[发明专利]一种考虑卫星时序性和空域交互性的多径信号识别方法

说明书

本发明公开了一种考虑卫星时序性和空域交互性的多径信号识别方法，该方法包括：获取卫星数据并对卫星数据进行划分整理，得到时间序列数据集和多卫星输入数据集；搭建多径识别模型并将时间序列数据集和多卫星输入数据集输入至多径识别模型；所述多径识别模型包括LSTM神经网络、Transformer模块和全连接网络；基于LSTM网络对时间序列数据集进行特征提取，得到时间序列特征；基于Transformer模块对多卫星输入数据集进行特征提取，得到环境表征；基于全连接网络将时间序列特征和环境表征进行融合，得到多径信号的识别结果。通过使用本发明，能够提高在城市复杂场景下多径信号识别模型的识别精度和泛化性能。本发明作可广泛应用于信号识别领域。

技术领域

本发明涉及信号识别领域，尤其涉及一种考虑卫星时序性和空域交互性的多径信号识别方法。

背景技术

全球卫星导航系统(GNSS)是各种定位技术中应用最广泛的方法，然而在复杂的城市峡谷环境，包括城市峡谷、城市立交桥等环境下，GNSS的信号容易受到环境因素的干扰。其中，多径效应是导致城市峡谷和立交桥中GNSS定位精度发生偏移的关键因素。目前，多径效应的处理方法包括硬件与软件两大类方法。基于硬件的方法比如抗多径天线或提高接收机硬件性能。此类方法抑制多径效应的效果并不显著，且硬件的改装需求使得其应用场景存在局限。基于软件的方法如恒星日滤波法、多径半天球映射法等，存在不稳定或者计算量巨大等问题，难以满足高精度、快速定位的需求。近年来，由于人工智能技术迅速发展，也有不少研究将人工智能方法应用到多径识别上，但是大部分研究还停留在初步阶段，且训练出来的模型泛化性能差、多径信号识别的精度较低，还不能在实际中推广应用。

发明内容

为了解决上述技术问题，本发明的目的是提供一种考虑卫星时序性和空域交互性的多径信号识别方法，能够提高在城市复杂场景下多径信号识别模型的识别精度和泛化性能。

本发明所采用的第一技术方案是：一种考虑卫星时序性和空域交互性的多径信号识别方法，包括以下步骤：

获取卫星数据并对卫星数据进行划分整理，得到时间序列数据集和多卫星输入数据集；

搭建多径识别模型并将时间序列数据集和多卫星输入数据集输入至多径识别模型；

所述多径识别模型包括LSTM神经网络、Transformer模块和全连接网络；

基于LSTM网络对时间序列数据集进行特征提取，得到时间序列特征；

基于Transformer模块对多卫星输入数据集进行特征提取，得到环境表征；

基于全连接网络将时间序列特征和环境表征进行融合，得到多径信号的识别结果。

进一步，所述获取卫星数据并对卫星数据进行划分整理，得到时间序列数据集和多卫星输入数据集这一步骤，其具体包括：

获取卫星数据；

对卫星数据进行标准化处理，得到标准化后的数据；

根据时间步长将标准化后的数据进行时间序列的划分，得到时间序列数据集；

根据预设阈值对标准化后的数据进行填充和截断处理，得到多卫星输入数据集。

通过该优选步骤，能够将采集到的数据划分为两种形式，作为本方案构建的模型的输入，且对于采集到的卫星特征数据，由于不同特征的值在数量级上差距较大，直接输入给模型训练会起的模型收敛速度慢，甚至会使得模型无法工作，因此需要先对各个特征分别及进行标准化处理。

进一步，所述基于LSTM网络对时间序列数据集进行特征提取，得到时间序列特征这一步骤，其具体包括：

将时间序列数据集输入至LSTM网络；

基于遗忘门丢弃时间序列数据集中历史时刻的无用信息，得到有效卫星时序特征；