[发明专利]一种基于机器学习的卫星导航自动判读方法

权利要求书

1.一种基于机器学习的卫星导航自动判读方法，其特征在于，所述方法包括：

S10、获取卫星导航的定位数据包，其中，定位数据包包括阈值判读类型的定位数据和机器学习类型的定位数据；

S20、判断当前定位数据的字段类型，在当前定位数据的字段类型为阈值判读类型的情况下，转至S30，在当前定位数据的字段类型为机器学习类型的情况下，转至S60；

S30、判断当前定位数据是否需要计算精度误差，若是，转至S40，否则，转至S50；

S40、计算当前定位数据的均方根误差，将当前定位数据的均方根误差与精度误差阈值进行比较，根据第一比较结果确定当前定位数据是否满足预设要求，并转至S70；

S50、将当前定位数据与数据阈值进行比较，根据第二比较结果确定当前定位数据是否满足预设要求，并转至S70；

S60、利用卷积神经网络算法获取当前定位数据的聚类结果，根据聚类结果确定当前定位数据是否满足预设要求，并转至S70；

S70、判断是否遍历完定位数据包中的全部定位数据，若是，转至S80，否则，转至S20对下一个定位数据进行判断；

S80、若定位数据包中的全部定位数据均满足预设要求，则判断卫星导航的工作状态正常，否则，判断卫星导航的工作状态异常。

2.根据权利要求1所述的方法，其特征在于，阈值判读类型中需要计算精度误差的定位数据包括速度信息和位置信息。

3.根据权利要求2所述的方法，其特征在于，阈值判读类型中不需要计算精度误差的定位数据包括功率字、首次定位时间和频综。

4.根据权利要求3所述的方法，其特征在于，机器学习类型的定位数据包括钟差和位置精度强弱度。

5.根据权利要求4所述的方法，其特征在于，在S60中，利用卷积神经网络算法获取当前定位数据的聚类结果包括：

S61、将当前定位数据转换为图像作为测试集；

S62、将历史机器学习类型的定位数据转换为图像作为训练集，并生成训练好的神经网络模型；

S63、将测试集导入训练好的神经网络模型进行学习，以获取当前定位数据的聚类结果。

6.根据权利要求4所述的方法，其特征在于，在将测试集导入训练好的神经网络模型进行学习之后，所述方法还包括：对经过学习后的测试集进行交叉验证，以获取当前定位数据的聚类结果。

7.根据权利要求4所述的方法，其特征在于，在S40中，根据第一比较结果确定当前定位数据是否满足预设要求包括：

S41、在当前定位数据的均方根误差小于或等于精度误差阈值的情况下，确定当前定位数据满足预设要求；

S42、在当前定位数据的均方根误差大于精度误差阈值的情况下，确定当前定位数据不满足预设要求。

8.根据权利要求4所述的方法，其特征在于，在S50中，根据第二比较结果确定当前定位数据是否满足预设要求包括：

S51、在当前定位数据小于或等于数据阈值的情况下，确定当前定位数据满足预设要求；

S52、在当前定位数据大于数据阈值的情况下，确定当前定位数据不满足预设要求。

9.一种计算机设备，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计算机程序时实现权利要求1至8任一所述方法。