CN112902989B - 数据误差标定方法、装置、电子设备和存储介质 - Google Patents
数据误差标定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112902989B CN112902989B CN202110493673.5A CN202110493673A CN112902989B CN 112902989 B CN112902989 B CN 112902989B CN 202110493673 A CN202110493673 A CN 202110493673A CN 112902989 B CN112902989 B CN 112902989B
- Authority
- CN
- China
- Prior art keywords
- data
- calibration
- target
- error
- satellite
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种数据误差标定方法、装置、电子设备和存储介质;获取标定数据;根据接收机的位置信息对标定设备进行定位处理,得到标定设备的位置参数信息;基于标定设备采集到的目标卫星的物理观测数据和标定设备的位置参数信息,计算目标卫星的目标物理观测误差;基于目标卫星的数据采集参数和目标物理观测误差训练数据误差标定模型,以通过训练后的数据误差标定模型对目标数据采集参数的物理观测数据进行误差标定处理。本申请基于目标卫星的数据采集参数和目标物理观测误差,训练数据误差标定模型,使得训练后的数据误差标定模型能够适用于不同场景(包括但不限于地图定位、导航、自动驾驶、智慧交通等),有利于提高误差标定的准确度和定位精度。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种数据误差标定方法、装置、电子设备和存储介质。
背景技术
全球卫星导航系统已经广泛应用在航空、航海、通信、人员跟踪、消费、测绘、车辆监控管理、汽车导航和信息服务等方面,它可以为实时应用提供高精度的定位服务。由于卫星定位设备获取到的物理观测数据,如伪距观测值和多普勒观测值均与真实值之间存在误差,因此在定位之前,通常需要先确定出物理观测数据的误差。
在目前的相关技术中,针对卫星的物理观测数据的误差标定算法复杂,计算量大,且误差标定算法的普适性较低,不能适应于不同的观测场景,从而使得估计得到的误差可靠性较差。
发明内容
本申请实施例提供一种数据误差标定方法、装置、电子设备和存储介质,可以提高误差标定的准确度,进而提高卫星定位精度。
本申请实施例提供一种数据误差标定方法,包括:
获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;
根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;
基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;
基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
相应的,本申请实施例提供一种数据误差标定装置,包括:
获取单元,用于获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;
定位单元,用于根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;
计算单元,用于基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;
训练单元,用于基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
可选的,在本申请的一些实施例中,所述标定数据还包括所述标定设备采集到的参考卫星的物理观测数据;所述计算单元可以包括第一计算子单元、第二计算子单元和第一确定子单元,如下:
所述第一计算子单元,用于基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的初始物理观测误差;
第二计算子单元,用于基于所述参考卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述参考卫星的参考物理观测误差;
第一确定子单元,用于根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差。
可选的,在本申请的一些实施例中,所述计算单元还可以包括划分子单元、区间确定子单元和卫星确定子单元,如下:
所述划分子单元,用于对预设数据采集参数的预设值区间进行划分,得到多个预设值子区间;
区间确定子单元,用于确定所述目标卫星对应的数据采集参数所处的目标预设值子区间;
卫星确定子单元,用于将数据采集参数处于所述目标预设值子区间的卫星确定为所述目标卫星对应的参考卫星。
可选的,在本申请的一些实施例中,所述数据采集参数包括高度角和载噪比,所述预设值子区间包括预设高度角子区间和预设载噪比子区间;
所述区间确定子单元具体可以用于确定所述目标卫星对应的高度角所处的目标预设高度角子区间,以及所述目标卫星对应的载噪比所处的目标预设载噪比子区间;
所述卫星确定子单元具体可以用于将高度角处于所述目标预设高度角子区间、且载噪比处于所述目标预设载噪比子区间的卫星确定为所述目标卫星对应的参考卫星。
可选的,在本申请的一些实施例中,所述获取单元具体可以用于获取多组标定数据;
所述训练单元可以包括融合子单元和训练子单元,如下:
所述融合子单元,用于针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合后观测误差;
训练子单元,用于基于各个预设值子区间对应的融合后观测误差,训练数据误差标定模型。
可选的,在本申请的一些实施例中,所述融合子单元具体可以用于针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行均值运算,得到所述预设值子区间对应的平均观测误差;基于所述平均观测误差,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行方差运算,得到所述预设值子区间对应的融合后观测误差。
可选的,在本申请的一些实施例中,所述标定数据还包括所述接收机采集到的目标卫星的物理观测数据;所述计算单元可以包括第三计算子单元、第四计算子单元和第二确定子单元,如下:
所述第三计算子单元,用于基于所述标定设备采集到的目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的第一物理观测误差;
第四计算子单元,用于基于所述接收机采集到的目标卫星的物理观测数据和所述接收机的位置信息,对所述接收机进行观测误差计算,得到所述目标卫星的第二物理观测误差;
第二确定子单元,用于根据所述目标卫星的第一物理观测误差和第二物理观测误差,确定所述目标卫星的目标物理观测误差。
可选的,在本申请的一些实施例中,所述训练单元可以包括标定子单元和调整子单元,如下:
所述标定子单元,用于通过数据误差标定模型,基于所述目标卫星对应的数据采集参数对所述目标卫星的物理观测数据进行误差标定处理,得到所述数据采集参数下的目标卫星对应的预测物理观测误差;
调整子单元,用于根据所述目标卫星的目标物理观测误差与所述预测物理观测误差之间的损失值,对所述数据误差标定模型中的参数进行调整,直到所述损失值满足预设条件,得到训练后的数据误差标定模型。
本申请实施例提供的一种电子设备,包括处理器和存储器,所述存储器存储有至少一条指令,所述处理器加载所述指令,以执行本申请实施例提供的数据误差标定方法中的步骤。
此外,本申请实施例还提供一种存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现本申请实施例提供的数据误差标定方法中的步骤。
本申请实施例提供了一种数据误差标定方法、装置、电子设备和存储介质,可以获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。本申请可以基于目标卫星的数据采集参数和目标物理观测误差,训练数据误差标定模型,使得训练后的数据误差标定模型能够适用于不同场景(包括但不限于地图定位、导航、自动驾驶、智慧交通等),有利于提高误差标定的准确度,进而提高卫星定位精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是本申请实施例提供的数据误差标定方法的场景示意图;
图1b是本申请实施例提供的数据误差标定方法的流程图;
图1c是本申请实施例提供的数据误差标定方法的另一流程图;
图1d是本申请实施例提供的数据误差标定方法的说明图;
图1e是本申请实施例提供的数据误差标定方法的另一说明图;
图1f是本申请实施例提供的数据误差标定方法的另一说明图;
图1g是本申请实施例提供的数据误差标定方法的另一说明图;
图1h是本申请实施例提供的数据误差标定方法的另一流程图;
图2a是本申请实施例提供的数据误差标定方法的另一流程图;
图2b是本申请实施例提供的数据误差标定方法的另一流程图;
图2c是本申请实施例提供的数据误差标定方法的模型结构图;
图2d是本申请实施例提供的数据误差标定方法的另一流程图;
图2e是本申请实施例提供的数据误差标定方法的另一流程图;
图2f是本申请实施例提供的数据误差标定方法的另一模型结构图;
图2g是本申请实施例提供的数据误差标定方法的另一流程图;
图3a是本申请实施例提供的数据误差标定装置的结构示意图;
图3b是本申请实施例提供的数据误差标定装置的另一结构示意图;
图3c是本申请实施例提供的数据误差标定装置的另一结构示意图;
图3d是本申请实施例提供的数据误差标定装置的另一结构示意图;
图3e是本申请实施例提供的数据误差标定装置的另一结构示意图;
图3f是本申请实施例提供的数据误差标定装置的另一结构示意图;
图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种数据误差标定方法、装置、电子设备和存储介质。该数据误差标定装置具体可以集成在电子设备中,该电子设备可以是终端或服务器等设备。
可以理解的是,本实施例的数据误差标定方法可以是在终端上执行的(如由终端单独执行),也可以是在服务器上执行(如由服务器单独执行),还可以由终端和服务器共同执行的。以上举例不应理解为对本申请的限制。
如图1a所示,以终端和服务器共同执行数据误差标定方法为例。本申请实施例提供的数据误差标定系统包括终端10和服务器11等;终端10与服务器11之间通过网络连接,比如,通过有线或无线网络连接等,其中,数据误差标定装置可以集成在服务器中。
其中,服务器11,可以用于:获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。其中,服务器11可以是单台服务器,也可以是由多个服务器组成的服务器集群或云服务器。
其中,终端10可以向服务器11发送标定数据,以使服务器11基于标定数据进行数据误差标定模型的训练。其中,终端10可以包括手机、智能电视、平板电脑、笔记本电脑、车载设备、或个人计算机(PC,Personal Computer)等。终端10上还可以设置客户端,该客户端可以是应用程序客户端或者浏览器客户端等等。
上述服务器11训练数据误差标定模型的步骤,也可以由终端10执行。
本申请实施例提供的数据误差标定方法涉及人工智能领域中的机器学习。本申请实施例有利于提高误差标定的准确度,进而提高了卫星定位精度。
其中,人工智能(AI ,Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。其中,人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等方向。
其中,机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本实施例将从数据误差标定装置的角度进行描述,该数据误差标定装置具体可以集成在电子设备中,该电子设备可以是服务器或终端等设备。
本申请实施例的数据误差标定方法可以应用于各种需要标定卫星物理观测误差的场景中。例如,某卫星定位服务需要对伪距观测值和多普勒观测值进行误差标定,可以通过本实施例提供的数据误差标定方法,能够提高误差标定的准确度,进而提高了卫星定位精度。
如图1b所示,该数据误差标定方法的具体流程可以如下:
101、获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据。
其中,接收机为能够接收卫星信号的设备。接收机具体可以是GNSS(GlobalNavigation Satellite System,全球导航卫星系统)接收机,它能够输出高精度坐标,即精确的位置信息,可以应用在大地测量、导航、地质灾害监测等众多领域。本实施例中,接收机包括至少一个。
其中,标定设备具体为待标定物理观测误差的设备,标定设备可以接收卫星发送的信号,获取针对卫星的物理观测数据。具体地,标定设备可以为移动终端,移动终端中可以包含卫星定位设备。
移动终端,即移动通信终端,是指可以在移动中使用的计算机设备,包括手机、笔记本、平板电脑、POS(Pointofsales,销售点情报管理系统)机甚至包括车载电脑等。移动终端可以集成全球卫星导航系统定位芯片,该芯片用于处理卫星信号以及进行用户的精准定位。
卫星定位设备可以用于跟踪和处理卫星信号,并测量其与卫星之间的几何距离(伪距观测值/数据)和卫星信号的多普勒效应(多普勒观测值/数据)的电子设备。卫星定位设备通常包括有天线、卫星信号跟踪环路、基带信号处理等模块,集成卫星定位设备的移动终端可以根据伪距观测值和多普勒观测值计算移动终端当前位置坐标。
其中,物理观测数据为标定设备观测到的关于目标卫星的物理数据,它可以包括伪距观测数据、多普勒观测数据等。
伪距观测数据(或伪距观测值)是指卫星定位过程中,卫星信号接收设备(如本实施例的标定设备)到卫星之间的大概距离。假设卫星钟和设备钟严格保持同步,根据卫星信号的发射时间与接收设备接收到信号的接收时间就可以得到信号的传播时间,再乘以传播速度就可以得到卫地距离。然而两个时钟(即卫星钟和设备钟)一般存在钟差,且信号在传播过程中还要受到大气折射等因素的影响,所以这样直接测得的距离并不等于卫星到地面接收设备的真正距离,于是把这种距离称之为伪距。在本实施例中的伪距观测值,是指卫星和标定设备之间的距离观测值。多普勒观测数据(或多普勒观测值)具体可以是几何距离变化率,即速度;由于多路径效应、接收机测量噪声等影响,标定设备采集到的多普勒观测数据通常存在测量误差。
本实施例中,标定数据具体可以包括在预设时间内获取到的多组标定数据,每组标定数据可以包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据。其中,预设时间可以根据实际情况进行设备,本实施例对此不作限制,比如可以为一天,也可以是多天。预设时间可以包括多个时间段。需要说明的是,每组标定数据中的数据信息是在相同的时间段内获取到的。
其中,预设时间中包括多个时间段,每个时间段可以为一个历元,因而,标定数据其实是由多个历元中的每个历元的标定数据组成的。在一些实施例中,每个历元的标定数据可以包括观测到的卫星的载噪比、高度角、伪距观测数据、多普勒观测数据、以及接收机的位置信息等。
历元,属于天文学的概念,是以一些天文变数作为参考的时刻点,例如天球坐标或天体的椭圆轨道要素等。简单来说,历元就是指卫星信号接收设备的观测时刻。
可选地,在具体场景中,标定数据的获取过程可以参考图1c,预设时间内标定设备和接收机可以采集多组物理观测数据,基于标定设备和接收机各个观测时刻(时间段),对物理观测数据进行分组,得到各组相同观测时刻(时间段)下的物理观测数据;在预设时间内接收机还可以输出精确坐标序列,从精确坐标序列中获取各个观测时刻(时间段)对应的精确坐标(位置信息);此外,还可以剔除物理观测数据的观测粗差;在剔除观测粗差后,确定各个观测时刻(时间段)对应的标定数据单元,每个标定数据单元包括对应的观测时刻(时间段)下的物理观测数据和接收机的位置信息,所有的标定数据单元组成标定数据序列,也即标定数据。
102、根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息。
具体地,可以根据接收机的位置信息,以及接收机和标定设备的位置关系,对标定设备进行定位处理,得到标定设备的位置参数信息。其中,位置参数信息可以包括位置坐标、速度等等,本实施例对此不作限制。接收机和标定设备的位置关系具体可以是接收机和标定设备之间的几何距离。由于接收机可以输出高精度坐标,因此可以利用接收机和标定设备的位置关系,确定标定设备所处的位置,能够提高标定设备位置计算的精确度。
可选地,本实施例中,数据误差标定装置还可以包括标定子装置,如图1d所示,标定子装置具体可以包含标定设备、两台接收机、固定板以及用于固定标定设备和接收机的固定装置。其中,固定板可以用于承载标定设备和接收机。
在具体场景中,标定子装置中的各个设备,即标定设备和两台接收机的测量相位
中心可以保持在同一直线上,以降低计算量;如图1e所示,d1表示标定设备a和接收机A之间
的几何距离,d2表示标定设备a和接收机B之间的几何距离,标定子装置中的各个设备是相
对固定的,标定子装置具体可以放置于开阔场地或者固定在车架上,并启动标定设备和接
收机在预设时间内采集n组物理观测数据,从而得到n组不同时间段的标定数据,各个时间
段可以记为,表示第i个时间段,,第i个时间段获取的标定数据为第i组
标定数据,因此,可以将时间段内获取的接收机A的位置信息记为,将时间段内获
取的接收机B的位置信息记为,则标定设备a的精确坐标的计算过程可以如式子
(1)所示:
103、基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差。
具体地,可以获取目标卫星的位置参数信息,如位置坐标、速度等。基于目标卫星的位置参数信息和标定设备的位置参数信息,确定标定设备对目标卫星的物理真实数据,基于标定设备对该目标卫星的物理观测数据和物理真实数据,确定标定设备的目标物理观测误差。
可选地,本实施例中,所述标定数据还包括所述标定设备采集到的参考卫星的物理观测数据;
步骤“基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差”,可以包括:
基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的初始物理观测误差;
基于所述参考卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述参考卫星的参考物理观测误差;
根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差。
其中,参考卫星的物理观测数据具体可以是标定设备观测到的关于参考卫星的物理数据,它可以包括伪距观测数据、多普勒观测数据等。参考卫星的参考物理观测误差为由标定设备观测得到的参考卫星的物理观测数据的误差。
可选地,本实施例中,参考卫星具体可以是满足预设条件的卫星。该预设条件可以根据实际情况进行设置,本实施例对此不作限制。比如,该预设条件可以是参考卫星和目标卫星对应的数据采集参数处于相同区间范围内,也就是说,将数据采集参数处于目标卫星的数据采集参数对应区间范围的卫星作为参考卫星。一些实施例中,该预设条件还可以包括目标卫星和参考卫星处于同一个卫星系统。比如,属于卫星系统A的目标卫星可以选择卫星系统A中的其他卫星作为参考卫星。
其中,数据采集参数可以包括高度角和载噪比等,本实施例对此不作限制。高度角是指从卫星信号接收设备(如标定设备)所在的点至卫星的方向线与水平面间的夹角。载噪比具体为卫星载波噪声功率谱密度比,可以用来表示载波与载波噪音关系的标准测量尺度。
其中,步骤“根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差”,可以包括:
对所述初始物理观测误差和所述参考物理观测误差进行差值运算,得到所述目标卫星的目标物理观测误差。
其中,对初始物理观测误差和参考物理观测误差进行差值运算,可以消除标定设备钟差、卫星钟差等,使得目标物理观测误差的计算更为准确。其中,卫星钟差具体为卫星上安装的原子钟的钟面与标准时间之间的误差,卫星钟差可以包括由钟差、频偏、频漂等产生的误差,也包含钟的随机误差。标定设备钟差是指标定设备与目标卫星的时钟差,它是由卫星导航接收机时钟不稳定所引起的信号传播时间测量误差。
需要说明的是,上述进行误差计算的数据——参考卫星的物理观测数据和目标卫星的物理观测数据为标定设备在相同观测时刻(时间段)采集得到的。
可选地,本实施例中,该数据误差标定方法还可以包括:
对预设数据采集参数的预设值区间进行划分,得到多个预设值子区间;
确定所述目标卫星对应的数据采集参数所处的目标预设值子区间;
将数据采集参数处于所述目标预设值子区间的卫星确定为所述目标卫星对应的参考卫星。
其中,具体地,可以确定划分单元,基于划分单元对预设数据采集参数的预设值区间进行划分,得到多个预设值子区间,每个预设值子区间为划分单元的长度大小。
在一实施例中,预设数据采集参数可以包括高度角和载噪比,如图1f所示,为标定
设备a观测到的卫星对应的数据采集参数的划分网格,高度角的划分单元可以是,载噪比
CN0的划分单元可以是,将各个网格单元记为,其中,为网
格单元的上下边界值,为网格单元的左右边界值,则有式子(3)和(4),式中,;如下:
对于标定设备观测到的卫星,可以根据其高度角和载噪比进行分类,如图1g所示,
其中,图中标号6对应的预设值子区间的范围为至;例如,
当时,若卫星2的信号载噪比为21dBHz,高度角为8°,图中标号2对应的网格的预设
高度角子区间可为[5°, 10°],预设载噪比子区间为[20dBHz,25dBHz],则卫星2的数据采集
参数所处的预设值子区间为图中标号2对应的网格;可以将卫星2归类至图中的标号2对应
的网格中,以此类推,对观测到的各个卫星进行网格归类放置。
在一些实施例中,参考卫星和目标卫星具体可以是标定设备和接收机共视的卫星。
可选地,本实施例中,所述数据采集参数包括高度角和载噪比,所述预设值子区间包括预设高度角子区间和预设载噪比子区间;
步骤“确定所述目标卫星对应的数据采集参数所处的目标预设值子区间”,可以包括:
确定所述目标卫星对应的高度角所处的目标预设高度角子区间,以及所述目标卫星对应的载噪比所处的目标预设载噪比子区间;
步骤“将数据采集参数处于所述目标预设值子区间的卫星确定为所述目标卫星对应的参考卫星”,可以包括:
将高度角处于所述目标预设高度角子区间、且载噪比处于所述目标预设载噪比子区间的卫星确定为所述目标卫星对应的参考卫星。
可选地,本实施例中,所述标定数据还包括所述接收机采集到的目标卫星的物理观测数据;
步骤“基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差”,可以包括:
基于所述标定设备采集到的目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的第一物理观测误差;
基于所述接收机采集到的目标卫星的物理观测数据和所述接收机的位置信息,对所述接收机进行观测误差计算,得到所述目标卫星的第二物理观测误差;
根据所述目标卫星的第一物理观测误差和第二物理观测误差,确定所述目标卫星的目标物理观测误差。
其中,接收机采集到的目标卫星的物理观测数据可以包括伪距观测数据、多普勒观测数据等。目标卫星的第二物理观测误差为由接收机观测得到的目标卫星的物理观测数据的误差。
其中,可以获取目标卫星的位置参数信息,如位置坐标、速度等。基于目标卫星的位置参数信息和接收机的位置参数信息,确定接收机对目标卫星的物理真实数据,基于接收机对该目标卫星的物理观测数据和物理真实数据,确定接收机针对目标卫星的第二物理观测误差。
其中,步骤“根据所述目标卫星的第一物理观测误差和第二物理观测误差,确定所述目标卫星的目标物理观测误差”,可以包括:
对所述目标卫星的第一物理观测误差和第二物理观测误差进行差值运算,得到所述目标卫星的目标物理观测误差。
其中,对第一物理观测误差和第二物理观测误差进行差值运算,可以消除标定设备和接收机观测的公共误差,使得目标物理观测误差的计算更为准确。
需要说明的是,上述进行误差计算的数据——标定设备采集到的目标卫星的物理观测数据、和接收机采集到的目标卫星的物理观测数据为在相同观测时刻(时间段)进行采集的。
可选地,在一些实施例中,目标物理观测误差还可以通过同一时间段标定设备采集到的目标卫星和参考卫星的物理观测数据、以及接收机采集到的目标卫星和参考卫星的物理观测数据,来计算得到。
104、基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
其中,数据误差标定模型可以是神经网络,该神经网络可以是残差网络(ResNet,Residual Network)和密集连接卷积网络(DenseNet,Dense Convolutional Network)等等,但是应当理解的是,本实施例的神经网络并不仅限于上述列举的几种类型。
神经网络具有复杂的模式分类能力和优良的多维函数映射能力,可以解决简单感知器不能解决的异或(Exclusive OR,XOR)和一些其他问题。从结构上讲,神经网络具有输入层、隐藏层和输出层;从本质上讲,神经网络算法可以以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。
训练后的数据误差标定模型包含数据采集参数和物理观测误差之间的映射关系,因此可以通过训练后的数据误差标定模型基于卫星的目标数据采集参数,对观测到卫星对应的物理观测数据进行误差标定处理,得到该物理观测数据对应的物理观测误差。
在不同的场景中,卫星对应的数据采集参数(如高度角和载噪比)不同,该数据误差标定模型可以基于数据采集参数来确定卫星的物理观测数据的误差,因此可以适用于不同的场景,具有普适性,能够标定智能手机、车载导航芯片等卫星定位设备的物理观测误差。利用训练后的数据误差标定模型能够降低最小二乘和卡尔曼滤波器的模型误差,提高了解算精度。
可选地,本实施例中,步骤“获取标定数据”,可以包括:
获取多组标定数据;
步骤“基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型”,可以包括:
针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合后观测误差;
基于各个预设值子区间对应的融合后观测误差,训练数据误差标定模型。
其中,可以基于各组目标卫星对应的数据采集参数,对各组目标卫星进行分类,处于同个预设值子区间的卫星可以视为一类,对同个预设值子区间的目标卫星对应的目标物理观测误差进行融合,得到该预设值子区间对应的融合后观测误差。其中,融合的方式有多种,本实施例对此不作限制,比如融合方式可以是求方差等等。
其中,步骤“基于各个预设值子区间对应的融合后观测误差,训练数据误差标定模型”,具体可以:基于预设值子区间和融合后观测误差之间的对应关系,对数据误差标定模型进行训练,比如,可以取预设值子区间的中值,将预设值子区间的中值作为数据误差标定模型的输入,通过各层神经元的计算,得到数据采集参数在该预设值子区间内的卫星对应的预测物理观测误差,根据预测物理观测误差和融合后观测误差之间的损失值,对数据误差标定模型进行训练。
可选地,本实施例中,步骤“针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合后观测误差”,可以包括:
针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行均值运算,得到所述预设值子区间对应的平均观测误差;
基于所述平均观测误差,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行方差运算,得到所述预设值子区间对应的融合后观测误差。
可选地,本实施例中,步骤“基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型”,可以包括:
通过数据误差标定模型,基于所述目标卫星对应的数据采集参数对所述目标卫星的物理观测数据进行误差标定处理,得到所述数据采集参数下的目标卫星对应的预测物理观测误差;
根据所述目标卫星的目标物理观测误差与所述预测物理观测误差之间的损失值,对所述数据误差标定模型中的参数进行调整,直到所述损失值满足预设条件,得到训练后的数据误差标定模型。
其中,该预设条件可以根据实际情况进行设置,本实施例对此不作限制。比如,预设条件可以是目标卫星的目标物理观测误差与预测物理观测误差之间的损失值小于预设损失值,若对数据误差标定模型的精度要求越高,该预设损失值越小。
在一具体实施例中,如图1h所示,为数据误差标定模型的训练流程图,具体描述如下:
1001、获取标定子装置中各个设备(接收机和标定设备)间的位置关系;
1002、标定设备采集预设时间(如全天候或多天)内的卫星对应的物理观测数据(如伪距观测数据和多普勒观测数据);
1003、对物理观测数据进行预处理,如剔除观测粗差;
1004、基于标定子装置中各个设备间的位置关系和采集到的物理观测数据,计算标定设备采集到的目标卫星对应的目标物理观测误差;基于目标卫星的数据采集参数所处的目标预设值子区间,对目标卫星对应的目标物理观测误差进行网格归类;
1005、基于网格中数据采集参数和物理观测误差之间的映射关系,训练数据误差标定模型;具体地,数据采集参数包括高度角和载噪比等,训练后的数据误差标定模型可以表示卫星的物理观测误差统计特性(方差、标准差)关于信号载噪比、卫星高度角等因素的函数关系式,具体可以是伪距观测误差关于载噪比和高度角的函数关系式,以及多普勒观测误差关于载噪比和高度角的函数关系式。
由上可知,本实施例可以获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。本申请可以基于目标卫星的数据采集参数和目标物理观测误差,训练数据误差标定模型,使得训练后的数据误差标定模型能够适用于不同场景(包括但不限于地图定位、导航、自动驾驶、智慧交通等),有利于提高误差标定的准确度,进而提高卫星定位精度。
根据前面实施例所描述的方法,以下将以该数据误差标定装置具体集成在服务器举例作进一步详细说明。
本申请实施例提供一种数据误差标定方法,如图2a所示,该数据误差标定方法的具体流程可以如下:
201、服务器获取标定数据,所述标定数据包括接收机的位置信息、标定设备采集到的目标卫星的物理观测数据、以及所述标定设备采集到的参考卫星的物理观测数据。
其中,接收机为能够接收卫星信号的设备。接收机具体可以是GNSS(GlobalNavigation Satellite System,全球导航卫星系统)接收机,它能够输出高精度坐标,即精确的位置信息,可以应用在大地测量、导航、地质灾害监测等众多领域。本实施例中,接收机包括至少一个。
其中,标定设备具体为待标定物理观测误差的设备,标定设备可以接收卫星发送的信号,获取针对卫星的物理观测数据。具体地,标定设备可以为移动终端,移动终端中可以包含卫星定位设备。
其中,物理观测数据为标定设备观测到的关于目标卫星的物理数据,它可以包括伪距观测数据、多普勒观测数据等。
本实施例中,标定数据具体可以包括在预设时间内获取到的多组标定数据,每组标定数据可以包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据。其中,预设时间可以根据实际情况进行设备,本实施例对此不作限制,比如可以为一天,也可以是多天。预设时间可以包括多个时间段。需要说明的是,每组标定数据中的数据信息是在相同的时间段内获取到的。
其中,预设时间中包括多个时间段,每个时间段可以为一个历元,因而,标定数据其实是由多个历元中的每个历元的标定数据组成的。在一些实施例中,每个历元的标定数据可以包括观测到的卫星的载噪比、高度角、伪距观测数据、多普勒观测数据、以及接收机的位置信息等。
可选地,本实施例中,参考卫星具体可以是满足预设条件的卫星。该预设条件可以根据实际情况进行设置,本实施例对此不作限制。比如,该预设条件可以是参考卫星和目标卫星对应的数据采集参数处于相同区间范围内,也就是说,将数据采集参数处于目标卫星的数据采集参数对应区间范围的卫星作为参考卫星。一些实施例中,该预设条件还可以包括目标卫星和参考卫星处于同一个卫星系统。比如,属于卫星系统A的目标卫星可以选择卫星系统A中的其他卫星作为参考卫星。
202、服务器根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息。
具体地,可以根据接收机的位置信息,以及接收机和标定设备的位置关系,对标定设备进行定位处理,得到标定设备的位置参数信息。其中,位置参数信息可以包括位置坐标、速度等等,本实施例对此不作限制。接收机和标定设备的位置关系具体可以是接收机和标定设备之间的几何距离。由于接收机可以输出高精度坐标,因此可以利用接收机和标定设备的位置关系,确定标定设备所处的位置,能够提高标定设备位置计算的精确度。
203、服务器基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的初始物理观测误差。
204、服务器基于所述参考卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述参考卫星的参考物理观测误差。
205、服务器根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差。
其中,步骤“根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差”,可以包括:
对所述初始物理观测误差和所述参考物理观测误差进行差值运算,得到所述目标卫星的目标物理观测误差。
其中,对初始物理观测误差和参考物理观测误差进行差值运算,可以消除标定设备钟差、卫星钟差等,使得目标物理观测误差的计算更为准确。其中,卫星钟差具体为卫星上安装的原子钟的钟面与标准时间之间的误差,卫星钟差可以包括由钟差、频偏、频漂等产生的误差,也包含钟的随机误差。标定设备钟差是指标定设备与目标卫星的时钟差,它是由卫星导航接收机时钟不稳定所引起的信号传播时间测量误差。
可选地,本实施例中,该数据误差标定方法还可以包括:
对预设数据采集参数的预设值区间进行划分,得到多个预设值子区间;
确定所述目标卫星对应的数据采集参数所处的目标预设值子区间;
将数据采集参数处于所述目标预设值子区间的卫星确定为所述目标卫星对应的参考卫星。
206、服务器基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
可选地,本实施例中,步骤“获取标定数据”,可以包括:
获取多组标定数据;
步骤“基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型”,可以包括:
针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合后观测误差;
基于各个预设值子区间对应的融合后观测误差,训练数据误差标定模型。
其中,可以基于各组目标卫星对应的数据采集参数,对各组目标卫星进行分类,处于同个预设值子区间的卫星可以视为一类,对同个预设值子区间的目标卫星对应的目标物理观测误差进行融合,得到该预设值子区间对应的融合后观测误差。其中,融合的方式有多种,本实施例对此不作限制,比如融合方式可以是求方差等等。
其中,数据误差标定模型可以是神经网络,该神经网络可以是残差网络(ResNet,Residual Network)和密集连接卷积网络(DenseNet,Dense Convolutional Network)等等,但是应当理解的是,本实施例的神经网络并不仅限于上述列举的几种类型。
训练后的数据误差标定模型包含数据采集参数和物理观测误差之间的映射关系,因此可以通过训练后的数据误差标定模型基于卫星的目标数据采集参数,对观测到卫星对应的物理观测数据进行误差标定处理,得到该物理观测数据对应的物理观测误差。
在不同的场景中,卫星对应的数据采集参数(如高度角和载噪比)不同,该数据误差标定模型可以基于数据采集参数来确定卫星的物理观测数据的误差,因此可以适用于不同的场景,具有普适性,能够标定智能手机、车载导航芯片等卫星定位设备的物理观测误差。利用训练后的数据误差标定模型能够降低最小二乘和卡尔曼滤波器的模型误差,提高了解算精度。
可选地,本实施例中,步骤“基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型”,可以包括:
通过数据误差标定模型,基于所述目标卫星对应的数据采集参数对所述目标卫星的物理观测数据进行误差标定处理,得到所述数据采集参数下的目标卫星对应的预测物理观测误差;
根据所述目标卫星的目标物理观测误差与所述预测物理观测误差之间的损失值,对所述数据误差标定模型中的参数进行调整,直到所述损失值满足预设条件,得到训练后的数据误差标定模型。
在一具体实施例中,以图1e所示的标定子装置为例,标定子装置可以包括标定设备a以及接收机A和接收机B,获取到的标定数据可以记为R,具体如式子(5)所示:
其中, R也即标定数据序列,它包含有n个标定数据单元(1个标定数据单元对应1
个历元),为历元的标定设备a的伪距观测数据(假设在历元标定设备a观测到颗卫星,各个卫星的伪距观测值记为,则由个伪距观测值组
成),为历元标定设备a的多普勒观测数据(假设历元标定设备a观测到颗卫
星,各个卫星的多普勒观测值记为,则由个多普勒观测值组成);表示历元获取到的接收机A的位置信息,表示历元获取到的接收机B的位
置信息。
参考上述实施例中的描述,可以基于和,计算得到历元下标定设备
a的位置参数信息,该位置参数信息具体可以包括历元下标定设备a的精确坐标(如
式子(1)所示)以及历元下标定设备a的运动速度(如式子(2)所示)。
在一些实施例中,该数据误差标定模型具体可以是伪距观测误差模型,伪距观测误差模型的获取过程如下所述:
式中,c表示光速,为误差改正数(包括电离层、对流层以及地球自转改正,可由
经验模型计算得到),为标定设备a与卫星s之间的空间几何距离,为卫星s与标定设
备a的单位观测向量,为历元下标定设备a得到的钟差,为历元下卫星s的
位置坐标,为历元下卫星s的钟差,和可由全球导航卫星系统分析
中心的精密星历计算得到。
将伪距观测方程代入上式(9),可消除误差改正数、待标定设备钟差、卫星钟差等参数,并且忽略微小项,由此可计算出伪距双差残差值,即
将式子(9)和(11)代入式子(10),可以得到式子(12)如下:
可以理解的是,也可以用接收机B对应的数据代替上述实施例中接收机A的数据进行计算。
(2)在历元标定设备a观测到颗与接收机A共视的卫星:,其中表示历元接收机A的伪距观测数
据;若卫星的载噪比和高度角分别记为和,,参考图1g的网格划
分方式和前面实施例的描述,高度角的划分单元为,载噪比CN0的划分单元为,则
卫星的网格单元位置的计算过程如式子(13)和(14)所示:
将标定数据序列中所有标定数据单元都进行上述步骤处理后,则每个网格单元
可以对应一组伪距双差残差值序列,第i行第j列对应的网格单元的伪距双差残差值序列记
为,其中和分别为第i行的下边界值、上边界值,和分别为第j列
的左边界值、右边界值;,其中,该网
格单元中各个伪距双差残差值可以记为。
对于m行n列的网格,可以构建如式子(18)所示的网格序列,即
上述实施例中的步骤“针对每个预设值子区间,对数据采集参数处于所述预设值
子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合
后观测误差”,具体可以包括:计算各个网格单元(即各个预设值子区间)对应伪距双差残差
值序列的方差值,如式子(21)所示:
同时,构建方差网格,如式子(22)所示:
伪距观测误差的标准差网格如式子(23)所示:
如图2b所示,为训练伪距观测误差模型的流程图。首先可以将(包含高度角、
载噪比和伪距观测误差的标准差之间的映射关系)作为伪距观测误差模型(也即数据误差
标定模型)的训练数据集,并对训练数据集中的数据进行归一化处理;设置伪距观测误差模
型的训练参数,如最大训练次数、学习精度、隐层节点数、初始权值、阈值以及初始学习速率
等等。然后,将高度角和载噪比作为伪距观测误差模型的输入,通过伪距观测误差模型
各层神经元的计算,由伪距观测误差模型的输出层输出高度角和载噪比下的预测伪距
观测误差,计算预测伪距观测误差和伪距观测误差之间的误差E,当该误差E不小
于预设阈值时,对伪距观测误差模型各层神经元的参数进行调整,并返回执行之前“将高度
角和载噪比作为伪距观测误差模型的输入,通过伪距观测误差模型各层神经元的计
算,由伪距观测误差模型的输出层输出高度角和载噪比下的预测伪距观测误差,计算
预测伪距观测误差和伪距观测误差之间的误差E”的步骤,直到误差E小于预设阈
值,得到训练后的数据误差标定模型,即卫星定位设备的伪距观测误差模型,其结构如图2c
所示。
如图2d所示,为伪距观测误差模型的获取流程,首先获取标定数据序列,标定数据序列中包含多个标定数据单元,根据标定数据单元计算标定设备a的精确坐标和运动速度,再从标定数据单元中查找标定设备a和接收机A共同观测到的卫星S={s1,s2,…,sm},根据载噪比和高度角确定卫星对应的网格单元位置,根据网格单元的位置和卫星系统选取卫星对应的参考卫星,计算卫星和参考卫星二者之间的伪距双差残差值,可选地,不同的卫星系统可以对应不同的网格,可以根据卫星系统和卫星对应的网格单元将伪距双差残差值进行归类放置。标定数据序列包含多个历元的标定数据单元,因此可以得到多个历元对应的伪距双差残差值,进而构建时间序列网格,即将多个历元对应的伪距双差残差值进行归类放置,计算时间序列网格中同个网格单元内标定设备a的伪距观测误差的方差和标准差,进而基于该标准差和网格单元(也即高度角和载噪比)的对应关系,对伪距观测误差模型进行训练。
在一些实施例中,该数据误差标定模型具体可以是多普勒观测误差模型,多普勒观测误差模型的获取过程如下所述:
将多普勒观测方程代入式子(25)并且忽略微小项,则有
由此可得多普勒单差残差值为
将标定数据序列中所有标定数据单元都进行上述步骤处理后,则每个网格单元
对应一组多普勒单差残差值序列,第i行第j列对应的网格单元的多普勒单差残差值序列记
为,其中和分别为第i行的下边界值、上边界值,和分别为第j
列的左边界值、右边界值;,其中,该
网格单元中各个多普勒单差残差值可以记为。
对于m行n列的网络,可以构建如下式子(35)所示的网格序列,即
上述实施例中的步骤“针对每个预设值子区间,对数据采集参数处于所述预设值
子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合
后观测误差”,具体可以包括:计算各个网格单元(即各个预设值子区间)对应多普勒残差值
序列的方差值,如式子(36)所示:
同时,构建方差网格,标定设备a的多普勒观测误差的方差网格如式子(37)所示:
多普勒观测误差的标准差网格如式子(38)所示:
如图2e所示,为训练多普勒观测误差模型的流程图。首先可以将(包含高
度角、载噪比和多普勒观测误差的标准差之间的映射关系)作为多普勒观测误差模型(也即
数据误差标定模型)的训练数据集,并对训练数据集中的数据进行归一化处理;设置多普勒
观测误差模型的训练参数,如最大训练次数、学习精度、隐层节点数、初始权值、阈值以及初
始学习速率等等。然后,将高度角和载噪比作为多普勒观测误差模型的输入,通过多普
勒观测误差模型各层神经元的计算,由多普勒观测误差模型的输出层输出高度角和载噪
比下的预测多普勒观测误差,计算预测多普勒观测误差和多普勒观测误差之
间的误差E,当该误差E不小于预设阈值时,对多普勒观测误差模型的各层神经元的参数进
行调整,并返回执行之前“将高度角和载噪比作为多普勒观测误差模型的输入,通过多
普勒观测误差模型各层神经元的计算,由多普勒观测误差模型的输出层输出高度角和载
噪比下的预测多普勒观测误差,计算预测多普勒观测误差和多普勒观测误差
之间的误差E”的步骤,直到误差E小于预设阈值,等等训练后的数据误差标定模型,即卫星
定位设备的多普勒观测误差模型,其结构如图2f所示。
如图2g所示,为多普勒观测误差模型的获取流程,首先获取标定数据序列,标定数据序列中包含多个标定数据单元,根据标定数据单元计算标定设备a的精确坐标和运动速度,再从标定数据单元中获取标定设备a观测到的卫星Sa={sa1,sa2,…,sam},根据卫星的载噪比和高度角确定该卫星对应的网格单元位置,根据网格单元的位置和卫星系统选取该卫星对应的参考卫星,计算卫星和参考卫星之间的多普勒单差残差值,可选地,不同的卫星系统可以对应不同的网格,可以根据卫星系统和卫星对应的网格单元将多普勒单差残差值进行归类放置。标定数据序列包含多个历元的标定数据单元,因此可以得到多个历元对应的多普勒单差残差值,进而构建时间序列网格,即将多个历元对应的多普勒单差残差值进行归类放置,计算时间序列网格中同个网格单元内标定设备a的多普勒观测误差的方差和标准差,进而基于该标准差和网格单元(也即高度角和载噪比)的对应关系,对多普勒观测误差模型进行训练。
由上可知,本实施例可以通过服务器获取标定数据,所述标定数据包括接收机的位置信息、标定设备采集到的目标卫星的物理观测数据、以及所述标定设备采集到的参考卫星的物理观测数据;根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的初始物理观测误差;基于所述参考卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述参考卫星的参考物理观测误差;根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差;基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。本申请可以基于目标卫星的数据采集参数和目标物理观测误差,训练数据误差标定模型,使得训练后的数据误差标定模型能够适用于不同场景(包括但不限于地图定位、导航、自动驾驶、智慧交通等),有利于提高误差标定的准确度,进而提高卫星定位精度。
为了更好地实施以上方法,本申请实施例还提供一种数据误差标定装置,如图3a所示,该数据误差标定装置可以包括获取单元301、定位单元302、计算单元303和训练单元304,如下:
(1)获取单元301;
获取单元301,用于获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据。
(2)定位单元302;
定位单元302,用于根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息。
(3)计算单元303;
计算单元303,用于基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差。
可选的,在本申请的一些实施例中,所述标定数据还包括所述标定设备采集到的参考卫星的物理观测数据;所述计算单元303可以包括第一计算子单元3031、第二计算子单元3032和第一确定子单元3033,参见图3b,如下:
所述第一计算子单元3031,用于基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的初始物理观测误差;
第二计算子单元3032,用于基于所述参考卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述参考卫星的参考物理观测误差;
第一确定子单元3033,用于根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差。
可选的,在本申请的一些实施例中,所述计算单元303还可以包括划分子单元3034、区间确定子单元3035和卫星确定子单元3036,参见图3c,如下:
所述划分子单元3034,用于对预设数据采集参数的预设值区间进行划分,得到多个预设值子区间;
区间确定子单元3035,用于确定所述目标卫星对应的数据采集参数所处的目标预设值子区间;
卫星确定子单元3036,用于将数据采集参数处于所述目标预设值子区间的卫星确定为所述目标卫星对应的参考卫星。
可选的,在本申请的一些实施例中,所述数据采集参数包括高度角和载噪比,所述预设值子区间包括预设高度角子区间和预设载噪比子区间;
所述区间确定子单元3035具体可以用于确定所述目标卫星对应的高度角所处的目标预设高度角子区间,以及所述目标卫星对应的载噪比所处的目标预设载噪比子区间;
所述卫星确定子单元3036具体可以用于将高度角处于所述目标预设高度角子区间、且载噪比处于所述目标预设载噪比子区间的卫星确定为所述目标卫星对应的参考卫星。
可选的,在本申请的一些实施例中,所述标定数据还包括所述接收机采集到的目标卫星的物理观测数据;所述计算单元303可以包括第三计算子单元3037、第四计算子单元3038和第二确定子单元3039,参见图3d,如下:
所述第三计算子单元3037,用于基于所述标定设备采集到的目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的第一物理观测误差;
第四计算子单元3038,用于基于所述接收机采集到的目标卫星的物理观测数据和所述接收机的位置信息,对所述接收机进行观测误差计算,得到所述目标卫星的第二物理观测误差;
第二确定子单元3039,用于根据所述目标卫星的第一物理观测误差和第二物理观测误差,确定所述目标卫星的目标物理观测误差。
(4)训练单元304;
训练单元304,用于基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
可选的,在本申请的一些实施例中,所述获取单元301具体可以用于获取多组标定数据;
所述训练单元304可以包括融合子单元3041和训练子单元3042,参见图3e,如下:
所述融合子单元3041,用于针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合后观测误差;
训练子单元3042,用于基于各个预设值子区间对应的融合后观测误差,训练数据误差标定模型。
可选的,在本申请的一些实施例中,所述融合子单元3041具体可以用于针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行均值运算,得到所述预设值子区间对应的平均观测误差;基于所述平均观测误差,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行方差运算,得到所述预设值子区间对应的融合后观测误差。
可选的,在本申请的一些实施例中,所述训练单元304可以包括标定子单元3043和调整子单元3044,参见图3f,如下:
所述标定子单元3043,用于通过数据误差标定模型,基于所述目标卫星对应的数据采集参数对所述目标卫星的物理观测数据进行误差标定处理,得到所述数据采集参数下的目标卫星对应的预测物理观测误差;
调整子单元3044,用于根据所述目标卫星的目标物理观测误差与所述预测物理观测误差之间的损失值,对所述数据误差标定模型中的参数进行调整,直到所述损失值满足预设条件,得到训练后的数据误差标定模型。
由上可知,本实施例可以通过获取单元301获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;由定位单元302根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;通过计算单元303基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;通过训练单元304基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。本申请可以基于目标卫星的数据采集参数和目标物理观测误差,训练数据误差标定模型,使得训练后的数据误差标定模型能够适用于不同场景(包括但不限于地图定位、导航、自动驾驶、智慧交通等),有利于提高误差标定的准确度,进而提高卫星定位精度。
本申请实施例还提供一种电子设备,如图4所示,其示出了本申请实施例所涉及的电子设备的结构示意图,该电子设备可以是终端或者服务器等,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图4中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
电子设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,该电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本实施例可以获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。本申请可以基于目标卫星的数据采集参数和目标物理观测误差,训练数据误差标定模型,使得训练后的数据误差标定模型能够适用于不同的观测场景(包括但不限于地图定位、导航、自动驾驶、智慧交通等),有利于提高误差标定的准确度,进而提高卫星定位精度。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种数据误差标定方法中的步骤。例如,该指令可以执行如下步骤:
获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种数据误差标定方法中的步骤,因此,可以实现本申请实施例所提供的任一种数据误差标定方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述数据误差标定方面的各种可选实现方式中提供的方法。
以上对本申请实施例所提供的一种数据误差标定方法、装置、电子设备和存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种数据误差标定方法,其特征在于,包括:
获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;所述标定数据还包括所述标定设备采集到的参考卫星的物理观测数据;
根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;
基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;其中,所述基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差,包括:基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的初始物理观测误差;基于所述参考卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述参考卫星的参考物理观测误差;根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差;
基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对预设数据采集参数的预设值区间进行划分,得到多个预设值子区间;
确定所述目标卫星对应的数据采集参数所处的目标预设值子区间;
将数据采集参数处于所述目标预设值子区间的卫星确定为所述目标卫星对应的参考卫星。
3.根据权利要求2所述的方法,其特征在于,所述数据采集参数包括高度角和载噪比,所述预设值子区间包括预设高度角子区间和预设载噪比子区间;
所述确定所述目标卫星对应的数据采集参数所处的目标预设值子区间,包括:
确定所述目标卫星对应的高度角所处的目标预设高度角子区间,以及所述目标卫星对应的载噪比所处的目标预设载噪比子区间;
所述将数据采集参数处于所述目标预设值子区间的卫星确定为所述目标卫星对应的参考卫星,包括:
将高度角处于所述目标预设高度角子区间、且载噪比处于所述目标预设载噪比子区间的卫星确定为所述目标卫星对应的参考卫星。
4.根据权利要求2所述的方法,其特征在于,所述获取标定数据,包括:
获取多组标定数据;
所述基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,包括:
针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合后观测误差;
基于各个预设值子区间对应的融合后观测误差,训练数据误差标定模型。
5.根据权利要求4所述的方法,其特征在于,所述针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行融合,得到所述预设值子区间对应的融合后观测误差,包括:
针对每个预设值子区间,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行均值运算,得到所述预设值子区间对应的平均观测误差;
基于所述平均观测误差,对数据采集参数处于所述预设值子区间的各组目标卫星的目标物理观测误差进行方差运算,得到所述预设值子区间对应的融合后观测误差。
6.根据权利要求1所述的方法,其特征在于,所述标定数据还包括所述接收机采集到的目标卫星的物理观测数据;
所述基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差,还包括:
基于所述标定设备采集到的目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的第一物理观测误差;
基于所述接收机采集到的目标卫星的物理观测数据和所述接收机的位置信息,对所述接收机进行观测误差计算,得到所述目标卫星的第二物理观测误差;
根据所述目标卫星的第一物理观测误差和第二物理观测误差,确定所述目标卫星的目标物理观测误差。
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,包括:
通过数据误差标定模型,基于所述目标卫星对应的数据采集参数对所述目标卫星的物理观测数据进行误差标定处理,得到所述数据采集参数下的目标卫星对应的预测物理观测误差;
根据所述目标卫星的目标物理观测误差与所述预测物理观测误差之间的损失值,对所述数据误差标定模型中的参数进行调整,直到所述损失值满足预设条件,得到训练后的数据误差标定模型。
8.一种数据误差标定装置,其特征在于,包括:
获取单元,用于获取标定数据,所述标定数据包括接收机的位置信息和标定设备采集到的目标卫星的物理观测数据;所述标定数据还包括所述标定设备采集到的参考卫星的物理观测数据;
定位单元,用于根据所述接收机的位置信息,对所述标定设备进行定位处理,得到所述标定设备的位置参数信息;
计算单元,用于基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差;其中,所述基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的目标物理观测误差,包括:基于所述目标卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述目标卫星的初始物理观测误差;基于所述参考卫星的物理观测数据和所述标定设备的位置参数信息,对所述标定设备进行观测误差计算,得到所述参考卫星的参考物理观测误差;根据所述初始物理观测误差和所述参考物理观测误差,确定所述目标卫星的目标物理观测误差;
训练单元,用于基于所述目标卫星对应的数据采集参数、以及目标物理观测误差,训练数据误差标定模型,以通过训练后的数据误差标定模型,对目标数据采集参数的物理观测数据进行误差标定处理。
9.一种电子设备,其特征在于,包括存储器和处理器;所述存储器存储有应用程序,所述处理器用于运行所述存储器内的应用程序,以执行权利要求1至7任一项所述的数据误差标定方法中的操作。
10.一种存储介质,其特征在于,所述存储介质存储有至少一条指令,所述指令适于处理器进行加载,以执行权利要求1至7任一项所述的数据误差标定方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493673.5A CN112902989B (zh) | 2021-05-07 | 2021-05-07 | 数据误差标定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493673.5A CN112902989B (zh) | 2021-05-07 | 2021-05-07 | 数据误差标定方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112902989A CN112902989A (zh) | 2021-06-04 |
CN112902989B true CN112902989B (zh) | 2021-07-16 |
Family
ID=76108980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110493673.5A Active CN112902989B (zh) | 2021-05-07 | 2021-05-07 | 数据误差标定方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112902989B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230126547A1 (en) * | 2021-06-30 | 2023-04-27 | Onenav, Inc. | Machine learning in gnss receivers for improved velocity outputs |
CN113642252B (zh) * | 2021-08-31 | 2022-05-17 | 中国人民解放军国防科技大学 | 基于单颗卫星的目标定位方法、装置、电子设备及介质 |
CN114399850B (zh) * | 2021-12-27 | 2022-11-22 | 四川领歌智谷科技有限公司 | 基于语音及位置识别的考勤方法、电子学生证及存储介质 |
CN114397680A (zh) * | 2022-01-17 | 2022-04-26 | 腾讯科技(深圳)有限公司 | 误差模型确定方法、装置、设备及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907895A (zh) * | 2017-11-28 | 2018-04-13 | 千寻位置网络有限公司 | 基于卷积神经网络的云端定位误差修正方法及系统 |
CN109696698A (zh) * | 2019-03-05 | 2019-04-30 | 湖南国科微电子股份有限公司 | 导航定位预测方法、装置、电子设备及存储介质 |
CN110487271A (zh) * | 2019-09-26 | 2019-11-22 | 哈尔滨工程大学 | 一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法 |
CN111854741A (zh) * | 2020-06-16 | 2020-10-30 | 中国人民解放军战略支援部队信息工程大学 | 一种gnss/ins紧组合滤波器及导航方法 |
CN112433236A (zh) * | 2021-01-27 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 误差模型标定方法、装置、设备及计算机可读存储介质 |
CN112558125A (zh) * | 2021-02-22 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种车辆定位的方法、相关装置、设备以及存储介质 |
-
2021
- 2021-05-07 CN CN202110493673.5A patent/CN112902989B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907895A (zh) * | 2017-11-28 | 2018-04-13 | 千寻位置网络有限公司 | 基于卷积神经网络的云端定位误差修正方法及系统 |
CN109696698A (zh) * | 2019-03-05 | 2019-04-30 | 湖南国科微电子股份有限公司 | 导航定位预测方法、装置、电子设备及存储介质 |
CN110487271A (zh) * | 2019-09-26 | 2019-11-22 | 哈尔滨工程大学 | 一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法 |
CN111854741A (zh) * | 2020-06-16 | 2020-10-30 | 中国人民解放军战略支援部队信息工程大学 | 一种gnss/ins紧组合滤波器及导航方法 |
CN112433236A (zh) * | 2021-01-27 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 误差模型标定方法、装置、设备及计算机可读存储介质 |
CN112558125A (zh) * | 2021-02-22 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种车辆定位的方法、相关装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112902989A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112902989B (zh) | 数据误差标定方法、装置、电子设备和存储介质 | |
US11237276B2 (en) | System and method for gaussian process enhanced GNSS corrections generation | |
CN104406605B (zh) | 机载多导航源综合导航仿真系统 | |
CN104678408B (zh) | 星载导航接收机授时方法和授时型星载导航接收机以及星载导航应用系统 | |
RU2479855C2 (ru) | Зависящее от расстояния уменьшение ошибки при определении местоположения в режиме кинематики реального времени | |
CN109313268A (zh) | 具有宽巷偏差校正值和窄巷偏差校正值的导航卫星的轨道和低延时时钟的确定 | |
CN112433236B (zh) | 误差模型标定方法、装置、设备及计算机可读存储介质 | |
US20240142637A1 (en) | System and method for gaussian process enhanced gnss corrections generation | |
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 | |
CN109154670A (zh) | 导航卫星宽巷偏差确定系统和方法 | |
CN102679985A (zh) | 一种应用星间跟踪的航天器星座分散化自主导航方法 | |
CN114646992A (zh) | 定位方法、装置、计算机设备、存储介质和计算机程序产品 | |
Seepersad | Reduction of initial convergence period in GPS PPP data processing | |
Zhang et al. | Machine learning methods for spaceborne GNSS-R sea surface height measurement from TDS-1 | |
Iiyama et al. | Precise Positioning and Timekeeping in a Lunar Orbit via Terrestrial GPS Time-Differenced Carrier-Phase Measurements | |
CN116594046B (zh) | 基于低轨卫星信号多普勒误差补偿的运动目标定位方法 | |
Peng et al. | GNSS-based hardware-in-the-loop simulations of spacecraft formation flying with the global ionospheric model TIEGCM | |
CN115314101B (zh) | 一种基于并行计算的低轨通信卫星星座快速建模方法 | |
CN113866732B (zh) | 一种单部雷达短弧测轨能力的计算方法 | |
US20230046944A1 (en) | Architecture for increased multilateration position resolution | |
CN114063122A (zh) | 电推进转移轨道航天器星载gnss在轨实时定轨方法 | |
CN111337955B (zh) | 星载单星测频无源定位接收机试验方法 | |
Liu et al. | Autonomous navigation technology of whole space | |
CN113917509B (zh) | 一种双差模糊度固定方法、设备以及可读存储介质 | |
He et al. | Monitoring and mitigating ionosphere threats in gnss space environment science |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40048275 Country of ref document: HK |