一种GNSS对流层延迟误差处理方法及系统技术方案

技术编号:42467510 阅读:30 留言:0更新日期:2024-08-21 12:53
本发明专利技术公开了一种GNSS对流层延迟误差处理方法及系统,方法是首先计算天顶总延迟,再计算GNSS测站的测站天顶对流层延迟,然后深度学习模型的训练数据进行训练,得到预测模型,然后通过编码器获得待预测时间序列的编码特征,最后通过解码器获取测站天顶对流层延迟预测值,系统包括天顶总延迟计算模块、测站天顶对流层延迟计算模块、预测模型训练模块、编码特征获取模块、测站天顶对流层延迟预测模块,本发明专利技术通过深度学习模型、编码器、解码器从而得到测站天顶对流层延迟预测值,提高整体监测解算精度的目的,能够实现GNSS系统误差信号的精确处理。

【技术实现步骤摘要】

本专利技术涉及系统误差处理,特别涉及一种gnss对流层延迟误差处理方法及系统。


技术介绍

1、在水利水电工程领域,高落差的峡谷地貌比较常见,此种场景下对流层误差的影响不可忽略。由于站间高程差异大,对流层特征的相似程度降低,通过差分的方式很难有效消除全部的对流层延迟,其对定位精度的影响大,特别是对高程精度的影响,严重时可将高程精度拉低至水平精度的数倍以上。


技术实现思路

1、本专利技术的目的是克服现有技术中的不足,提供一种gnss对流层延迟误差处理方法及系统。

2、为了达到上述目的,本专利技术是通过以下技术方案实现的:

3、一种gnss对流层延迟误差处理方法,该方法包括如下步骤:步骤s1、计算得到与gnss测站同等高度的四个网格点的天顶总延迟;步骤s2、根据所述天顶总延迟计算得到gnss测站的测站天顶对流层延迟;

4、步骤s3、将gnss测站的测站天顶对流层延迟作为深度学习模型的训练数据进行训练,得到预测模型,所述预测模型包括编码器和解码器;步骤s4、将待预测时间序列输入至所本文档来自技高网...

【技术保护点】

1.一种GNSS对流层延迟误差处理方法,其特征在于,该方法包括如下步骤:

2.根据权利要求1所述一种GNSS对流层延迟误差处理方法,其特征在于,所述深度学习模型包括粗差人工标注模块(61)、样本库建立模块(62)、深度卷积网络模块(63)、粗差识别模块(64),所述粗差人工标注模块(64)通过样本库建立模块(62)与深度卷积网络模块(63)通信,所述深度卷积网络模块(63)与粗差识别模块(64)通信。

3.根据权利要求2所述一种GNSS对流层延迟误差处理方法,其特征在于,所述粗差人工标注模块(61)用于标注粗差数据和正常数据并进行存储。

4.根据权利要...

【技术特征摘要】

1.一种gnss对流层延迟误差处理方法,其特征在于,该方法包括如下步骤:

2.根据权利要求1所述一种gnss对流层延迟误差处理方法,其特征在于,所述深度学习模型包括粗差人工标注模块(61)、样本库建立模块(62)、深度卷积网络模块(63)、粗差识别模块(64),所述粗差人工标注模块(64)通过样本库建立模块(62)与深度卷积网络模块(63)通信,所述深度卷积网络模块(63)与粗差识别模块(64)通信。

3.根据权利要求2所述一种gnss对流层延迟误差处理方法,其特征在于,所述粗差人工标注模块(61)用于标注粗差数据和正常数据并进行存储。

4.根据权利要求2所述一种gnss对流层延迟误差处理方法,其特征在于,所述样本库建立模块(62)用于建立带标签的训练样本数据库。

5.根据权利要求2所述一种gnss对流层延迟误差处理方法,其特征在于,所述深度卷积网络模块(63)包括第一卷积层(611)、第一池化层(612)、第二卷积层(613)、第二池化层(614)、第三卷积层(615)、第三池化层(616)、第四卷积层(617)、第四池化层(618)、第五卷积层(619)、全连接层(620)、第六卷积层(621)、softmax层(622)、数据输出层(623),所述第一卷积层(611)通过第一池化层(612)与第二卷积层(613)通信,所述第二卷积层(613)通过第二池化层(614)与第三卷积层(615)通信,所述第三卷积层(615)通过第三池化层(616)与第四卷积层...

【专利技术属性】
技术研发人员:陈锴赵程郑晓红季昀单郸
申请(专利权)人:中国电建集团华东勘测设计研究院有限公司
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