[发明专利]基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法

说明书

本发明公开了一种基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法，包括以下步骤：(1)将GNSS多系统组合相对定位观测数据进行单历元解算，得到包含有多路径误差的原始坐标序列；(2)搭建深度学习LSTM网络；(3)将步骤(1)中的原始坐标序列进行中值滤波作为多路径误差训练样本，输入步骤(2)中搭建的LSTM网络进行训练；训练成功后保存网络；(4)将之后观测得到的原始坐标序列输入步骤(3)保存的网络中，挖掘坐标序列中多路径误差，利用挖掘的得到的多路径误差对坐标序列进行实时改正。本发明首次将深度学习算法应用于GNSS多系统多路径误差的实时削弱，可成功挖掘多系统多路径误差，并且可对坐标序列进行的多路径误差实时改正。

技术领域

本发明涉及GNSS高精度定位领域，特别是涉及一种基于深度学习LSTM(LongShort Term Memory Network)的GNSS(Global Navigation Satellite System)多系统多路径误差实时削弱方法。

背景技术

随着空间新兴技术的发展，全球导航卫星定位系统应运而生，影响改变人们的生活方式，为我们带来了极大的便利。卫星导航定位系统对航空、航天、交通运输、地质、农业、测量、地球物理等各领域的传统测量方式产生深远的影响，带来了广泛的经济与社会效益。美国GPS(Global Positioning System，GPS)的现代化发展计划，俄罗斯GLONASS系统的重新启动，中国BDS(BeiDou Navigation Satellite System，BDS)系统的日益完善，多个卫星系统组合导航定位，不仅能够解除GPS系统对民用的限制，而且能够在作业环境较差的区域，提供稳定、可靠的定位结果，扩大作业范围。GNSS多系统组合在生活、生产等各个领域中起着重大的作用。

多路径误差作为GNSS高精度定位主要误差源，对GNSS高精度定位结果精度影响巨大，过去由于选择单一，GNSS高精度定位研究大多集中于GPS方面，并且由于GPS卫星运行具有周日重复性，可以利用该特性基于恒星日滤波消除GPS多路径误差。但随着GNSS多系统组合定位成为主流趋势，对于GNSS多系统多路径误差的研究却没有有效的进展，由于不同系统卫星运行周期不同，导致无法像GPS一样，利用周日重复性实时消除多路径误差，需要寻找解决GNSS多系统多路径误差的有效方法。

因此，为解决上述问题，本发明提出了基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法。

发明内容

本发明提出一种基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法，能够挖掘GNSS多系统多路径误差信息，进行多路径误差的实时改正。包括以下步骤：

本发明实现发明目的采用如下技术方案：

一种基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法，针对GNSS实时高精度定位中的多路径误差难以解决的问题，从深度学习这一全新的角度，解决GNSS高精度定位中的多路径误差。

一种基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法，步骤为：

步骤1，将GNSS多系统组合短基线相对定位观测数据进行单历元解算，得到包含有多路径误差的坐标序列。

步骤2，搭建深度学习LSTM网络。

步骤3，将步骤(1)中的原始坐标序列进行中值滤波，得到作为训练样本的多路径误差，输入步骤(2)中搭建的LSTM网络进行训练，训练成功后保存网络。

步骤4，将之后观测得到的原始坐标序列输入步骤(3)保存的网络中即可挖掘序列中多路径误差，利用挖掘的得到的多路径误差对坐标序列进行实时改正。

作为优选，本发明提供的一种基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法，在步骤1中，无需知道任何关于测站的先验信息，只需要解得测站点三维动态坐标序列即可。