CN110208824B - 一种基于svm的区域电离层模型补偿方法 - Google Patents
一种基于svm的区域电离层模型补偿方法 Download PDFInfo
- Publication number
- CN110208824B CN110208824B CN201910467899.0A CN201910467899A CN110208824B CN 110208824 B CN110208824 B CN 110208824B CN 201910467899 A CN201910467899 A CN 201910467899A CN 110208824 B CN110208824 B CN 110208824B
- Authority
- CN
- China
- Prior art keywords
- model
- vtec
- value
- svm
- representing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/07—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing data for correcting measured positioning data, e.g. DGPS [differential GPS] or ionosphere corrections
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
- G01S19/41—Differential correction, e.g. DGPS [differential GPS]
Abstract
本发明公开了一种基于SVM的区域电离层模型补偿方法。首先根据CORS站观测值获得信号穿刺点处电离层VTEC值和穿刺点经纬度,建立区域电离层多项式模型;然后使用多项式模型求解各穿刺点的VTEC模型值和模型值残差;其次建立SVM模型,将穿刺点经纬度、VTEC模型值作为SVM模型输入参数,VTEC模型值残差作为输出参数,构建学习样本数据进行训练建模;最后利用训练好的SVM模型计算模型残差补偿值,结合VTEC多项式模型值得到VTEC预测值。使用本发明提出的方法,能够建立区域高精度电离层延迟改正模型,提高区域内单频用户导航定位的精度与可靠性。
Description
技术领域
本发明涉及全球导航卫星系统(Global Navigation Satellite System,GNSS)卫星定位方法,特别涉及基于支持向量机(Support Vector Machine,SVM)的高精度区域电离层模型补偿方法。
背景技术
电离层中存在大量自由电子,能够对穿越其中的电磁波进行折射、反射、散射等影响,从而造成的电离层延迟是GNSS定位过程中的主要误差之一。电离层总电子含量(TotalElectron Contents,TEC)是描述电离层特征的主要参数之一,能够直观反映GNSS信号与电离层延迟之间的关系。使用连续运行参考站系统(Continuous Operational ReferenceSystem,CORS)的GNSS观测数据能够有效提取TEC信息,用这种方法得到的是离散数据,实际应用中需要通过适当的数学方法将离散数据拓展至整个区域。传统方法为,假设电离层中所有自由电子全部分布在一定高度的薄壳上,根据GNSS信号穿过该薄壳的位置(穿刺点经纬度)和投影函数,利用一定的数学曲面进行拟合,即垂直TEC(Vertical Total ElectronContents,VTEC)观测值表示为穿刺点经纬度的函数。区域电离层常用的拟合函数模型为多项式(Polynomial,POLY)模型,该模型结构简单,在数据密度较大且电离层活动相对平稳时能够得到较高精度,但由于电离层变化复杂,在大范围区域内难以得到较高精度。
SVM是一种对数据进行二元分类的机器学习算法,经过算法的改进与扩展,同样可以用于解决回归问题。SVM回归模型能够克服常用线性模型误差较大的问题,同时可以解决训练样本维数偏高引起的局部最优,高效利用训练样本,具有很强的泛化推广能力,因此能够为电离层模型提供高精度补偿。
发明内容
发明目的:针对区域电离层多项式模型拟合精度不足的问题,提出了一种基于SVM的区域电离层模型补偿方法,建立了区域电离层SVM-P模型,能够有效提高电离层模型精度。
技术方案:为实现上述发明目的,本发明采用如下技术方案:
一种基于SVM的区域电离层建模方法,包括以下步骤:
(1)根据CORS站观测值获得信号穿刺点处电离层VTEC值和穿刺点经纬度,建立区域电离层多项式模型;
(2)使用多项式模型求解各穿刺点的VTEC模型值和模型值残差;
(3)建立SVM模型,将穿刺点经纬度、VTEC模型值作为SVM模型输入参数,VTEC模型值残差作为输出参数,构建学习样本数据进行训练建模;
(4)利用训练好的SVM模型计算模型残差补偿值,结合VTEC多项式模型值得到VTEC预测值。
在优选的实施方案中,所述步骤(1)中建立区域电离层VTEC多项式模型,求解模型参数,表示为:
式中,VTECobs表示CORS站实际VTEC观测值,v表示拟合误差,ai,k(i=0,1,2;k=0,1,2)表示待定的多项式模型参数,和λ分别表示GNSS信号电离层穿刺点的地理纬度和经度,和λ0分别表示测区中心点的地理纬度和经度。
在优选的实施方案中,所述步骤(2)中使用多项式模型求解各穿刺点的VTEC观测值和模型值残差,表示为:
ErrPOLY=VTECobs-VTECPOLY
式中,VTECPOLY表示多项式模型值,ErrPOLY表示多项式模型残差。
在优选的实施方案中,所述步骤(3)中构建学习样本数据进行SVM训练,表示为:
在优选的实施方案中,步骤所述步骤(3)中SVM的非线性拟合函数f和回归目标函数为:
在优选的实施方案中,所述步骤(4)利用训练好的SVM模型计算模型残差补偿值,结合VTEC多项式模型值得到补偿后的VTEC值VTECSVM-P:
VTECSVM-P=VTECPOLY+ErrSVM
式中,ErrSVM表示使用训练好的SVM模型计算得到的VTEC模型残差补偿值。
有益效果:本发明公开了一种基于SVM的区域电离层模型补偿方法。首先根据CORS站观测值获得信号穿刺点处电离层VTEC值和穿刺点经纬度,建立区域电离层多项式模型;然后使用多项式模型求解各穿刺点的VTEC模型值和模型值残差;其次建立SVM模型,将穿刺点经纬度VTEC模型值作为SVM模型输入参数,VTEC模型值残差作为输出参数,构建学习样本数据进行训练建模;最后利用训练好的SVM模型计算模型残差补偿值,结合VTEC多项式模型值得到VTEC预测值。使用本发明提出的方法,能够建立区域高精度电离层延迟改正模型,提高区域内单频用户导航定位的精度与可靠性。
附图说明
图1是本发明实施例的方法流程图;
图2是两种电离层模型建模结果的RMSE对比图;
图3是两个时刻两种电离层模型残差序列图;
图4是BACZ站单频PPP定位结果图;
图5是BTXU站单频PPP定位结果图;
图6是GTBH站单频PPP定位结果图。
具体实施方式
下面结合附图和具体实施例对本发明作更进一步的说明。
如图1所示,本发明实施例公开一种基于SVM的区域电离层模型补偿方法,主要包括以下步骤:
步骤1)根据CORS站观测值获得信号穿刺点处电离层VTEC值和穿刺点经纬度,建立区域电离层多项式模型,求解模型参数,表示为:
式中,VTECobs表示CORS站实际VTEC观测值,v表示拟合误差,ai,k(i=0,1,2;k=0,1,2)表示待定的多项式模型参数,和λ分别表示GNSS信号电离层穿刺点的地理纬度和经度,和λ0分别表示测区中心点的地理纬度和经度。通过CORS站所有VTEC观测值组成式(1)方程组,根据最小二乘法则求解模型参数(a0,0,a0,1,…,a2,2),即可拟合得到区域电离层多项式模型。
步骤2)使用多项式模型求解各穿刺点的VTEC观测值和模型值残差,表示为:
ErrPOLY=VTECobs-VTECPOLY (3)
式中,VTECPOLY表示多项式模型值,ErrPOLY表示多项式模型残差。此时多项式模型参数已由步骤(1)得到,带入穿刺点的经纬度即可得到VTEC多项式模型值。
步骤3)建立SVM回归模型,将穿刺点VTEC模型值、穿刺点位置信息作为SVM模型输入参数,VTEC模型值残差作为输出参数,构建学习样本数据进行SVM模型训练。设有电离层数据训练样本集合包含D={(x1,y1),(x2,y2),…,(xN,yN)},xi∈R9,yi∈R,N表示样本集合元素数量,x表示学习样本的特征值,即SVM模型的9个输入参数,写为向量形式为y表示输出参数,y=ErrPOLY。非线性拟合函数f为:
式中,err(x,y)表示数据(x,y)的损失,ε表示偏差容忍度,为一个小于1的常数。根据(5)式,定义SVM回归目标函数为:
式中,||ω||表示矩阵L2范数,ξ-和ξ+表示松弛因子,C表示惩罚系数,式(6)满足约束条件:
式中,exp表示以自然常数e为底的指数函数,γ表示核函数的参数。
根据式(6)的回归目标函数和式(7)满足的约束条件,进而可以求得最终唯一的回归模型系数ω和b。将步骤3)中以上内容统一表达为SVM模型补偿函数,表示为:
步骤4)利用训练好的SVM函数计算模型残差补偿值,结合VTEC多项式模型值得到VTEC预测值,表示为:
VTECSVM-P=VTECPOLY+ErrSVM (11)
式中,ErrSVM表示使用SVM模型函数FSVM得到的VTEC模型补偿值,VTECSVM-P表示经补偿后的VTEC值。
为体现本发明方法的效果和优势,下面根据实测数据进行实验验证。数据采集自江苏省共计74个CORS站。选取一天中23个整点数据进行电离层建模实验,分别使用POLY模型和SVM-P模型。SVM建模中,采用高斯核函数,中止迭代次数100000次。电离层建模结果的RMSE变化曲线如图2所示。由图2可知,由于SVM-P模型在POLY模型的基础上进行了误差补偿,模型精度明显优于POLY模型,模型精度平均为1.022TECU,较POLY提高15.3%。
图3为两个时刻的测试样本TEC模型残差序列,比较两组残差可知,SVM-P的残差序列在0值附近稳定波动,大部分残差处于-1.5TECU和1.5TECU之间,说明SVM-P模型精度高于POLY。
为验证比较两种电离层模型对单频PPP的影响,本发明使用BACZ站、BTXU站和GTBH站进行静态单频PPP定位实验,观测值采用C1和L1,电离层延迟分别采用POLY和SVM-P模型进行改正,解算方法使用静态卡尔曼滤波浮点解,定位结果如图4至图6所示。由定位结果可知,两种模型均能够有效提高单频PPP定位精度,点位精度优于0.2m。在2000历元前后由于POLY模型精度较低,导致三个站U方向定位结果产生波动,而使用SVM-P模型后定位结果在各方向保持稳定,点位精度分别提高了28%、41%和66%。因此,实验证明SVM-P模型能够有效提高电离层延迟改正精度,从而区域内单频用户PPP的定位精度。
Claims (1)
1.一种基于SVM的区域电离层模型补偿方法,其特征在于,包括以下步骤:
(1)根据CORS站观测值获得信号穿刺点处电离层VTEC值和穿刺点经纬度,建立区域电离层多项式模型;
(2)使用多项式模型求解各穿刺点的VTEC模型值和模型值残差;
(3)建立SVM模型,将穿刺点经纬度、VTEC模型值作为SVM模型输入参数,VTEC模型值残差作为输出参数,构建学习样本数据进行训练建模;
(4)利用训练好的SVM模型计算模型残差补偿值,结合VTEC多项式模型值得到VTEC预测值;
所述步骤(1)中建立区域电离层VTEC多项式模型,求解模型参数,表示为:
式中,VTECobs表示CORS站实际VTEC观测值,v表示拟合误差,ai,k(i=0,1,2;k=0,1,2)表示待定的多项式模型参数,和λ分别表示GNSS信号电离层穿刺点的地理纬度和经度,和λ0分别表示测区中心点的地理纬度和经度;
所述步骤(2)中使用多项式模型求解各穿刺点的VTEC观测值和模型值残差,表示为:
ErrPOLY=VTECobs-VTECPOLY
式中,VTECPOLY表示多项式模型值,ErrPOLY表示多项式模型残差;
所述步骤(3)中构建学习样本数据进行SVM训练,表示为:
所述步骤(3)中SVM的非线性拟合函数f和回归目标函数为:
所述步骤(4)利用训练好的SVM模型计算模型残差补偿值,结合VTEC多项式模型值得到补偿后的VTEC值VTECSVM-P:
VTECSVM-P=VTECPOLY+ErrSVM
式中,ErrSVM表示使用训练好的SVM模型计算得到的VTEC模型残差补偿值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910467899.0A CN110208824B (zh) | 2019-05-31 | 2019-05-31 | 一种基于svm的区域电离层模型补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910467899.0A CN110208824B (zh) | 2019-05-31 | 2019-05-31 | 一种基于svm的区域电离层模型补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110208824A CN110208824A (zh) | 2019-09-06 |
CN110208824B true CN110208824B (zh) | 2021-03-19 |
Family
ID=67789881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910467899.0A Active CN110208824B (zh) | 2019-05-31 | 2019-05-31 | 一种基于svm的区域电离层模型补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110208824B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112034500A (zh) * | 2020-08-20 | 2020-12-04 | 上海华测导航技术股份有限公司 | 基于实时ppp模糊度固定技术的区域格网电离层建模方法 |
CN113608248B (zh) * | 2021-06-25 | 2023-06-13 | 北京建筑大学 | 北斗5g融合的高精度巡检人员定位方法及相关设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551450A (zh) * | 2009-05-06 | 2009-10-07 | 北京航空航天大学 | 一种星载极化sar法拉第旋转效应校正平台的构建方法 |
CN107085626A (zh) * | 2017-03-17 | 2017-08-22 | 东南大学 | 一种基于bp‑多项式模型融合的区域电离层垂直总电子含量建模方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112011100526T5 (de) * | 2010-02-14 | 2012-12-06 | Trimble Navigation Limited | GNSS-Signalverarbeitung mit regionaler Augmentationspositionierung |
WO2018208271A2 (en) * | 2016-12-28 | 2018-11-15 | Mustafa Ulukavak | Continuous ionospheric tec earthquake monitoring system |
CN107622304A (zh) * | 2017-08-21 | 2018-01-23 | 东南大学 | 一种基于bp神经网络技术的电离层球谐函数改进方法 |
CN109507724B (zh) * | 2018-11-01 | 2019-10-11 | 中国石油大学(华东) | 一种基于非震动态背景场的地震tec异常信息提取方法 |
-
2019
- 2019-05-31 CN CN201910467899.0A patent/CN110208824B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551450A (zh) * | 2009-05-06 | 2009-10-07 | 北京航空航天大学 | 一种星载极化sar法拉第旋转效应校正平台的构建方法 |
CN107085626A (zh) * | 2017-03-17 | 2017-08-22 | 东南大学 | 一种基于bp‑多项式模型融合的区域电离层垂直总电子含量建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110208824A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111045046B (zh) | 一种基于narx的短期电离层预报方法及装置 | |
US20180038994A1 (en) | Techniques to Improve Global Weather Forecasting Using Model Blending and Historical GPS-RO Dataset | |
CN110208824B (zh) | 一种基于svm的区域电离层模型补偿方法 | |
CN103439731A (zh) | 基于无迹卡尔曼滤波的gps/ins组合导航方法 | |
CN105182366A (zh) | 一种基于实测气象参数的对流层天顶延迟改正方法 | |
CN110275184A (zh) | 一种gnss掩星电离层残差修正方法、系统、设备及存储介质 | |
CN105203110A (zh) | 一种基于大气阻力模型补偿的低轨卫星轨道预报方法 | |
CN107085626A (zh) | 一种基于bp‑多项式模型融合的区域电离层垂直总电子含量建模方法 | |
Rudenko et al. | New improved orbit solutions for the ERS-1 and ERS-2 satellites | |
CN102682335A (zh) | 精确确定区域对流层延迟的神经网络方法 | |
Grouillet et al. | Sensitivity analysis of runoff modeling to statistical downscaling models in the western Mediterranean | |
CN110909447B (zh) | 一种高精度电离层区域短期预报方法 | |
CN111695440B (zh) | 基于雷达高度计的ga-svr湖泊水位测量与预测方法 | |
CN109154664A (zh) | 具有低延时时钟校正值的导航卫星轨道和时钟的确定 | |
Kim et al. | Preliminary study of deep learning-based precipitation prediction | |
CN105738934A (zh) | 附加大气信息动态约束的urtk模糊度快速固定方法 | |
CN107504974A (zh) | 地形分块与地形测点加权的地形匹配定位方法 | |
El-naggar | Artificial neural network as a model for ionospheric TEC map to serve the single frequency receiver | |
CN108491616B (zh) | 一种基于椭球谐函数理论的电离层垂直总电子含量建模方法 | |
Solomentsev et al. | Ionosphere state and parameter estimation using the Ensemble Square Root Filter and the global three‐dimensional first‐principle model | |
Fazilova | Uzbekistan's coordinate system transformation from CS42 to WGS84 using distortion grid model | |
CN103793617A (zh) | 一种电离层电子浓度确定方法 | |
CN116910534A (zh) | 一种不同海域海洋环境要素时空智能预测方法和装置 | |
KR101941132B1 (ko) | 국지적 전리층지도의 가용영역 확장 장치 및 방법 | |
Jiang et al. | Efficient and accurate TEC modeling and prediction approach with random forest and Bi-LSTM for large-scale region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |