【摘要】针对复杂环境下嵌入式导航系统精度与实时性难以兼顾、多源异构传感器数据融合困难等关键技术挑战，本文提出了一种基于深度学习的嵌入式导航计算机系统。 通过构建混合神经网络架构实现多源传感器数据融合，结合轻量化模型优化技术，开发面向嵌入式平台的智能导航解决方案。 采用模块化设计思想，在保障资源约束的前提下，显著提升了复杂场景下的导航性能与适应性。 具体地，在开阔场景中，系统可实现亚米级的定位精度，在城市峡谷场景下的性能下降幅度也控制在合理范围内，在室内全球导航卫星系统（ＧＮＳＳ）拒止环境中，系统仍能保持优于 １???? １％的航迹误差。 综上所述，深度学习技术能够在不牺牲实时性的前提下，显著提升嵌入式导航系统在复杂环境中的适应能力，为智能导航系统的工程化应用提供了有效技术路径。