[发明专利]一种基于神经网络的Loran-C ASF修正方法

权利要求书

1.一种基于神经网络的Loran-C ASF修正方法，其特征在于包括下述步骤：

步骤1：Loran-C导航信号覆盖范围内栅格化ASF修正数据库模型建立；

1)根据GIS地图信息，设计Loran-C非实时ASF修正数据库栅格分辨度和数据库栅格格式，经纬度栅格分辨度：0.5度×0.5度，并以此对地图进行栅格化处理；

2)根据GIS地图信息，设计Loran-C导航信号覆盖范围栅格化格式G^g(long，lat，d)，g＝1，2，…n，其中，long、lat分别为栅格G^g的中心经度和纬度，d为栅格上下左右边界距离中心点的法线距离，n为修正数据库栅格总数，；

3)利用集成应用终端同时采集卫导定位结果和Loran-C定位结果，根据发射塔到测试平台的信号传播路径，对路径所经过的栅格时延传输修正量D_asf进行计算，并结合影响Loran-C传播时延因素数值生成ASF时延修正标准格式测试数据，所述时延因素数为大地电导率、大气折射率、温度和湿度；

4)建立非实时ASF时延修正数据神经网络模型，将大地电导率、大气折射率、温度、湿度作为神经网络的输入，时延传输修正量D_asf作为神经网络的输出；具体步骤为：

采样数据的归一化处理，根据集成应用终端卫导定位结果确定用户所在栅格位置G^g，并根据计算分析出信号在栅格G^g的传播距离d^g和传输时延t^g，则在栅格G^g中的单位传输时延为Δt＝t^g/d^g；

令采样时刻栅格G^g的地理环境数据信息大地电导率、光照折射率、温度、湿度作为神经网络的输入层，为4个输入神经元，记为X_k＝[x_k1，x_k2，x_k3，x_k4](k＝1，，…N)；神经网络的输出层为1个神经元，记为Y_k＝(y_k1)(k＝1，2，…N)，y_k1代表神经网络实际输出的栅格G^g单位传输时延Δt；得到非实时ASF时延修正数据的神经网络模型；

5)利用步骤3)得到的测试样本数据以及步骤4)建立的神经网络模型，初始化预处理后训练非实时ASF时延修正神经网络模型，并生成神经网络模型权值参数文件.txt；

初始化预处理后训练非实时ASF时延修正神经网络模型的具体步骤如下：

a)设置神经网络的输入层第i个神经元与隐藏层第h个神经元之间的连接权为v_ih，隐藏层第h个神经元与输出层第j个神经元之间的连接权为w_hj；

隐藏层第h个神经元接收到的输入为隐藏层第h个神经元的输出为b_h＝f(α_h)；输出层第j个神经元接收到的输入为实际输出为y_kj＝f(β_j-θ_j)；

设神经网络中神经元变换函数采用如下双曲函数：

其输出量是-1到1之间的连续量，实现从输入到输出的非线性影射；

b)O_k＝[o_k1](k＝1，2，…N)，o_k1代表神经网络期望输出的栅格G^g单位传输时延Δt，即归一化后的单位传输时延；

取拟合误差的代价函数为：

c)基于梯度下降策略，调整连接权系数以使代价函数E_k最小；

所以Δw_hj＝ηy_kj(1-y_kj)(o_kj-y_kj)b_h，同理可得Δv_ib；

神经网络输入层的神经元为4个，隐藏层的神经元为5个，输出层的神经元为1个，通过对采样样本的训练，获得神经网络的连接权系数，并使代价函数E_k最小；

步骤2：用户集成终端设备上的Loran-C导航定位数据修正；

1)用户的集成应用终端获取Loran-C粗定位结果后，将相关导航定位数据信息发送到ASF时延修正数据库；

2)Loran-C非实时ASF时延修正数据库根据Loran-C接收机粗定位数据信息，计算并确定信号传播路径上经过的栅格G_j，j＝1，…，m，m为传输路径上的栅格总数；令Loran-C发射台到用户平台传输全路径上的信号时延修正量为ΔASF^l，l＝1，…，6，l代表Loran-C发射台编号；

3)用户平台接收到ASF时延修正数据库计算出的传播路径上栅格G_j的修正量ΔD_j，j＝1，…，m，则有用户平台相对于导航台l的全路径ASF传播时延修正量：

4)用户平台根据ΔASF^l修正Loran-C导航定位结果，采用二维位置解算算法，得到经过伪距修正后的Loran-C接收机定位解算方程：

式中，l为t_k时刻接收机接收到发射台编号，利用定位解算方程得出接收机的经纬度，即(x_k，y_k)，获得较高精度的Loran-C导航定位结果。

2.根据权利要求1所述的一种基于神经网络的Loran-C ASF修正方法，其特征在于：所述步骤2的步骤4)中的详细步骤为：

采用的Loran-C接收机直接测得发射台站信号发射时间t^(l)与接收机接收信号时间t_u之间的时间差值，从而Loran-C接收机根据发射时间t^(l)与接收信号时间t_u之间的差异，测量出接收机至发射台站之间的伪距ρ^(l)，即：

ρ^(l)＝c(t_u-t^(l))

式中c代表光速，l为发射台编号；

将伪距公式重写为：

ρ^(l)＝r+δt_u-δt^l+δt^ASF

式中，r为Loran-C信号真实路径传播距离，δt_u为接收机钟差，δt^l为Loran-C系统误差，δt^ASF为传播路径时延误差，Loran-C系统误差δt^l可预先获得并存储在用户接收机中，信号传播路径时延误差δt^ASF采用建立的基于神经网络的非实时ASF时延修正数据模型计算得到，经过修正后得到较高精度的伪距测量值ρ^(l)；由于δt^l是已知的，因此，伪距测量值ρ^(l)的精度取决于对传播路径时延误差δt^ASF修正的精度；

基于非实时ASF修正数据库的Loran-C定位方法，在计算δt^ASF时，实现步骤如下：

a)Loran-C接收机开机后，通过未采取ASF传播时延修正的伪距测量值进行定位解算，获取Loran-C接收机定位初值(x₀，y₀)；

b)根据Loran-C接收机的位置信息，计算接收机接收到信号与相应发射台之间传播路径上经过的栅格集，记为l代表Loran-C发射台编号，g＝1，2，…，m代表接收机接收到从第i发射台发射的信号传播路径上的栅格集；

c)获取栅格集G_l中每个栅格的大地电导率、大气折射率、温度、湿度信息，记为作为非实时ASF修正时延数据神经网络计算模型的输入集，利用神经网络计算模型计算该栅格单位时延δASF_g(g＝1，2，…，m)；

d)计算第l个发射机所发信号在每个经过栅格上的传输距离D_g，(g＝1，2，…，m)，计算接收发射台l，l∈{1，2，3，4，5，6}发射信号到接收机之间在传输路径上的总时延：

e)接收机定位解算采用二维位置解算算法，得出接收机的经纬度，根据Loran-C伪距修正方程得到修正后的发射台l距接收机的距离发射台位置信息为(x^(l)，y^(l))已知，接收机的位置为(x_k，y_k)未知，则有经过伪距修正后的Loran-C接收机定位解算方程如下：

式中，为伪距值，l为t_k时刻接收机接收到发射台编号，获得用户的经度和纬度信息，即(x_k，y_k)；δt_u为用户设备和UTC的时间偏差；对定位解算方程再采用最小二乘法进行定位，得到时间t_k用户位置(x_k，y_k)信息，同时将当前时刻的位置信息保存，并转到步骤b)，进行t_k+1时刻的位置、时间解算。