一种VHF信号传播路径误差预测方法及系统技术方案

本发明专利技术提供一种VHF信号传播路径误差预测方法及系统。方法包括：获取用于神经网络训练的相关数据集；由相关数据集提取第一样本集训练所述BP神经网络；基于混沌策略的PSO算法对BP神经网络的网络权值和阈值进行优化，得到最优的BP神经网络；将所述第一样本集输入SDAE重构后训练LSTM；将训练好的BP神经网络和LSTM神经网络作为基模型组合构建元模型，并对所述元模型进行集成学习，基于训练好的元模型对VHF信号传播路径误差进行预测。本发明专利技术能够有效地在复杂海面环境下预测VHF信号传播路径误差，为提高陆基导航系统定位精度提供了实验基础。为提高陆基导航系统定位精度提供了实验基础。为提高陆基导航系统定位精度提供了实验基础。

A prediction method and system of VHF signal propagation path error

【技术实现步骤摘要】
一种VHF信号传播路径误差预测方法及系统


[0001]本专利技术涉及信号传播
，具体而言，尤其涉及一种VHF信号传播路径误差预测方法及系统。

技术介绍

[0002]GNSS(Global Navigation Satellite System，全球卫星导航系统)具有天然的脆弱性，一旦GNSS失效，船载设备无法正确获取定位信息，势必严重威胁航行安全。因此应研究一种独立于天基导航卫星系统的陆基导航系统。陆基导航系统的定位误差主要来源于三个方面：参考台发射系统、信号传播路径和接收系统。
[0003]AIS(Automatic Identification System，船舶自动识别系统)是IMO的SOLAS公约强制船舶装备的陆基导航系统，AIS信号属于VHF(Very High Frequency,甚高频)频段。陆基导航系统获取定位信息所依据的几何原理是对定位几何参量TOA(Time of Arrival，到达时间)和TDOA(Time Difference of Arrival，到达时间差)的测量。由于AIS的本质是通信系统，目前对于AIS信号的TOA和TDOA的测量研究可参考的成果较少，现有成果主要采用的是二次相位实时修正技术，该技术是建立二次相位实时修正平台，通过差分技术获取二次相位实时修正值并经AIS岸站广播给该区域的AIS接收机进行定位误差实时修正。但该技术在实际应用时存在一定的局限性，比如实时修正技术是对传播路径误差修正量的定时定点测量，仅可用于与测量点具有时空相关性的海域，应用范围有限并且无法用在没有实时修正信号覆盖的海域，实现实时修正技术还需耗费工程代价。

技术实现思路

[0004]根据上述提出的VHF信号传播路径误差修正方法受时空局限的技术问题，而提供一种VHF信号传播路径误差预测方法及系统。本专利技术根据海上气象信息相关数据和海上VHF信号二次相位实测值特征，利用深度学习理论中集成学习法结合两种改进的神经网络模型，提出一种准确预测处理VHF信号传播路径误差的新方法以减小VHF信号测距误差，提高陆基导航系统定位精度。
[0005]本专利技术采用的技术手段如下：
[0006]一种VHF信号传播路径误差预测方法，包括：
[0007]获取用于神经网络训练的相关数据集，所述相关数据集包括气象信息数据和VHF信号传播路径误差修正数据，所述VHF信号传播路径误差修正数据与所述气象数据相对应，且由二次相位实时修正平台在同一时间同一海域测得；
[0008]由相关数据集提取第一样本集训练所述BP神经网络，所述BP神经网络采用单隐含层的三层结构，其中气象数据作为BP神经网络的输入数据，将VHF信号传播路径误差修正数据作为BP神经网络的输出数据；基于混沌策略的PSO算法对BP神经网络的网络权值和阈值进行优化，得到最优的BP神经网络；
[0009]同时，将所述第一样本集输入SDAE重构后训练LSTM网络，将所述SDAE提取的特征
数据作为训练样本集训练LSTM网络，其中气象数据作为SDAE的输入数据，SDAE输出数据作为LSTM网络的输入数据，将VHF信号传播路径误差修正数据作为LSTM网络的输出数据；
[0010]将训练好的BP神经网络和LSTM网络作为基模型组合构建元模型，并对所述元模型进行集成学习，基于训练好的元模型对VHF信号传播路径误差进行预测。
[0011]进一步地，将训练好的BP神经网络和LSTM网络作为基模型组合构建元模型，并对所述元模型进行集成学习，包括：
[0012]由相关数据集提取第二样本集；获取基模型针对第二样本集的预测结果，将得到的不同预测结果进行拼接为新的训练数据，基于所述新的训练数据训练元模型；
[0013]由相关数据集提取第三样本集；获取基模型针对第三样本集的预测结果作为元模型的输入数据预测VHF信号传播路径误差，得到的预测结果与第三样本集中的VHF信号传播路径误差修正数据之间的差值则为代价函数，所述元模型为全连接的多元线性回归结构。
[0014]进一步地，所述BP神经网络的激励函数为ReLU函数。
[0015]进一步地，所述BP神经网络的隐含层节点数目根据以下方式确定：
[0016][0017]其中，l为隐含层节点个数n为输入层节点个数，m为输出层节点个数，a为[1,10]之间的整数。
[0018]进一步地，所述气象数据包括海水温度、气温、气压、湿度和风速数据。
[0019]本专利技术还公开了一种VHF信号传播路径误差预测系统，包括：
[0020]相关数据集组合模块，其用于获取用于神经网络训练的相关数据集，所述相关数据集包括气象信息数据和VHF信号传播路径误差修正数据，所述VHF信号传播路径误差修正数据与所述气象数据相对应，且由二次相位实时修正平台在同一时间同一海域测得；
[0021]BP神经网络模块，其用于由相关数据集提取第一样本集训练所述BP神经网络，所述BP神经网络采用单隐含层的三层结构，其中气象数据作为BP神经网络的输入数据，将VHF信号传播路径误差修正数据作为BP神经网络的输出数据；
[0022]神经网络优化模块，其用于基于混沌策略的PSO算法对BP神经网络的网络权值和阈值进行优化，得到最优的BP神经网络；
[0023]SDAE特征提取模块，其用于对第一样本集数据进行重构，并将重构的数据输入长短期记忆网络；
[0024]LSTM网络训练模块，其用于将所述SDAE提取的特征数据作为训练样本集训练LSTM网络，其中气象数据作为SDAE的输入数据，SDAE输出数据作为LSTM网络的输入数据，将VHF信号传播路径误差修正数据作为LSTM网络的输出数据；
[0025]集成学习模块，其用于将训练好的BP神经网络和LSTM网络作为基模型组合构建元模型，并对所述元模型进行集成学习，基于训练好的元模型对VHF信号传播路径误差进行预测。
[0026]较现有技术相比，本专利技术具有以下优点：
[0027]本专利技术主要针对由信号传播路径引起的传播时延误差对陆基导航系统定位精度的影响，根据海上气象信息相关数据和海上VHF信号二次相位实测值特征，利用深度学习理论中集成学习法结合两种改进的神经网络模型，提出一种准确预测处理VHF信号传播路径误差的新方法以减小VHF信号测距误差，提高陆基导航系统定位精度。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0029]图1为本专利技术VHF信号传播路径误差预测方法流程图。
[0030]图2为本专利技术BP神经网络结构示意图。
[0031]图3为本专利技术基于混沌策略的PSO算法流程图。
[0032]图4为本专利技术SDAE特征提取模型。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种VHF信号传播路径误差预测方法，其特征在于，包括：获取用于神经网络训练的相关数据集，所述相关数据集包括气象信息数据和VHF信号传播路径误差修正数据，所述VHF信号传播路径误差修正数据与所述气象数据相对应，且由二次相位实时修正平台在同一时间同一海域测得；由相关数据集提取第一样本集训练所述BP神经网络，所述BP神经网络采用单隐含层的三层结构，其中气象数据作为BP神经网络的输入数据，将VHF信号传播路径误差修正数据作为BP神经网络的输出数据；基于混沌策略的PSO算法对BP神经网络的网络权值和阈值进行优化，得到最优的BP神经网络；同时，将所述第一样本集输入SDAE重构后训练LSTM网络，将所述SDAE提取的特征数据作为训练样本集训练LSTM网络，其中气象数据作为SDAE的输入数据，SDAE输出数据作为LSTM网络的输入数据，将VHF信号传播路径误差修正数据作为LSTM网络的输出数据；将训练好的BP神经网络和LSTM网络作为基模型组合构建元模型，并对所述元模型进行集成学习，基于训练好的元模型对VHF信号传播路径误差进行预测。2.根据权利要求1所述的一种VHF信号传播路径误差预测方法，其特征在于，将训练好的BP神经网络和LSTM网络作为基模型组合构建元模型，并对所述元模型进行集成学习，包括：由相关数据集提取第二样本集；获取基模型针对第二样本集的预测结果，将得到的不同预测结果进行拼接为新的训练数据，基于所述新的训练数据训练元模型；由相关数据集提取第三样本集；获取基模型针对第三样本集的预测结果作为元模型的输入数据预测VHF信号传播路径误差，得到的预测结果与第三样本集中的VHF信号传播路径误差修正数据之间的差值则为代价函数，所述元模型为全连接的多元线性回归结构。3.根据权利要求1所述的一种VHF信号传播路径...

【专利技术属性】
技术研发人员：王晓烨，胡青，张晶泊，孙晓文，怀率恒，姜毅，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：