本发明专利技术公开了一种GNSS区域对流层天顶延迟改正的ISAAS模型计算方法，首先利用BP神经网络技术表示Saastamoinen模型误差；使用高精度的IGS对流层延迟产品数据训练BP神经网络；然后，用Saastamoinen模型方法计算用户位置的对流层天顶延迟；接着，用已经训练完毕的BP神经网络计算用户位置的Saastamonien模型模型残差；最后、计算修改后对流层天顶延迟。本发明专利技术计算出的对流层天顶延迟要比Saastamonien模型的精度提高大约12.4％。因此，对于一定区域的对流层，可以利用本发明专利技术提出的方法计算其延迟数值。
【技术实现步骤摘要】
本专利技术设及全球导航系统领域，特别设及是一种GNSS全球与区域对流层延迟改 正的计算方法。
技术介绍
对流层折射延迟是全球卫星导航系统（GlobalPfevigationSatelliteSystem, 简称GNS巧导航和定位的主要误差源之一，其对电磁波信号产生的影响是非色散的折射， 即折射率与电磁波的频率或波长无关，只与传播速度有关。由于对流层折射的影响，在天顶 方向可使电磁波的传播路径差达到2. 3m;当卫星高度角为10°时可达20m。因此运种影响 在全球卫星导航系统导航和定位中必须予W消除或削弱。 由于影响对流层的因素很多且带有较大的随意性，特别是天顶湿延迟的不规则性 较强，而我们对其变化规律尚未完全搞清楚，从而使对流层延迟中产生了很多不规则变化。 而且，对流层在建模的时候做了很多简化和假设，利用Saastamoinen模型得到的对流层天 顶延迟狂TD)的精度一般只有厘米至分米，不能满足实际精密工程测量和导航定位的需 要。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于实测气象参数 的对流程延迟改正方法，用于解决现有的方法得到的对流层天顶延迟精度差的技术问题。 技术方案：为实现上述目的，本专利技术采用的技术方案为： -种基于实测气象参数的对流层天顶延迟改正方法，包括顺序执行的W下步骤： 步骤1、利用BP神经网络建立W用户位置处的大气压P。、水汽压e。、溫度T。、用户 的缔度梦、用户的高度hW及Saastamoinen模型的对流层天顶延迟ZTDsms组成的输入量与 WSaastamoinen模型所计算的对流层天顶延迟的残差RESbpw所形成的输出量之间的非线 性关系；BP神经网络的输入端与输出端之间设置有隐含层，隐含层中的通常设置为双隐含 层且每个隐含层的节点为3个； 步骤2、选择IGS(国际GNSS服务组织）提供的历史对流层天顶延迟数据W及相 应的大气压P。、水汽压e。、溫度T。、用户的缔度胖、用户的高度h用于训练步骤1中建立的BP 神经网络，为了提高准确性，上述历史数据需至少为期一年；运里对流层天顶延迟ZTDsms和 实测气象参数即大气压P。、水汽压e。、溫度T。可W分别在W下两个网址下载获得： ftp://cddis.gsfc.nasa.gov/pub/gps/products/troposphere/zpd/; ftp://cddis.gsfc.nasa.gov/pub/gps/data/daily/; 步骤3、W待求用户所在位置对应的大气压P。、水汽压e。、溫度T。、用户的缔度9和 用户的高度h代入下式计算Saastamoinen模型的对流层天顶延迟ZTDsaas 步骤4、利用待求用户所在位置对应的大气压P。、水汽压e。、溫度T。、用户的缔度梦、 用户的高度hW及步骤3中计算出来的Saastamoinen模型的对流层天顶延迟ZTDsms，代入 步骤2中已经训练完毕的BP神经网络并来计算待求用户位置的Saastamonien模型所计算 的对流层天顶延迟的残差RESww; 步骤5、对Saastamonien模型进行误差补偿，即利用步骤4中计算出来的待求 用户位置的Saastamonien模型所计算的对流层天顶延迟的残差RESepww补偿步骤3中的 Saastamoinen模型的对流层天顶延迟ZTDsaas获得本专利技术的ISAAS模型计算的待求用户位 置的对流程天顶延迟的为ZTDisms=ZTDsms+RESbpnn。 有益效果： 本专利技术选用合理输入输出参数建立BP神经网络，并用历史数据对其进行训练，使 得利用本专利技术计算出的对流层天顶延迟要比Saastamonien模型的精度提高大约12.4%。 因此，对于一定区域的对流层，可W利用本专利技术提出的方法计算其延迟数值。【附图说明】 图1为Saastamoinen模型误差的神经网络设计图； 图2为本专利技术的模型补偿策略； 图3为建模和测试的IGS站分布图； 图4为本专利技术的模型和Saastamoinen模型平均偏差BIAS比较分析结果；[002。图5为本专利技术的模型和Saastamoinen模型中误差RISE比较分析结果。【具体实施方式】 下面结合附图对本专利技术作更进一步的说明。 步骤1、利用BP神经网络技术表示Saastamoinen模型误差。 利用BP神经网络来表示Saastamoinen模型所计算的对流层天顶延迟的残差 RESwww与地面气象参数、地理坐标和模型值的非线性关系。该BP神经网络具体结构如图1 所示，其中：地面气象参数（包括大气压P。、水汽压e。和溫度T。)、用户的位置（用户的缔度 9和用户的高度h)和Saastamoinen模型的对流层天顶延迟ZTDsms为该神经网络的输入参 数，Saastamoinen模型所计算的对流层天顶延迟的残差RESbpw为输出参数。其中，Saastamoinen模型的对流层天顶延迟ZTDsms计算公式如下所示： 步骤2、使用高精度的IGS对流层延迟产品数据训练BP神经网络。 W图4所示的俄罗斯地区作为研究地区，选择该区域中的8个IGS站的一年的数 据作为建模数据，IGS站的具体名称和位置见表1。 表 1 运8个IGS站提供了至少一年的IGS的对流层天顶延迟ZTDsms、对应的实测气象 参数数据和大致的地理坐标。对流层天顶延迟ZTDsms和实测气象参数可W分别在一下两个 网址下载： ftp://cddis.gsfc.nasa.gov/pub/gps/products/troposphere/zpd/; ftp://cddis.gsfc.nasa.gOv/pub/gps/data/daily/D 利用上述8个IGS站的2011年全年或者2012全年数据对如图1所示设计的BP 神经网络进行训练。部分建模数据如表2所示： 表 2 步骤3、用Saastamoinen模型方法计算待求用户所在位置的对流层天顶延迟 ZTDaus。 为了对模型效果验证，选取3个IGS站（如表3和图4所示）作为待求用户所在 位置，选取待求用户所在位置处的大气压P。、水汽压e。、溫度T。、用户的缔度0和用户的高度 h运些数据，按照公式（1)计算Saastamoinen模型的对流程天顶延迟ZTDsms。 表 3 步骤4、用已经训练完毕的BP神经网络计算待求用户所在位置的所计算的对流层 天顶延迟的残差RESww。 利用待求用户所在位置对应的大气压P。、水汽压e。、溫度T。、用户的缔度@、用户的 高度hW及步骤3中计算出来的Saastamoinen模型的对流层天顶延迟ZTDsms作为输入数 据代入步骤2中已经训练完毕的BP神经网络并来计算待求用户位置的Saastamonien模型 所计算的对流层天顶延迟的残差RESww; 步骤5、计算修改后对流层天顶延迟。 对Saastamonien模型进行误差补偿，即利用步骤4中计算出待求用户位置的 Saastamonien模型所计算的对流层天顶延迟的残差RESbpnn补偿步骤3中Saastamoinen模 型的对流层天顶延迟ZTDsms，如图2所示。因此，本专利技术的模型即ISAAS模型计算的用户位 置的对流程天顶延迟的应为：ZTDisms=ZTDsms+RESww。 W平本文档来自技高网...
【技术保护点】
一种基于实测气象参数的对流层天顶延迟改正方法，其特征在于：包括顺序执行的以下步骤：步骤1、利用BP神经网络建立以用户位置处的大气压P0、水汽压e0、温度T0、用户的纬度用户的高度h以及Saastamoinen模型的对流层天顶延迟ZTDSAAS组成的输入量与以Saastamoinen模型所计算的对流层天顶延迟的残差RESBPNN所形成的输出量之间的非线性关系；步骤2、选择IGS提供的历史对流层天顶延迟数据以及相应的大气压P0、水汽压e0、温度T0、用户的纬度用户的高度h用于训练步骤1中建立的BP神经网络；步骤3、以待求用户所在位置对应的大气压P0、水汽压e0、温度T0、用户的纬度和用户的高度h代入下式计算Saastamoinen模型的对流层天顶延迟ZTDSAAS步骤4、利用待求用户所在位置对应的大气压P0、水汽压e0、温度T0、用户的纬度用户的高度h以及步骤3中计算出来的Saastamoinen模型的对流层天顶延迟ZTDSAAS，代入步骤2中已经训练完毕的BP神经网络并来计算待求用户位置的Saastamonien模型所计算的对流层天顶延迟的残差RESBPNN；步骤5、利用步骤4中计算出来的待求用户位置的Saastamonien模型所计算的对流层天顶延迟的残差RESBPNN补偿步骤3中的Saastamoinen模型的对流层天顶延迟ZTDSAAS获得待求用户所在位置的对流程天顶延迟的为ZTDISAAS＝ZTDSAAS+RESBPNN。...
【技术特征摘要】
【专利技术属性】
技术研发人员：胡伍生，丁茂华，余龙飞，王松寒，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。