至3的任意一项所述的组合导航数据生成方法。
