一种多模态缺失数据的飞行器定位的方法

本发明公开了一种多模态缺失数据的飞行器定位的方法，包括5个步骤：S1获取历史飞行器飞行数据并构建训练数据集；S2通过在人工神经网络中训练数据集搭建深度学习网络；S3借助深度学习网络构建不完全数据处理模型；S4以不完全数据处理模型为基础构建飞行器定位网络模型；S5利用飞行器定位网络模型预测飞行器位置所属区块。与传统飞行器定位的方法相比，本发明首先采用不完全多模态数据处理方法，可以避免不准确的多模态不完全数据所带来的噪声，降低质量低下的模态数据所带来的干扰；同时采用非线性映射的方式，探索多模态数据的高维特征空间中的互补信息，使不同模态之间能相互表示，提高数据的可解释性。