شناورهای زیرآبی (زیردریایی‌ها) عموما کاربردهای مختلفی در حوزه‌های تجاری و نظامی دارند. به علت محدودیت استفاده از سامانه‌ ناوبری ماهواره‌ای در زیرآب، عموماً ناوبری و تعیین موقعیت این شناورها در زیرآب با چالش همراه است. یکی از بهترین روش‌های رایج و بدون محدودیت مکانی برای تعیین موقعیت این شناورها، تلفیق سامانه‌ ناوبری لختی (INS) با سرعت‌سنج داپلری (DVL) است. در این سامانه‌ ناوبری، سرعت‌سنج داپلری، بردار سرعت شناور را محاسبه می‌کند که دقت آن نقش تعیین‌کننده در دقت ناوبری داشته و به تخمین متغیرهای حالت سامانه‌ ناوبری کمک می‌کند. این پژوهش، یک روش مبتنی بر داده بر پایه شبکه عصبی پیچشی (CNN) برای رگرسیون بردار سرعت تخمینی با استفاده از سرعت‌سنج داپلری را پیشنهاد می‌کند. دقت تخمین بردار سرعت در این روش بهبود می‌یابد و می‌تواند جایگزین رویکرد رایج مبتنی بر الگو مانند روش حداقل مربعات شود. در این روش، از اندازه‌گیری‌های پرتو سرعت‌سنج داپلری فعلی و داده‌های حسگر لختی (شتاب‌سنج و چرخش‌نما) برای تخمین سرعت شناور استفاده می‌شود. شبیه‌سازی و تست با داده‌های واقعی سرعت‌سنج داپلری انجام شد تا روش پیشنهادی با رویکرد مبتنی بر الگو اعتبارسنجی شود. نتایج نشان می‌دهد که روش پیشنهادی به بهبود بیش از 60 درصد در تخمین بردار سرعت حاصل از سرعت‌سنج داپلری دست یافته است.