一种对流层折射率高精度预测的地基增强系统技术方案

本发明专利技术提供了一种对流层折射率高精度预测的地基增强系统，包括地面基站和机载接收机，其中，地面基站包括地面采集设备、处理器和发射机，地面采集设备，用于采集多年的气象参数，并将采集的气象参数作为历史数据；处理器，用于调用历史数据，建立BP神经网络对折射率进行预测，发射机，用于将处理器预测的折射率向机载接收机发送。本发明专利技术针对不同的天气情形，分别进行对流层折射率预测，提高对流层折射率的预测精度。

【技术实现步骤摘要】
一种对流层折射率高精度预测的地基增强系统
本专利技术涉及卫星导航
，特别涉及一种对流层折射率高精度预测的地基增强系统。
技术介绍
全球卫星导航系统可以给用户提供全天候，全天时，实时，高精度的导航和定位服务。但在卫星导航定位中会有很多误差，例如：卫星钟差、卫星轨道误差、电离层误差、对流层误差，接收机钟差等，其中对流层误差最大会造成2到3m的定位误差。对流层是地球大气层靠近地面的部分，集中了约75％的大气质量和90％以上的水汽质量，对流层的厚度会随着纬度而不同，纬度高的地方大气层比较薄，纬度低的地方大气层比较厚。在对流层中会发生许多大气现象，例如降水，下雪，大风，雾等，这些天气现象会对信号的传播造成不利影响。在卫星向下发射信号时，经过对流层时由于大气中存在的水气等其它物质会造成信号的延迟，这种延迟与大气折射率有关而大气折射率与大气中的温度气压有关，大气折射率可以分为干大气折射率与湿大气折射率。地基增强系统(GBAS)是民航在近着陆过程中为飞机提供更精确服务的设备。在飞机着陆过程中，卫星导航系统并不能完全满足飞机对精度，完好性，可用性的需求，这时就需要GBAS提高导航的精度，完好性和可靠性。在GBAS修正定位误差的过程中，对流层误差是不可忽视的。而对流层误差与大气折射率又密不可分。然而，由于每个地方GBAS站的建立时间不同，获取到的气候数据量也不相同，对不同的气象数据量存在差异，不同的气象数据影响对大气折射率的预测，导致对流层折射率预测的精度较差。因此，为了解决现有技术中的问题，需要能够提高对流层折射率预测的一种对流层折射率高精度预测的地基增强系统。专利技术内容本专利技术的一个方面在于提供一种对流层折射率高精度预测的地基增强系统，所述系统包括地面基站和机载接收机，其中，所述地面基站包括地面采集设备、处理器和发射机，所述地面采集设备，用于采集多年的气象参数，并将采集的气象参数作为历史数据；所述处理器，用于调用历史数据，建立BP神经网络对折射率进行预测，所述发射机，用于将处理器预测的折射率向机载接收机发送；其中，所述处理器包括执行如下指令：a)从数据库中调用历史数据，获取气象参数；b)通过获取的气象气象参数计算折射率；c)建立BP神经网络，包括如下步骤：c1)将步骤b)中计算得到的折射率分为x组，每组间隔为其中，Nmax为计算得到的折射率的最大值，Nmin为计算得到的折射率的最小值；c2)按照步骤c1)的分组画出折射率出现频率的分布直方图，并计算出每组折射率的频率p1，p2…pp，根据每组折射率的频率对应的每组折射率的数据量，将折射率分为测试集和训练集；设置BP神经网络隐含层的层数，将每组折射率经输入层、隐含层和输出层向前传递；c3)计算每组折射率向前传输过程在BP神经网络中的误差，将所述误差分配到输出层、隐含层和输入层建立反向传递，对输出层和隐含层的权重进行修正；c4)重复步骤c1)至c3)，不断调整输出层和隐含层的权重的分配，完成BP神经网络初步建立；c5)选取测试集中的折射率，输入至初步建立BP神经网络中进行评估，若建立的BP神经网络满足预测结果，则完成BP神经网络建立，若建立的BP神经网络预测不能满足预测结果，则重复步骤c1)至c4)，重新建立BP神经网络；d)计算需要预测的气象参数的折射率，输入至建立的BP神经网络预测折射率。优选地，按照如下方法通过气象参数计算折射率：Ni＝Nw+Nd，其中，k1＝77.604，k2＝64.79，k3＝377600，e为水汽压(hpa)，P为大气压(Pa)，T为温度(K)，Nw为对流层湿延迟折射率，Nd为对流层干延迟折射率。Ni为对流层折射率。优选地，BP神经网络隐含层的层数按照如下方法计算：其中，l为隐含层的层数，n为输入层神经元的个数，m为输出层神经元的个数，a是[0，10]之间的数。优选地，每组折射率的频率对应的每组折射率的数据量满足如下关系：其中，pi为第i组折射率的频率，pj为第j组折射率的频率，ni为从第i组中选出的折射率数量，nj为从第j组中选出的折射率数量，pij为第i组折射率的频率与第j组折射率的频率之比。优选地，每组折射率经输入层、隐含层和输出层向前传递过程中，每组折射率输入输入层之前进行如下处理：其中，NP为每天的折射率与平均值的差值，Ni为每天的折射率，为折射率的平均值；在隐含层中第i个神经元输出满足：其中，a1i为隐含层中第i个神经元输出，w1ij为隐含层中第j个神经元输入与隐含层第i个神经元输出对应的权重；在输出层中第k个神经元输出满足：其中，w2ki为输出层第i个神经元输入与输出层第k个神经元输出对应的权重，a1i为隐含层中第i个神经元输出，a2k为输出层第k个输出，f1和f2分别为激活函数。优选地，每组折射率向前传输过程在BP神经网络中的误差通过如下方法计算：其中，NP为每天的折射率与平均值的差值，a2k为输出层第k个神经元输出，E1为预测的平方误差。优选地，每组折射率向前传输过程对BP神经网络中的误差进行加权：E(W，B)＝cmE1，其中，cm为权重，E1为预测的平方误差，E(W，B)为加权后的预测误差。优选地，反向传递中，按照如下方法对输出层和隐含层的权重进行修正：1)输出层权重修改值通过如下方法计算：其中，Δw2ki为输出层第i个神经元输入与输出层第k个神经元输出对应的权重修改值，a2k为输出层第k个神经元输出，w2ki为输出层第i个神经元输入与输出层第k个神经元输出对应的权重，E为加权后的预测误差，η为下降速率；2)隐含层权重修改值通过如下方法计算：其中，Δw1ij为隐含层第j个神经元输入与隐含层第i个神经元输出对应的权重修改值，a1i为隐含层中第i个神经元输出，a2k为输出层第k个神经元输出，w1ij为隐含层中第j个神经元输入与隐含层第i个神经元输出对应的权重，E为加权后的预测误差，η为下降速率。本专利技术的另一个方面在于提供一种对流层折射率高精度预测的地基增强系统，所述系统包括地面基站和机载接收机，其中，所述地面基站包括地面采集设备、处理器和发射机，所述地面采集设备，用于采集多年的气象参数，并将采集的气象参数作为历史数据；所述处理器，用于调用历史数据，建立BP神经网络对折射率进行预测，所述发射机，用于将处理器预测的折射率向机载接收机发送；其中，所述处理器包括执行如下指令：A)从数据库中调用历史数据，获取气象参数；B)通过获取的气象参数计算折射率；C)建立BP神经网络，包括如下步骤：C1)将步骤B)中计算得到的折射率分为x组，选取x-2组折射率交叉组合作为训练集，任选剩余的两组中的1组折射率作为测试集；设置BP神经网络隐含层的层数，将训练集中的每组折射率经输入层、隐含层和输出层向前传递；C2)计算每组折射率向前传输过程在BP神经网络中的误差，将所述误差分配到输出层、隐含层和输入层建立反向传递，对输出层和隐含层的权重进行修正；C3)重复步骤C1)至C2)，不断调整输出层和隐含层的权重的分配，完成BP神经网络初步建立；C4)选取的1组测试集的折射率，输入至初步建立BP神经网络中进行评估，若建立的BP神经网络满足预测结果，则完成BP神经网络建立，若建立的BP神经网络预测不能满足预测结果，则重复步骤C1)至C3)，重新建立BP本文档来自技高网...

【技术保护点】
1.一种对流层折射率高精度预测的地基增强系统，其特征在于，所述系统包括地面基站和机载接收机，其中，所述地面基站包括地面采集设备、处理器和发射机，所述地面采集设备，用于采集多年的气象参数，并将采集的气象参数作为历史数据；所述处理器，用于调用历史数据，建立BP神经网络对折射率进行预测，所述发射机，用于将处理器预测的折射率向机载接收机发送；其中，所述处理器包括执行如下指令：a)从数据库中调用历史数据，获取气象参数；b)通过获取的气象参数计算折射率；c)建立BP神经网络，包括如下步骤：c1)将步骤b)中计算得到的折射率分为x组，每组间隔为

【技术特征摘要】
1.一种对流层折射率高精度预测的地基增强系统，其特征在于，所述系统包括地面基站和机载接收机，其中，所述地面基站包括地面采集设备、处理器和发射机，所述地面采集设备，用于采集多年的气象参数，并将采集的气象参数作为历史数据；所述处理器，用于调用历史数据，建立BP神经网络对折射率进行预测，所述发射机，用于将处理器预测的折射率向机载接收机发送；其中，所述处理器包括执行如下指令：a)从数据库中调用历史数据，获取气象参数；b)通过获取的气象参数计算折射率；c)建立BP神经网络，包括如下步骤：c1)将步骤b)中计算得到的折射率分为x组，每组间隔为其中，Nmax为计算得到的折射率的最大值，Nmin为计算得到的折射率的最小值；c2)按照步骤c1)的分组画出折射率出现频率的分布直方图，并计算出每组折射率的频率p1，p2…pp，根据每组折射率的频率对应的每组折射率的数据量，将折射率分为测试集和训练集；设置BP神经网络隐含层的层数，将每组折射率经输入层、隐含层和输出层向前传递；C3)计算每组折射率向前传输过程在BP神经网络中的误差，将所述误差分配到输出层、隐含层和输入层建立反向传递，对输出层和隐含层的权重进行修正；C4)重复步骤c1)至c3)，不断调整输出层和隐含层的权重的分配，完成BP神经网络初步建立；C5)选取测试集中的折射率，输入至初步建立BP神经网络中进行评估，若建立的BP神经网络满足预测结果，则完成BP神经网络建立，若建立的BP神经网络预测不能满足预测结果，则重复步骤c1)至c4)，重新建立BP神经网络；d)计算需要预测的气象参数的折射率，输入至建立的BP神经网络预测折射率。2.根据权利要求1所述的系统，其特征在于，按照如下方法通过气象参数计算折射率：Ni＝Nw+Nd，其中，k1＝77.604，k2＝64.79，k3＝377600，e为水汽压(hpa)，P为大气压(Pa)，T为温度(K)，Nw为对流层湿延迟折射率，Nd为对流层干延迟折射率。Ni为对流层折射率。3.根据权利要求所述的系统，其特征在于，BP神经网络隐含层的层数按照如下方法计算：其中，I为隐含层的层数，n为输入层神经元的个数，m为输出层神经元的个数，a是[0，10]之间的数。4.根据权利要求1所述的系统，其特征在于，每组折射率的频率对应的每组折射率的数据量满足如下关系：其中，pi为第i组折射率的频率，pj为第j组折射率的频率，ni为从第i组中选出的折射率数量，nj为从第j组中选出的折射率数量，pij为第i组折射率的频率与第j组折射率的频率之比。5.根据权利要求所述的系统，其特征在于，每组折射率经输入层、隐含层和输出层向前传递过程中，每组折射率输入输入层之前进行如下处理：其中，NP为每天的折射率与平均值的差值，Ni为每天的折射率，为折射率的平均值；在隐含层中第i个神经元输出满足：其中，a1i为隐含层中第i个神经元输出，wij为隐含层中第j个神经元输入与隐含层第i个神经元输出对应的权重；在输出层中第k个神经元输出满足：其中，w2ki为输出层第i个神经元输入与输出层第k个神经元输出对应的权重，a1i为隐含层中第i个神经元输出，a2k为输出层第k个输出，f1和f2分别为激活函数。6.根据权利要1所述的系统，其特征在于，每组折射率向前传输过程在BP神经网络中的误差通过如下方法计算：其中，NP为每天的折射率与平均值的差值，a2k为输出层第k个神经元输出，E1为预测的平方误差。7.根据权利要1或6所述的系统，其特征在于，每组折射率向前传输...

【专利技术属性】
技术研发人员：王志鹏，朱衍波，庄园园，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11