GNSS定位方法及装置、设备、存储介质制造方法及图纸

本申请实施例公开了一种GNSS定位方法及装置、设备、存储介质，包括：获取接收设备接收到的待测卫星的第一观测数据；对第一观测数据进行解析，得到第一样本数据集，第一样本数据集包括待测卫星的状态值、在不同频段下的伪距观测值、载噪比、载波相位、伪距残差、信号质量情况以及定位解状态中的一种或多种；根据第一样本数据集和预先训练好的坐标修正模型，得到修正后的定位坐标，坐标修正模型为将注意力机制模块融合至卷积神经网络中得到的网络模型。这样，能够修正定位误差，提高定位精度。提高定位精度。提高定位精度。

【技术实现步骤摘要】
GNSS定位方法及装置、设备、存储介质


[0001]本申请实施例涉及计算机技术，涉及但不限于一种GNSS定位方法及装置、设备、存储介质。

技术介绍

[0002]随着科技的快速发展，全球卫星导航系统(Global Navigation SatelliteSystem，GNSS)以其具有全天候、高精度等优点，已广泛应用于测量、导航、地质灾害监测等众多领域。且其具有的定位功能在手机、智能穿戴、智慧物流、共享单车、定位器等应用方面也得到了普及，成为市场产品中必备的一个功能。
[0003]其中，在GNSS接收设备进行定位时，一般会利用获取到的每颗卫星的观测数据，估算卫星与接收设备之间的距离，并基于每颗卫星在空间中的位置坐标，通过定位算法确定出接收设备的位置信息。
[0004]在上述定位过程中，即使采用修正算法对定位过程中的误差进行修正，仍会存在一定量的误差，因此需要新的修正定位的技术手段，来对定位误差进行修正，以提高定位准确度。

技术实现思路

[0005]有鉴于此，本申请实施例提供的GNSS定位方法及装置、设备、存储介质，能够修正定位误差，提高定位精度。本申请实施例提供的GNSS定位方法及装置、设备、存储介质是这样实现的：
[0006]本申请实施例提供的GNSS定位方法，包括：
[0007]获取接收设备接收到的待测卫星的第一观测数据；
[0008]对所述第一观测数据进行解析，得到第一样本数据集，所述第一样本数据集包括所述待测卫星的状态值、在不同频段下的伪距观测值、载噪比、载波相位、伪距残差、信号质量情况以及定位解状态中的一种或多种；
[0009]根据第一样本数据集和预先训练好的坐标修正模型，得到修正后的定位坐标，坐标修正模型为将注意力机制模块融合至卷积神经网络中得到的网络模型。
[0010]在一些实施例中，坐标修正模型包括特征提取网络、注意力机制模块和融合模块，所述根据所述第一样本数据集和预先训练好的坐标修正模型，得到修正后的定位坐标，包括：
[0011]通过所述坐标修正模型中的特征提取网络对所述第一样本数据集进行特征提取处理，得到多级局部特征矩阵；
[0012]通过所述坐标修正模型中的注意力机制模块对所述第一样本数据集进行特征提取处理，得到全局上下文特征矩阵；
[0013]通过所述坐标修正模型中的融合模块对所述多级局部特征矩阵和所述全局上下文特征矩阵进行融合处理，生成所述修正后的定位坐标。
[0014]在一些实施例中，坐标修正模型包括N个层级结构，N>0，所述通过所述坐标修正模型中的融合模块对所述多级局部特征矩阵和所述全局上下文特征矩阵进行融合处理，生成所述修正后的定位坐标，包括：
[0015]将经由所述特征提取网络中提取得到的第i层局部特征矩阵，与经由融合模块得到的第i
‑
1层融合特征矩阵进行融合处理，得到第i层中间特征矩阵，0<i≤N；
[0016]根据所述第i层中间特征矩阵和经由注意力机制模块提取得到的第i层全局上下文特征矩阵，得到第i层目标特征矩阵；
[0017]循环执行上述步骤，直至得到每一层级对应的目标特征矩阵；
[0018]根据所述每一层级对应的目标特征矩阵，生成所述修正后的定位坐标。
[0019]在一些实施例中，根据所述第i层中间特征矩阵和经由注意力机制模块提取得到的第i层全局上下文特征矩阵，得到第i层目标特征矩阵，包括：
[0020]通过所述注意力机制模块提取得到第i层的自注意力权重矩阵和自注意力加权特征矩阵；
[0021]将所述第i层中间特征矩阵与经由注意力机制模块提取得到的第i层全局上下文特征矩阵进行融合处理，得到第i层候选特征矩阵；
[0022]将所述候选特征矩阵、所述自注意力权重矩阵和所述自注意力加权特征矩阵进行融合处理，得到所述第i层目标特征矩阵。
[0023]在一些实施例中，特征提取网络包括N个残差块，每一残差块中包含有卷积模块，所述通过所述坐标修正模型中的特征提取网络对所述第一样本数据集进行特征提取处理，得到多级局部特征矩阵，包括：
[0024]通过第i个残差块中的卷积模块，对所述第一样本数据集进行特征提取处理，得到当前残差块对应的第一局部特征矩阵；
[0025]将所述第i个残差块对应的第一局部特征矩阵和经由第i个残差块对所述第一局部特征矩阵进行映射处理得到的映射特征矩阵进行融合处理，得到中间特征矩阵，并将所述中间特征矩阵输入至第i+1个残差块中，以通过所述第i+1个残差块中的卷积模块对所述中间特征矩阵进行特征提取处理，得到所述第i+1个残差块对应的第二局部特征矩阵；
[0026]循环执行上述步骤，直至得到第N个残差块对应的局部特征矩阵；
[0027]综合每一残差块对应的局部特征矩阵，得到所述多级局部特征。
[0028]在一些实施例中，残差块包括卷积层、归一化层、激活函数和残差单元。
[0029]在一些实施例中，特征提取网络为深度残差网络ResNet，所述注意力机制模块为基于移动窗口的注意力机制模块Swin Transformer模型。
[0030]在一些实施例中，所述深度残差网络ResNet和所述融合模块中采用ReLU激活函数，所述Swin Transformer模型中采用GELU非线性激活函数。
[0031]在一些实施例中，坐标修正模型的训练过程包括：
[0032]获取接收设备接收到的多个测试卫星的第二观测数据；
[0033]对所述第二观测数据进行解析处理，得到第二样本数据集，所述第二样本数据集包括各所述测试卫星的状态值、在不同频段下的伪距观测值、载噪比、载波相位、伪距残差、信号质量情况以及定位解状态中的一种或多种；
[0034]根据所述第二样本数据集，对预先构建好的神经网络模型进行训练，得到对所述
接收设备的预测修正坐标；
[0035]将所述预测修正坐标与训练目标进行求差处理，得到差值结果；
[0036]在所述差值结果大于第一阈值的情况下，更新所述神经网络模型的权重参数，并重新将所述第二样本数据集输入至更新后的所述神经网络模型中，直至得到的差值结果小于第一阈值，或直至达到目标迭代次数时，将当前次得到的神经网络模型作为所述坐标修正模型。
[0037]本申请实施例提供的GNSS定位装置，包括：
[0038]获取模块，用于获取接收设备接收到的待测卫星的第一观测数据；
[0039]解析模块，用于对第一观测数据进行解析，得到第一样本数据集，所述第一样本数据集包括所述待测卫星的状态值、在不同频段下的伪距观测值、载噪比、载波相位、伪距残差、信号质量情况以及定位解状态中的一种或多种；
[0040]定位模块，用于根据所述第一样本数据集和预先训练好的坐标修正模型，得到修正后的定位坐标，所述坐标修正模型为将注意力机制模块融合至卷积神经网络中得到的网络模型。
[0041]本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种GNSS定位方法，其特征在于，所述方法包括：获取接收设备接收到的待测卫星的第一观测数据；对所述第一观测数据进行解析，得到第一样本数据集，所述第一样本数据集包括所述待测卫星的状态值、在不同频段下的伪距观测值、载噪比、载波相位、伪距残差、信号质量情况以及定位解状态中的一种或多种；根据所述第一样本数据集和预先训练好的坐标修正模型，得到修正后的定位坐标，所述坐标修正模型为将注意力机制模块融合至卷积神经网络中得到的网络模型。2.根据权利要求1所述的方法，其特征在于，所述坐标修正模型包括特征提取网络、注意力机制模块和融合模块，所述根据所述第一样本数据集和预先训练好的坐标修正模型，得到修正后的定位坐标，包括：通过所述坐标修正模型中的特征提取网络对所述第一样本数据集进行特征提取处理，得到多级局部特征矩阵；通过所述坐标修正模型中的注意力机制模块对所述第一样本数据集进行特征提取处理，得到全局上下文特征矩阵；通过所述坐标修正模型中的融合模块对所述多级局部特征矩阵和所述全局上下文特征矩阵进行融合处理，生成所述修正后的定位坐标。3.根据权利要求2所述的方法，其特征在于，所述坐标修正模型包括N个层级结构，N>0，所述通过所述坐标修正模型中的融合模块对所述多级局部特征矩阵和所述全局上下文特征矩阵进行融合处理，生成所述修正后的定位坐标，包括：将经由所述特征提取网络中提取得到的第i层局部特征矩阵，与经由融合模块得到的第i
‑
1层融合特征矩阵进行融合处理，得到第i层中间特征矩阵，0<i≤N；根据所述第i层中间特征矩阵和经由注意力机制模块提取得到的第i层全局上下文特征矩阵，得到第i层目标特征矩阵；循环执行上述步骤，直至得到每一层级对应的目标特征矩阵；根据所述每一层级对应的目标特征矩阵，生成所述修正后的定位坐标。4.根据权利要求3所述的方法，其特征在于，所述根据所述第i层中间特征矩阵和经由注意力机制模块提取得到的第i层全局上下文特征矩阵，得到第i层目标特征矩阵，包括：通过所述注意力机制模块提取得到第i层的自注意力权重矩阵和自注意力加权特征矩阵；将所述第i层中间特征矩阵与经由注意力机制模块提取得到的第i层全局上下文特征矩阵进行融合处理，得到第i层候选特征矩阵；将所述候选特征矩阵、所述自注意力权重矩阵和所述自注意力加权特征矩阵进行融合处理，得到所述第i层目标特征矩阵。5.根据权利要求2所述的方法，其特征在于，所述特征提取网络包括N个残差块，每一残差块中包含有卷积模块，所述通过所述坐标修正模型中的特征提取网络对所述第一样本数据集进行特征提取处理，得到多级局部特征矩阵，包括：通过第i个残差块中的卷积模块，对所述第一样本数据集进行特征提取处理，得到当前残差块对应的第一局部特征矩阵，0<i&l...

【专利技术属性】
技术研发人员：林涛，王国桢，何毅华，
申请(专利权)人：广州吉欧电子科技有限公司，
类型：发明
国别省市：