一种定位坐标修正方法及装置制造方法及图纸

一种定位坐标修正方法及装置，包括：获取当前实际观测历元下目标GNSS终端对应的每个GNSS卫星在每个频段的实际观测数据，获取每个非参考卫星相对于参考卫星在每个频段的星间单差实际观测数据；根据获得的数据进行第一输入处理得到第一处理结果，进行第二输入处理得到每个非参考卫星的第二处理结果；将第一、第二处理结果输入至坐标修正模型，得到经过修正的定位坐标。本申请实施例能够在遮蔽场景导致卫星信号不佳的情况下实现定位坐标修正，从而提升了实时授时精度。

【技术实现步骤摘要】

本文涉及高精度定位技术，尤指一种定位坐标修正方法及装置。

技术介绍

1、随着全球导航卫星系统(global navigation satellite system，gnss)技术的应用场景不断变化，gnss定位精度和稳定性较差，以及受环境影响较大的缺点逐渐显露。

2、相关技术中，为了更好的消除误差且提高定位精度，往往采用引入实时差分定位(real-time kinematic，rtk)技术进行处理。rtk通过在地面建设参考基准站，参考基准站接收卫星载波信号来获取观测数据，并将其与测绘数据处理为差分数据，通过无线通信网络广播给覆盖范围内的接收机。接收机收到参考基准站差分数据后，结合自身观测数据，调用rtk解算算法，修正观测数据误差，从而获得厘米级的定位。

3、然而，这种处理方式在完全遮蔽或严重遮蔽的场景，由于卫星信号不佳，无法输出准确的定位数据，因此无法实现定位坐标修正。

技术实现思路

1、本申请提供了一种定位坐标修正方法及装置，能够在完全遮蔽或严重遮蔽的场景导致的卫星信号不佳的情况下实本文档来自技高网...

【技术保护点】

1.一种定位坐标修正方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述坐标修正模型通过以下方式建立：

3.根据权利要求2所述的方法，其特征在于，所述神经网络模型包括：基于多分支CNN模型和Swin Transformer模型，并借助预先设计的融合模块构建的特征融合神经网络模型；其中，所述融合模块用于融合所述多分支CNN模型和所述Swin Transformer模型的编码特征；

4.根据权利要求3所述的方法，其特征在于，所述特征融合神经网络模型包括：5层神经网络，5层神经网络中每两层神经网络之间采用Leaky ReLU激活函...

【技术特征摘要】

1.一种定位坐标修正方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述坐标修正模型通过以下方式建立：

3.根据权利要求2所述的方法，其特征在于，所述神经网络模型包括：基于多分支cnn模型和swin transformer模型，并借助预先设计的融合模块构建的特征融合神经网络模型；其中，所述融合模块用于融合所述多分支cnn模型和所述swin transformer模型的编码特征；

4.根据权利要求3所述的方法，其特征在于，所述特征融合神经网络模型包括：5层神经网络，5层神经网络中每两层神经网络之间采用leaky relu激活函数连接，第一层为输入层，最后一层为输出层，其中三层均为隐藏层，所述融合模块基于其中三层隐藏层设计得到。

5.根据权利要求3所述的方法，其特征在于，所述融合模块包括：第一合并处理单元、插值处理单元、第一卷积单元、第一激活处理单元、第二合并处理单元、第二卷积单元、批归一化处理单元和...

【专利技术属性】
技术研发人员：王国桢，林涛，
申请(专利权)人：河南芯港半导体有限公司，
类型：发明
国别省市：