用于使用神经网络进行NEQUICK建模的系统和方法技术方案

本申请涉及用于使用神经网络进行NEQUICK建模的系统和方法。其中，提供为GNSS系统确定电离层延迟的系统和方法。在一个实施例中，GNSS系统包括被配置成从一个或多个GNSS卫星接收GNSS信号的天线。该系统进一步包括耦合到天线并且被配置成将GNSS信号从RF下变频成IF的信号处理电路。该系统进一步包括耦合到存储器的处理设备，该存储器包括用于神经网络的多个权重和激活函数的数据库，该神经网络经训练以输出NeQuick模型的输出的近似。该处理设备被配置成：向从GNSS信号生成的多个输入应用用于神经网络的多个权重和激活函数；并且基于神经网络的输出来估计电离层延迟的指示。

Systems and methods for NEQUICK modeling using neural networks

The present application relates to a system and method for modeling NEQUICK using a neural network. Among them, the system and methods for determining the ionospheric delay for the GNSS system are provided. In one embodiment, the GNSS system includes an antenna configured to receive a GNSS signal from one or more GNSS satellites. The system further includes a signal processing circuit coupled to an antenna and configured to convert the GNSS signal down from RF into IF. The system further includes a processing device coupled to memory, which includes a database of multiple weights and activation functions for neural network. The neural network is trained to output the approximation of the output of the NeQuick model. The processing device is configured to apply multiple weights and activation functions to multiple inputs applied from GNSS signals, and to estimate the ionospheric delay indication based on the output of neural network.

【技术实现步骤摘要】
用于使用神经网络进行NEQUICK建模的系统和方法
技术介绍
电离层引起的误差是影响在单频模式中操作的全球导航卫星系统（GNSS）接收机的最大误差。为了补偿电离层误差，已经开发出许多电离层误差模型。全球定位系统（GPS）接收机使用公知的Klobuchar模型，而未来的伽利略接收机被预期使用也被称为NeQuickG模型的NeQuick模型。NeQuick模型是三维和取决于时间的电离层电子密度模型，该电离层电子密度模型根据位置和时间提供电离层中的电子密度。它使得能够计算作为沿着任何射线路径的集成电子密度的电离层延迟。欧洲GNSS局（GSA）最近已经发表了关于题为“用于伽利略单频用户的欧洲GNSS（伽利略）开放服务电离层校正算法（EuropeanGNSS(Galileo)OpenServiceIonosphericCorrectionAlgorithmforGalileoSingleFrequencyUsers）”的NeQuick电离层模型的新文档，该新文档包含算法的详细描述。相比于Klobuchar模型，NeQuick模型被预期提供改进的性能。然而，NeQuick模型最初是为科学目的开发的，而没有关于其计算要求的考虑。初步测试示出：NeQuick模型可以比Klobuchar模型的计算要求多10000倍以上，并且在某些情况下，已被示出为比Klobuchar模型的计算要求多几乎50000倍。因此，在航空接收机或另一个独立的GNSS接收机中实现NeQuick模型已经被证明是困难的。由于以上原因并且由于以下所包括的将对本领域技术人员在阅读和研究说明书时变得显而易见的其它原因，所以在本领域中存在对可以在GNSS接收机中实现NeQuick模型的改进的系统和方法的需要。
技术实现思路
本公开的实施例提供用于为GNSS系统确定电离层延迟的系统和方法，并且将通过阅读和研究下面的说明书来理解。在一个实施例中，GNSS系统包括被配置成从一个或多个GNSS卫星接收GNSS信号的天线。该系统进一步包括耦合到天线的信号处理电路，该信号处理电路被配置成将GNSS信号从RF下变频成IF。该系统进一步包括耦合到存储器的处理设备，该存储器包括用于神经网络的多个权重和激活函数的数据库，该神经网络经训练以输出NeQuick模型的输出的近似。该处理设备被配置成：向从GNSS信号生成的多个输入应用用于神经网络的多个权重和激活函数；并且基于神经网络的输出来估计电离层延迟的指示。附图说明基于附图仅仅描绘示范性实施例并且因此将不被认为限制范围的理解，将用附加特性和细节、通过使用附图来描述示范性实施例，在附图中：图1是根据本公开的一个实施例的利用神经网络的示范性GNSS系统的框图；图2是根据本公开的一个实施例的用于近似NeQuick模型的神经网络的框图；图3是根据本公开的一个实施例的用于近似NeQuick模型的神经网络的框图；图4是图示根据本公开的一个实施例的方法的流程图；以及图5是图示根据本公开的一个实施例的方法的流程图。根据习惯作法，各种所述特征不是按比例绘制，而是被绘制以强调与示范性实施例相关的具体特征。具体实施方式在下面的详细描述中，对附图做出参考，该附图形成下面的详细描述的一部分，并且在附图中通过说明的方式示出具体的说明性实施例。然而，将理解的是：可利用其它实施例，并且可进行逻辑、机械和电气改变。此外，在附图和说明书中呈现的方法不应当被解释为限制可以按其执行各自的步骤的次序。下面的详细描述因此将不被以限制意义来理解。以下所述的实施例使得GNSS接收机能够通过使用神经网络来将NeQuick模型的输出近似到可接受的精度。当应用相同的输入时，神经网络的精度由其输出与NeQuick模型的输出的相关性确定。相应地，神经网络被训练，以当应用相同的输入时输出在期望的容限内的NeQuick模型的输出的近似。由于神经网络的计算要求显著地少于实际NeQuick模型的计算要求，所以神经网络的使用使得GNSS接收机能够执行对电离层误差的实时补偿。图1是根据本公开的一个实施例的利用神经网络的GNSS系统100的框图。在示范性实施例中，GNSS系统100包括天线102、信号处理电路104、处理设备106以及包括神经网络数据库110的存储器108。GNSS系统100从多个卫星接收GNSS信号。在示范性实施例中，GNSS系统100被配置成使用来自卫星的GNSS信号来操作，该卫星是需要使用NeQuick模型的伽利略星座或者另一个GNSS卫星星座的一部分。在一些实施例中，GNSS系统100是独立的GNSS接收机。在其它实施例中，GNSS系统100可被并入到诸如飞机之类的交通工具中。在这样的实施例中，GNSS系统100可被并入到多模式无线电设备中，或者可被并入到交通工具的一个或多个系统中。GNSS系统100能够通过与卫星通信来确定其相对于地球的位置。GNSS卫星各自向已经用伪随机噪声（PRN）和数据信号调制的GNSS系统100发送载波信号。数据信号包括由至少一个原子时钟提供的精确时间。数据信号还可描述时钟行为、状态消息和校正数据，该校正数据校正电离层延迟、时间偏移等等。为了处理来自GNSS卫星的信号，GNSS系统100包括接收从GNSS卫星发送的信号的天线102。在一些实施例中，天线102被配置成在单频模式中操作。在其它实施例中，天线102被配置成在双频模式中操作，但是如果频率中的一个丢失，接收机仍然在单频模式中操作。在任何情况下，GNSS系统100实现和利用经训练以近似NeQuick模型的输出的神经网络以补偿电离层误差，同时在单频模式中操作。在示范性实施例中，天线102向信号处理电路104提供信号，该信号处理电路104被配置成将接收的GNSS信号从射频（RF）信号下变频成中频（IF）信号。在示范性实施例中，信号处理电路104包括RF前端，该RF前端将从天线102接收的RF信号下变频，用于由处理设备106进一步处理。在示范性实施例中，信号处理电路104可包括放大器、混频器（mixer）、模数（A/D）转换器以及其它电子设备，所述其它电子设备可用于从卫星接收信号并将RF信号下变频成IF信号。在一些实施例中，GNSS系统100可包括组件以将IF信号进一步下变频成基带信号。在一些实施例中，IF信号或基带信号被提供给处理设备106。在其它实施例中，信号处理电路104包括在向处理设备106提供GNSS信号之前执行进一步的信号处理（例如，为神经网络生成多个输入）的组件。处理设备106耦合到存储器108，并且被配置成使用GNSS信号确定估计的GNSS系统100的位置。在示范性实施例中，处理设备106可包括一个或多个处理器、微处理器、现场可编程门阵列（FPGA）、专用集成电路（ASIC）等等。在一些实施例中，处理设备106可合并存储器108。在示范性实施例中，处理设备106使用来自信号处理电路104的处理的GNSS信号来为神经网络生成多个输入。为了产生精确的位置估计，GNSS系统100必须补偿电离层误差。如上所讨论的，对于使用伽利略信号操作的GNSS系统100，需要NeQuick模型。NeQuick模型本质上是具有九个输入和一个输出的非线性算法。到NeQuick模型的九个输入包括：有效电离化级A本文档来自技高网...

【技术保护点】
一种全球导航卫星系统（GNSS）系统，包括：被配置成从一个或多个GNSS卫星接收全球导航卫星系统（GNSS）信号的天线（102）；耦合到天线（102）的信号处理电路（104），其中信号处理电路（104）被配置成将GNSS信号从射频（RF）下变频成中频（IF）；以及耦合到存储器（108）的处理设备（106），其中存储器（108）包括用于神经网络的多个权重和激活函数的数据库（110），其中神经网络经训练以输出NeQuick模型的输出的近似，其中处理设备（106）被配置成：向从GNSS信号生成的多个输入应用用于神经网络的多个权重和激活函数；基于神经网络的输出来估计电离层延迟的指示；以及输出电离层延迟的指示。

【技术特征摘要】
2016.07.20 US 15/2152881.一种全球导航卫星系统（GNSS）系统，包括：被配置成从一个或多个GNSS卫星接收全球导航卫星系统（GNSS）信号的天线（102）；耦合到天线（102）的信号处理电路（104），其中信号处理电路（104）被配置成将GNSS信号从射频（RF）下变频成中频（IF）；以及耦合到存储器（108）的处理设备（106），其中存储器（108）包括用于神经网络的多个权重和激活函数的数据库（110），其中神经网络经训练以输出NeQuick模型的输出的近似，其中处理设备（106）被配置成：向从GNSS信号生成的多个输入应用用...

【专利技术属性】
技术研发人员：M奥雷哈斯，Z费德拉，J拉萨卡，
申请(专利权)人：霍尼韦尔国际公司，
类型：发明
国别省市：美国,US