1.INS/CNS组合导航方法，其特征在于：包括以下步骤：获取目标的姿态、速度及位置信息，基于训练完毕的神经网络获得姿态、速度及位置信息中的非高斯量测噪声方差和最优估计误差的预测值；

基于非高斯量测噪声方差和最优估计误差的预测值，修正INS/CNS组合导航系统中的最优估计误差值；

基于修正后的最优估计误差值，校正输出的目标姿态、速度和位置信息，从而获得INS/CNS组合导航系统输出的导航信息。

2.如权利要求1所述的INS/CNS组合导航方法，其特征在于：神经网络的训练过程包括，INS/CNS组合导航系统的第一子系统以平台失准角、速度误差、位置误差、陀螺常值漂移和加速度计常值偏置为状态量，天文导航系统输出的姿态、位置、视高度数据与惯性导航系统输出的姿态、位置、视高度数据之差为观测量，构建INS/CNS组合导航系统模型。

3.如权利要求2所述的INS/CNS组合导航方法，其特征在于：神经网络的训练过程还包括，基于INS/CNS组合导航系统模型，利用最大相关熵的卡尔曼滤波算法获取惯性导航系统输出数据中姿态误差、速度误差和位置误差的最优滤波估计值。

4.如权利要求3所述的INS/CNS组合导航方法，其特征在于：神经网络的训练过程还包括，在滤波过程中的前n个时刻得到的滤波增益序列和当前时刻滤波过程获得的量测噪声方差阵分别作为输入和输出样本对第一子系统的神经网络进行训练，输出最优的学习训练结果，其中n≥1。

5.如权利要求4所述的INS/CNS组合导航方法，其特征在于：神经网络的训练过程还包括，INS/CNS组合导航系统的第二子系统以平台失准角、速度误差、位置误差、陀螺常值漂移和加速度计常值偏置为状态量，天文导航系统输出的姿态、位置、视高度数据与惯性导航系统输出的姿态、位置、视高度数据之差为系统观测量，将第一子系统的神经网络最优的训练结果输入到第二子系统的容积卡尔曼滤波器中，对惯性导航系统的误差进行最优滤波估计，获得姿态误差、速度误差和位置误差的最优值。

6.如权利要求5所述的INS/CNS组合导航方法，其特征在于：神经网络的训练过程还包括，获取第一子系统与第二子系统的姿态误差、速度误差和位置误差的差值，基于该差值和第二子系统获取的当前时刻的滤波增益，分别作为第二子系统神经网络的输入和输出样本进行训练，输出最优的学习训练结果。

7.如权利要求1所述的INS/CNS组合导航方法，其特征在于：量测噪声方差实时估计与误差补偿的过程包括，在量测噪声为非高斯噪声的情况下，第二子系统中前n个时刻的滤波增益序列输入到训练后的第一子系统神经网络中，预测出当前时刻量测噪声的方差阵，其中n≥1；第二子系统基于当前时刻量测噪声的方差阵，获得系统误差的滤波估计值，并获取当前时刻的滤波增益，将滤波增益作为第二子系统神经网络的输入，预测当前时刻最优估计的误差值；基于预测出的误差值对惯性导航系统的系统误差修正，得到修正后的姿态误差、速度误差和位置误差。

8.INS/CNS组合导航系统，包括：预测模块，被配置为：获取目标的姿态、速度及位置信息，基于训练完毕的神经网络获得姿态、速度及位置信息中的非高斯量测噪声方差和最优估计误差的预测值；

补偿模块，被配置为：基于非高斯量测噪声方差和最优估计误差的预测值，修正INS/CNS组合导航系统中的最优估计误差值；

输出模块，被配置为：基于修正后的最优估计误差值，校正输出的目标姿态、速度和位置信息，从而获得INS/CNS组合导航系统输出的导航信息。

9.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1‑7任一项所述的INS/CNS组合导航方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的INS/CNS组合导航方法中的步骤。