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 PDF

Info

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
Application number
CN201910467899.0A
Other languages
English (en)
Other versions
CN110208824A (zh
Inventor
潘树国
张正协
高成发
高旺
喻国荣
赵涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201910467899.0A priority Critical patent/CN110208824B/zh
Publication of CN110208824A publication Critical patent/CN110208824A/zh
Application granted granted Critical
Publication of CN110208824B publication Critical patent/CN110208824B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/03Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
    • G01S19/07Cooperating 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
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining 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
    • G01S19/40Correcting position, velocity or attitude
    • G01S19/41Differential 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

一种基于SVM的区域电离层模型补偿方法
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:
Figure BDA0002079968250000021
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,
Figure BDA0002079968250000022
和λ分别表示GNSS信号电离层穿刺点的地理纬度和经度,
Figure BDA0002079968250000023
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:
Figure BDA0002079968250000024
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:
Figure BDA0002079968250000025
式中,FSVM表示待求的SVM回归模型函数,
Figure BDA0002079968250000026
和Δλ=λ-λ0为穿刺点位置参数。
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:
Figure BDA0002079968250000027
Figure BDA0002079968250000028
式中,x表示学习样本的特征值,ω和b表示回归模型系数,
Figure BDA0002079968250000029
表示特征值映射函数,min表示求最小值,||ω||表示矩阵L2范数,C表示惩罚系数,N表示学习样本数量,ξ-和ξ+表示松弛因子;
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:
Figure BDA0002079968250000031
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,
Figure BDA0002079968250000032
和λ分别表示GNSS信号电离层穿刺点的地理纬度和经度,
Figure BDA0002079968250000033
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:
Figure BDA0002079968250000041
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
Figure BDA0002079968250000042
y表示输出参数,y=ErrPOLY。非线性拟合函数f为:
Figure BDA0002079968250000043
式中,ω和b表示回归模型系数,
Figure BDA0002079968250000044
表示特征值映射函数。SVM回归模型的损失函数度量为:
Figure BDA0002079968250000045
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:
Figure BDA0002079968250000046
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:
Figure BDA0002079968250000051
在求解目标函数的过程中,涉及到计算內积
Figure BDA0002079968250000052
直接计算是非常困难的,本发明使用高斯核函数代替上述內积运算,高斯核函数K表示为:
Figure BDA0002079968250000053
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:
Figure BDA0002079968250000054
式中,FSVM表示待求的SVM模型函数,
Figure BDA0002079968250000055
Δλ=λ-λ0表示穿刺点位置参数。
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:
Figure BDA0002079968250000056
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:
Figure FDA0002833847250000011
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,
Figure FDA0002833847250000017
和λ分别表示GNSS信号电离层穿刺点的地理纬度和经度,
Figure FDA0002833847250000018
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:
Figure FDA0002833847250000012
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:
Figure FDA0002833847250000013
式中,FSVM表示待求的SVM回归模型函数,
Figure FDA0002833847250000014
和Δλ=λ-λ0为穿刺点位置参数;
所述步骤(3)中SVM的非线性拟合函数f和回归目标函数为:
Figure FDA0002833847250000015
Figure FDA0002833847250000016
式中,x表示学习样本的特征值,ω和b表示回归模型系数,
Figure FDA0002833847250000021
表示特征值映射函数,min表示求最小值,||ω||表示矩阵L2范数,C表示惩罚系数,N表示学习样本数量,ξ-和ξ+表示松弛因子;
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。
CN201910467899.0A 2019-05-31 2019-05-31 一种基于svm的区域电离层模型补偿方法 Active CN110208824B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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