System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于机器学习的卫星导航定位终端数字模型构建方法及系统技术方案_技高网

基于机器学习的卫星导航定位终端数字模型构建方法及系统技术方案

技术编号:40236689 阅读:10 留言:0更新日期:2024-02-02 22:36
本发明专利技术提供了一种基于机器学习的卫星导航定位终端数字模型构建方法及系统,可用于对卫星导航定位终端的精度预测和性能评估,包括数据采集及预处理、机器学习算法的选择及模型优化、精度预测和性能评估等步骤。该系统能够收集卫星导航定位终端在不同环境下的数据,利用机器学习算法对数据进行训练,构建卫星导航定位终端数字模型,从而预测卫星导航定位终端在特定环境下的水平和高程定位精度,并对预测结果与实际测量结果进行比较,评估卫星导航定位终端预测的精度,对构建的数字模型进行优化。本发明专利技术能够卫星导航定位终端提供更准确、更可靠的精度预测和性能评估结果,在卫星导航定位终端的测试、性能评估中具有广泛的应用前景和技术实用性。

【技术实现步骤摘要】

本专利技术属于卫星导航定位领域,特别是一种基于机器学习的卫星导航定位终端数字模型构建方法及系统


技术介绍

1、传统卫星导航定位终端的精度评估方法只考虑了开阔环境下的测试情况或者其在暗室固定测试环境下的测试情况,无法准确反映终端在复杂环境中的实际表现,如不同卫星观测环境、空间环境以及定位终端自身性能等因素的影响。因此,对于需要在特定环境下进行测量和定位的应用,传统的评估方法存在着精度预测不准确、测试结果不可靠的问题,给实际应用带来了很大的不便和风险。


技术实现思路

1、本专利技术的目的在于提供一种基于机器学习的卫星导航定位终端数字模型构建方法及系统,用于对卫星导航定位终端进行精度预测和性能评估。

2、实现本专利技术目的的技术解决方案为:

3、一种基于机器学习的卫星导航定位终端数字模型构建方法,包括以下步骤:

4、步骤1、数据采集及预处理:收集卫星导航定位终端在不同运动状态、不同观测环境下的定位信息进行处理,得到输入特征向量,并一步得到输入特征矩阵和标签矩阵;将输入特征矩阵和标签矩阵按照历元划分,形成样本数据集;将样本数据集划分为训练数据集和测试数据集;

5、步骤2、输入训练集,通过机器学习算法进行训练,通过网格搜索算法获取最优模型;并通过测试数据集进行验证;

6、步骤3、根据新的环境条件及观测时刻,根据导航卫星历书计算理论观测卫星数、dop、卫星分布,计算天顶电离层延迟、天顶对流层延迟指标,形成特征向量作为输入,同时利用步骤2中构建的最优模型对卫星导航定位终端的精度进行预测。

7、一种基于机器学习的卫星导航定位终端数字模型构建系统,包括:

8、数据集制作模块,用于制作训练卫星导航定位终端数字模型的数据集;数据集包括运动状态、观测环境分类、卫星观测条件、电离层延迟、对流层延迟、水平和高程定位误差数据;

9、机器学习建模模块,用于选择机器学习算法进行训练和优化,建立预测模型,对模型参数进行寻优;

10、预测模块,根据观测环境和观测时刻采用建立的预测模型对特定环境特定时刻的卫星导航定位终端的水平和垂直定位精度进行预测;

11、评估模块,对预测结果与实际测量结果进行比较,评估卫星导航定位终端的精度,并将实测数据进行处理,纳入样本数据集,对模型进行迭代优化。

12、本专利技术与现有技术相比,其显著优点是:

13、本专利技术提出了一种基于机器学习的卫星导航定位终端数字模型构建方法及系统,通过对历史数据和测试数据的训练和优化,可以有效地提高特定环境下定位精度的预测准确性,从而提高卫星导航定位精度在实际应用中的可靠性和安全性。与传统方法相比,本专利技术有着更加准确、可靠的定位精度评估结果,可以更好地满足特定环境下的测量和定位需求,具有广泛的应用前景。

本文档来自技高网...

【技术保护点】

1.一种基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,步骤1具体包括以下步骤:

3.根据权利要求2所述的基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,i时刻的输入特征向量Ti为

4.根据权利要求1所述的基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,步骤2具体包括:

5.根据权利要求1所述的基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,步骤3具体包括:

6.一种基于机器学习的卫星导航定位终端数字模型构建系统,其特征在于,包括:

7.根据权利要求6所述的基于机器学习的卫星导航定位终端数字模型构建系统,其特征在于,数据集制作模块制作的数据集由输入特征矩阵M和标签矩阵L构成;

8.根据权利要求6所述的基于机器学习的卫星导航定位终端数字模型构建系统,其特征在于,观测环境包括城市峡谷、城市街区、城市广场、全遮挡高架桥、半遮挡高架桥、开阔地、隧道和林荫地环境下的观测数据。

9.根据权利要求6所述的基于机器学习的卫星导航定位终端数字模型构建系统,其特征在于,预测模块的处理过程为:

...

【技术特征摘要】

1.一种基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,步骤1具体包括以下步骤:

3.根据权利要求2所述的基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,i时刻的输入特征向量ti为

4.根据权利要求1所述的基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,步骤2具体包括:

5.根据权利要求1所述的基于机器学习的卫星导航定位终端数字模型构建方法,其特征在于,步骤3具体包括:

...

【专利技术属性】
技术研发人员:吴定程徐学永惠孟堂刘梦楠王琛琛王锦晨黄浩汤深权袁春琦吴波张浩山王伟程楚楚黎健
申请(专利权)人:北方信息控制研究院集团有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1