近年来，由于机器学习技术具有提高估计精度和系统鲁棒性的潜力，因此将机器学习技术整合到导航系统中引起了极大的兴趣。这篇博士论文研究了深度学习与饶黑化粒子滤波器的结合使用，以增强机载模拟任务中的地磁导航。

为便于评估所提议的导航系统，开发了一个仿真框架。该框架包括详细的飞机模型、地球磁场的数学表示法以及从在线数据库获取的真实世界磁场数据。通过这种设置，可以准确评估拟议的 Geomagentic 架构在各种现实地磁场景中的性能和有效性。

这项研究成果证明了机器学习算法在提高地磁导航传感器融合滤波器性能方面的潜力，并引入了一种新方法来提高现有地磁模型的分辨率，从而更好地描述这些模型中的磁场特征。这种融合使机载任务的惯性制导更加精确和稳健，从而为各种航空飞行器的先进、可靠导航系统铺平了道路。

总之，本论文提供了一种将机器学习技术与传统估算方法相结合的新方法，并采用一种新技术来获取这些导航架构所需的更精确的地磁模型，从而为地磁导航研究的最新发展做出了贡献。这项研究成果有望为民用和军用航空应用开发先进的自适应导航系统。