本申请涉及定位技术领域。通过提供深度学习辅助卫星定位快速解算方法，包括：对卫星观测数据、本地环境特征数据及接收机状态数据进行采集与预处理，生成多源融合输入数据；通过本地部署的深度学习模型进行动态误差预测处理，生成定位误差修正量；将定位误差修正量融合至精密单点定位解算流程进行迭代优化处理，生成满足区域测绘精度需求的定位坐标；结合本地历史观测数据集触发在线学习机制进行模型参数更新处理，生成自适应优化模型，以达到动态适应局部复杂环境下的电离层/对流层扰动、提高多路径效应场景中的解算收敛效率，并通过多源数据耦合建模实现误差修正与真实场景精准适配的技术效果。
【技术实现步骤摘要】
本专利技术涉及定位，特别是涉及深度学习辅助卫星定位快速解算方法。
技术介绍
1、随着卫星定位技术在测绘勘探、自动驾驶、无人机导航等领域的广泛应用，高精度、低成本的定位解算方法成为行业核心需求。精密单点定位(ppp)技术因其无需依赖地面基准站的优势，被视为实现广域高精度定位的关键方案。
2、然而，相关技术存在以下问题：固定误差修正模型依赖全局先验数据，难以动态适应局部复杂环境下的电离层/对流层扰动；传统解算流程在多路径效应显著时收敛效率骤降，无法满足实时性需求；相关技术忽视接收机硬件状态与环境特征的多源耦合影响，从而导致误差修正模型与真实场景失配。
技术实现思路
1、基于此，有必要针对上述技术问题，提供深度学习辅助卫星定位快速解算方法，以达到动态适应局部复杂环境下的电离层/对流层扰动、提高多路径效应场景中的解算收敛效率，并通过多源数据耦合建模实现误差修正与真实场景精准适配的技术效果。
2、第一方面，本申请提供了深度学习辅助卫星定位快速解算方法，该方法包括：
>3、对卫星观测数据本文档来自技高网...
【技术保护点】
1.深度学习辅助卫星定位快速解算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的深度学习辅助卫星定位快速解算方法，其特征在于，所述根据所述定位坐标的解算残差与实时环境变化数据，结合本地历史观测数据集触发在线学习机制进行模型参数更新处理，生成自适应优化模型，包括：
3.根据权利要求2所述的深度学习辅助卫星定位快速解算方法，其特征在于，所述基于所述增量残差数据集与本地历史观测数据集中的历史残差分布特征，通过滑动时间窗口进行时序关联分析处理，生成动态学习阈值，包括：
4.根据权利要求2所述的深度学习辅助卫星定位快速解算方法，其特征在于，所述当所述解...
【技术特征摘要】
1.深度学习辅助卫星定位快速解算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的深度学习辅助卫星定位快速解算方法，其特征在于，所述根据所述定位坐标的解算残差与实时环境变化数据，结合本地历史观测数据集触发在线学习机制进行模型参数更新处理，生成自适应优化模型，包括：
3.根据权利要求2所述的深度学习辅助卫星定位快速解算方法，其特征在于，所述基于所述增量残差数据集与本地历史观测数据集中的历史残差分布特征，通过滑动时间窗口进行时序关联分析处理，生成动态学习阈值，包括：
4.根据权利要求2所述的深度学习辅助卫星定位快速解算方法，其特征在于，所述当所述解算残差超过所述动态学习阈值，触发增量学习机制，对所述深度学习模型的编码器参数进行轻量化反向传播更新处理，生成局部优化模型，包括：
5.根据权利要求1所述的深度学习辅助卫星定位快速解算方法，其特征在于，所述基于所述多源融合输入数据，通过本地部署的深度学习模型进行动态误差预测处理，生成定...
【专利技术属性】
技术研发人员：田淇元，
申请(专利权)人：田淇元，
类型：发明
国别省市：
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。