1.一种基于注意力机制的al-nn神经网络组合导航方法，其特征在于，所述组合导航方法首先是获得信息，包括gnss位置信息、imu的加速度计和陀螺仪数据以及ins解算的位置、速度和姿态信息；然后，建立imu输出、ins解算和gnss位置增量的关系模型，构建al-nn神经网络模型；当gnss信号可用时，训练模型；当gnss信号失锁时，模型用来预测失锁期间的gnss位置增量；最后，通过模型输出的gnss位置以及调整的测量噪声协方差矩阵进行自适应卡尔曼滤波融合。
2.根据权利要求1所述的基于注意力机制的al-nn神经网络组合导航方法，其特征在于，所述信息为令载体坐标系为b系，惯性坐标系为系，imu输出包括在b系中b系相对于系的三轴加速度计测量的加速度和三轴陀螺仪测量的角速度；通过对和进行积分得到载体位置、速度和姿态角。
3.根据权利要求2所述的基于注意力机制的al-nn神经网络组合导航方法，其特征在于，根据ins输出与导航信息之间的关系，建立ins输出与gnss增量之间的关系，建立-模型，gnss的位置增量表达式为：
4.根据权利要求1所述的基于注意力机制的al-nn神经网络组合导航方法，其特征在于，所述构建al-nn神经网络模型的具体结构为：
5.根据权利要求4所述的基于注意力机制的al-nn神经网络组合导航方法，其特征在于，所述当gnss信号可用时，训练模型，当gnss信号失锁时，预测gnss位置增量，具体过程为：
6.根据权利要求5所述的基于注意力机制的al-nn神经网络组合导航方法，其特征在于，所述gnss位置信息进行自适应卡尔曼滤波融合，根据gnss信号状态设置比例因子，并根据预测残差计算自适应因子，实现自适应测量噪声矩阵。
7.根据权利要求6所述的基于注意力机制的al-nn神经网络组合导航方法，其特征在于，所述gnss位置信息进行自适应卡尔曼滤波融合，具体为：
8.根据权利要求4所述的基于注意力机制的al-nn神经网络组合导航方法，其特征在于，所述通过自适应卡尔曼滤波输出导航数据，具体为：