卫星定位信号强度预测方法和装置制造方法及图纸

本申请实施例公开了一种卫星定位信号强度预测方法和装置，通过获取待预测区域的位置信息；使用训练好的卫星定位信号强度预测模型预测位置信息对应的卫星定位信号强度预测值，然后，选取卫星定位信号预测值满足预设条件的位置点作为无人机起飞点或降落点，以确保选取的起飞点或降落点的合适性。这样，避免了无人机野外作业时依靠人工选取无人机起飞点或降落点耗费大量时间的问题，同时，还通过选取合适的起飞点或降落点提高了无人机起飞或降落的安全性和稳定性，确保无人机起飞或降落的安全性和稳定性。

Methods and devices for predicting the strength of satellite positioning signals

【技术实现步骤摘要】
卫星定位信号强度预测方法和装置
本申请属于机器学习
，尤其涉及一种卫星定位信号强度预测方法和装置。
技术介绍
在无人机自主飞行的场景中，选取合适的起飞点或降落点是一个至关重要的条件。目前，无人机起飞点的选取主要依靠人工搬运无人机，通过无人机的自检程序检查出所到位置点的卫星信号强度，当所到位置点的卫星信号强度满足条件时，则将该位置点作为起飞点。而无人机降落点的选取也是主要通过人工肉眼观察的方式选取适合降落的点，例如，选择区域内的空地作为降落点。另外，主要通过人工选取的无人机起飞点或降落点可能并不是合适的起飞点或降落点。选取的起飞点或降落点如果不合适，会影响无人机起飞或降落的安全性和稳定性。例如，人工选取降落点时，直接将空地作为降落点，该空地作为降落点可能存在降落过程不稳定的情况，如导致实际降落点与选取的降落点存在较大偏差，从而影响无人机降落的稳定性和安全性。综上，目前无人机起飞点或降落点的选取方式，需要耗费大量时间。另外，所选取的起飞点或降落点不一定是合适的位置点，导致无人机起飞或降落时仍然存在不稳定和安全性不高的问本文档来自技高网...

【技术保护点】
1.一种卫星定位信号强度预测方法，其特征在于，包括：/n获取待预测区域的位置信息；/n使用训练好的卫星定位信号强度预测模型预测所述位置信息对应的卫星定位信号强度预测值。/n

【技术特征摘要】
1.一种卫星定位信号强度预测方法，其特征在于，包括：
获取待预测区域的位置信息；
使用训练好的卫星定位信号强度预测模型预测所述位置信息对应的卫星定位信号强度预测值。


2.如权利要求1所述的卫星定位信号强度预测方法，其特征在于，在得到所述位置信息对应的卫星定位信号强度预测值之后，还包括：
选取所述卫星定位信号强度预测值满足预设条件的位置点作为无人机的起飞点或降落点。


3.如权利要求2所述的卫星定位信号强度预测方法，其特征在于，所述卫星定位信号强度预测值满足预设条件，包括：
所述卫星定位信号强度预测值大于或等于预设阈值；
和/或
所述卫星定位信号强度预测值最大。


4.如权利要求1所述的卫星定位信号强度预测方法，其特征在于，所述卫星定位信号强度预测模型为PSO-GPR模型，所述PSO-GPR模型为PSO-pPITC模型、PSO-pPIC模型或PSO-pICF模型。


5.如权利要求1所述的卫星定位信号强度预测方法，其特征在于，所述使用训练好的卫星定位信号强度预测模型预测所述位置信息对应的卫星定位信号强度预测值，包括：
将所述位置信息输入至训练好的所述卫星定位信号强度预测模型，获得所述卫星定位信号强度预测模型输出的方差；
根据所述方差选取预测点；
将所述预测点的位置信息输入至所述卫星定位信号强度预测模型，获得所述卫星定位信号强度预测模型输出的所述预测点的卫星定位信号强度预测值。


6.如权利要求1至5任一项所述的卫星定位信号强度预测方法，其特征在于，所述卫星定位信号强度预测模型的训练过程包括：
获取训练数据，所述训练数据包括目标区域的位置信息和对应的卫星定位信号强度数据；
使用所述训练数据训练预先构建的卫星定位信号强度预测模型，以得到训练好的卫星定位信号强度预测模型和最优超参数。


7.如权利要求6所述的卫星定位信号强度预测方法，其特征在于，所述卫星定位信号强度预测模型为PSO-GPR模型；所述训练数据包括训练样本和测试样本；
使用所述训练数据训练预先构建的卫星定位信号强度预测模型，以得到训练好的卫星定位信号强度预测模型和最优超参数，包括：
初始化步骤：初始化所述PSO-GPR模型的粒子群参数；
强度预测步骤：基于所述PSO-GPR模型，根据初始化后的粒子群参数、所述测试样本和所述训练样本，计算所述测试样本的卫星定位信号强度预测值；
适应度计算步骤：根据所述测试样本的卫星定位信号强度预测值和卫星定位信号强度实测值，计算每个粒子的适应度值；
适应度评价步骤：将每个粒子的所述适应度值与历史最佳适应度值比较，确定每个粒子的当代最佳适应度值，并根据每个粒子的所述当代最佳适应度值和全局粒子的最佳适应度值，获得当代全局最佳适应度值；
判断步骤：判断是否达到最大迭代次数；若否，更新粒子群所有粒子的位置和速度，产生新的粒子群超参数后，返回上述强度预测步骤、适应度计算步骤、适应度评价步骤和判断步骤；若是，根据所述当代全局最佳适应度值获得最优超参数，并得到训练好的卫星定位信号强度预测模型。


8.如权利要求7所述的卫星定位信号强度预测方法，其特征在于，所述基于所述PSO-GPR模型，根据初始化后的粒子群参数、所述测试样本和所述训练样本，计算所述测试样本的卫星定位信号强度预测值，包括：
将所述训练样本划分为多份训练子样本，并为每一个节点分配一份所述训练子样本；其中，训练子样本数量和节点数量相等；
对所述测试样本使用贪心算法，得到支持集，所述支持集包括位置信息；
基于所述PSO-GPR模型，根据所述训练子样本、所述支持集和所述初始化后的粒子群参数，通...

【专利技术属性】
技术研发人员：陈杰，李坚强，陈壮壮，曾崛，王云飞，
申请(专利权)人：深圳中科保泰科技有限公司，
类型：发明
国别省市：广东;44