[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

摘要

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。

主权项

1.一种基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法，其特征在于：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。