一种北斗导航服务定位性能智能预测方法及装置制造方法及图纸

本发明专利技术公开了一种北斗导航服务定位性能智能预测方法及装置，所述方法包括从预设数据库中采样定位性能数据，得到初始数据序列；对所述初始数据序列进行处理，得到训练数据序列；利用所述训练数据序列，对预设的长短期记忆网络进行训练，得到目标长短期记忆网络；将所述训练数据序列输入所述目标长短期记忆网络进行处理，得到定位性能预测信息。利用该方法可对北斗系统导航服务定位性能结果进行高精度预报分析，有利于对全球服务区域内各监测地区的定位结果进行数字化分析管理。提高北斗系统定位性能的智能化预报能力。系统定位性能的智能化预报能力。系统定位性能的智能化预报能力。

【技术实现步骤摘要】
一种北斗导航服务定位性能智能预测方法及装置


[0001]本专利技术属于卫星导航智能运维领域，具体涉及一种北斗导航服务定位性能智能预测方法及装置。

技术介绍

[0002]北斗卫星导航系统已经向中国及周边地区提供星基增强和精密单点定位等服务，由于不同地区的导航定位服务受到空间与地理环境差异的影响，存在其特有的地域属性与空间特性，而在太空卫星星座与空间信号传输性能已基本完善的情况下，掌握全球各区域导航定位服务结果的具体地区表现特性，将是未来北斗系统长期精稳运行与性能提升的关键增长点，运用智能化数据处理手段提前进行系统状态预测和故障预警的需求将逐渐凸显。
[0003]目前，尚未建立有效的北斗卫星导航系统服务定位性能预测方法，急需通过北斗全球卫星导航系统积累的长期稳定运行服务数据，对北斗卫星导航服务定位性能进行分析与建模预测，进而建立一个适用于全球各区域的北斗导航卫星定位服务智能化预报模型，提升不同区域的北斗系统服务状态常态化监测和故障预警能力。

技术实现思路

[0004]针对目前北斗全球卫星导航系统缺少定位性能预测方法的现实问题，本专利技术的目的在于提供一种北斗导航服务定位性能智能预测方法及装置，利用已记录的长期稳定的定位数据序列，对长短期记忆网络进行训练，利用训练后的目标长短期记忆网络完成导航服务定位性能结果的预报。
[0005]为了解决上述技术问题，本专利技术实施例第一方面公开了一种北斗导航服务定位性能智能预测方法，所述方法包括：
[0006]S1.从预设数据库中采样定位性能数据，得到初始数据序列；
[0007]S2.对所述初始数据序列进行处理，得到训练数据序列；
[0008]S3.利用所述训练数据序列，对预设的长短期记忆网络进行训练，得到目标长短期记忆网络；
[0009]S4.将所述训练数据序列输入所述目标长短期记忆网络进行处理，得到定位性能预测信息。
[0010]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述从预设数据库中采样定位性能数据，得到初始数据序列，包括：
[0011]S11.根据定位性能预测目标时长T
F
，计算采样开始时刻T
a
；
[0012]所述T
a
＝T0‑
d
×
T
F
；
[0013]式中，T0表示预设数据库存储的最新数据时间；d表示预设的训练序列与预测序列的比值，T
F
表示定位性能预测目标时长；
[0014]S12.从预设数据库对定位性能类型为P的数据进行采样，采样自T
a
时刻开始，采样
步长为τ，得到初始数据序列；所述采样步长与定位性能预测目标步长相同。
[0015]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述对所述初始数据序列进行处理，得到训练数据序列，包括：
[0016]S21.采用3倍均方差剔除方法，对所述初始数据序列中的异常值进行剔除，得到第一数据序列；所述异常值包括零值和野值；
[0017]所述零值表示为零的数据；所述野值表示超出预设阈值的数据；
[0018]S22.采用绝对离差中位数法，对所述第一数据序列中的离群值进行剔除，得到第二数据序列；
[0019]S23.采用二阶多项式拟合插值方法，拟合长度为60，对所述第二数据序列中的缺失值进行填充，得到训练数据序列；
[0020]所述训练数据序列表示为x＝(x1，x2，x3，
…
，x
N
)，其中x
i
表示第i个时刻的定位性能，所述i∈(1，2，
…
，N)；
[0021]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述采用3倍均方差剔除方法，对所述初始数据序列中的异常值进行剔除，得到第一数据序列，包括：
[0022]S211.计算所述初始数据序列中所有数据的均方差σ，其中所述数据不包含数据序列中的零值；
[0023]S212.计算所述初始数据序列中所有数据的平均值
[0024]S213.遍历所述初始数据序列中所有数据，计算每个数据与平均值的差值，得到绝对偏差值序列y
i
；
[0025][0026]S214.如果该差值y
i
的绝对值大于3倍的均方差，则把该时间点上的定位性能数据剔除，填充为零值，得到第一数据序列。
[0027]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述采用绝对离差中位数法，对所述第一数据序列中的离群值进行剔除，得到第二数据序列，包括：
[0028]S221.计算所述第一数据序列中所有数据的中位数，得到中位数；
[0029]S222.遍历所述第一数据序列中所有数据，计算每个数据与所述中位数的绝对偏差值，得到绝对偏差值序列；
[0030]S223.计算所述绝对偏差值序列中所有绝对偏差值的中位数，得到绝对偏差值中位数；
[0031]S224.基于所述绝对偏差值序列和所述绝对偏差值中位数，利用偏离中心距离计算公式，计算所述第一数据序列中每个定位数据的偏离中心距离值，得到偏离中心距离序列；所述偏离中心距离计算公式为：
[0032][0033]式中，y
i
表示第一数据序列中第i个定位数据，f(y
i
)表示y
i
偏离中心距离值，abs(
·
)表示求绝对值，Y
a
表示定位结果中位数，Y
mad
表示绝对偏差值的中位数；
[0034]S225.依据所述偏离中心距离序列，遍历所述第一数据序列，将对应的偏离中心距
离值大于C的定位数据，从所述第一数据序列中剔除，得到第二数据序列；所述C取值不小于1.4826。
[0035]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述预设的长短期记忆网络包括遗忘门，输入门，隐藏层,输出门，状态值；
[0036]所述预设的长短期记忆网络的权重系数向量包括遗忘门权重系数向量(W
xf
，W
hf
，W
cf
)、输入门权重系数向量(W
xi
，W
hi
，W
ci
)、状态值权重系数向量(W
xc
，W
hc
)；式中，下标x，f，i，h，o，c分别表示输入数据，遗忘门，输入门，隐藏层，输出门，状态值；
[0037]所述预设的长短期记忆网络的偏置向量为B；
[0038]所述B表示为：
[0039]B＝(b
o
，b
i
，b
f
，b
c
)；
[0040]式中，下标o，i，f，c对应的偏置值分别表示输出门，输入门，遗忘门，状态值的偏置值。
[0041]作为一种可选的实施方式，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种北斗导航服务定位性能智能预测方法，其特征在于，所述方法包括：S1.从预设数据库中采样定位性能数据，得到初始数据序列；S2.对所述初始数据序列进行处理，得到训练数据序列；S3.利用所述训练数据序列，对预设的长短期记忆网络进行训练，得到目标长短期记忆网络；S4.将所述训练数据序列输入所述目标长短期记忆网络进行处理，得到定位性能预测信息。2.根据权利要求1所述的北斗导航服务定位性能智能预测方法，其特征在于，所述从预设数据库中采样定位性能数据，得到初始数据序列，包括：S11.根据定位性能预测目标时长T
F
，计算采样开始时刻T
a
；所述T
a
＝T0‑
d
×
T
F
；式中，T0表示预设数据库存储的最新数据时间；d表示预设的训练序列与预测序列的比值，T
F
表示定位性能预测目标时长；S12.从预设数据库对定位性能类型为P的数据进行采样，采样自T
a
时刻开始，采样步长为τ，得到初始数据序列；所述采样步长与定位性能预测目标步长相同。3.根据权利要求1所述的北斗导航服务定位性能预测方法，其特征在于，所述对所述初始数据序列进行处理，得到训练数据序列，包括：S21.采用3倍均方差剔除方法，对所述初始数据序列中的异常值进行剔除，得到第一数据序列；所述异常值包括零值和野值；S22.采用绝对离差中位数法，对所述第一数据序列中的离群值进行剔除，得到第二数据序列；S23.采用二阶多项式拟合插值方法，拟合长度为60，对所述第二数据序列中的缺失值进行填充，得到训练数据序列。4.根据权利要求3所述的北斗导航服务定位性能智能预测方法，其特征在于，所述采用绝对离差中位数法，对所述第一数据序列中的离群值进行剔除，得到第二数据序列，包括：S221.计算所述第一数据序列中所有数据的中位数，得到中位数；S222.遍历所述第一数据序列中所有数据，计算每个数据与所述中位数的绝对偏差值，得到绝对偏差值序列；S223.计算所述绝对偏差值序列中所有绝对偏差值的中位数，得到绝对偏差值中位数；S224.基于所述绝对偏差值序列和所述绝对偏差值中位数，利用偏离中心距离计算公式，计算所述第一数据序列中每个定位数据的偏离中心距离值，得到偏离中心距离序列；所述偏离中心距离计算公式为：式中，y
i
表示第一数据序列中第i个定位数据，f(y
i
)表示y
i
偏离中心距离值，abs(
·
)表示求绝对值，Y
a
表示定位结果中位数，Y
mad
表示绝对偏差值的中位数；S225.依据所述偏离中心距离序列，遍历所述第一数据序列，将对应的偏离中心距离值大于C的定位数据，从所述第一数据序列中剔除，得到第二数据序列；所述C取值不小于
1.4826。5.根据权利要求1所述的北斗导航服务定位性能智能预测方法，其特征在于，所述预设的长短期记忆网络包括遗忘门，输入门，隐藏层,输出门，状态值；所述预设的长短期记忆网络的权重系数向量包括遗忘门权重系数向量(W
xf
，W
hf
，W
cf
)、输入门权重系数向量(W
xi
，W
hi
，W
ci
)、状态值权重系数向量(W
xc
，W
hc
)；式中，下标x，f，i，h，o，c分别表示输入数据，遗忘门，输入门，隐藏层，输出门，状态值；所述预设的长短期记忆网络的偏置向量为B；所述B表示为：B＝(b
o
，b
i
，b
f
，b
c
)；式中，下标o，i，f，c对应的偏置值分别表示输出门，输入门，遗忘门，状态值的偏置值。6.根据权利要求5所述的北斗导航服务定位性能智能预测方法，其特征在于，所述利用所述训练数据序列，对预设的长短期记忆网络进行训练，得到目标长短期记忆网络，包括：利用所述训练数据序列，对预设的长短期记忆网络进行正向处理，得到输出值；根据所述...

【专利技术属性】
技术研发人员：郭睿，赵金贤，刘帅，陈建兵，李晓杰，郭靖蕾，辛洁，唐成盼，赵志远，李松林，任晖，唐晓宁，
申请(专利权)人：中国人民解放军三二零二一部队，
类型：发明
国别省市：