一种基于SVM的区域电离层模型补偿方法与流程

文档序号:18630706发布日期:2019-09-06 23:35阅读:352来源:国知局
一种基于SVM的区域电离层模型补偿方法与流程

本发明涉及全球导航卫星系统(globalnavigationsatellitesystem,gnss)卫星定位方法,特别涉及基于支持向量机(supportvectormachine,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(totalelectroncontents,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(continuousoperationalreferencesystem,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(verticaltotalelectroncontents,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。



技术实现要素:

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:

式中,fsvm表示待求的svm回归模型函数,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:

式中,x表示学习样本的特征值,ω和b表示回归模型系数,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:

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,ω和b表示回归模型系数,表示特征值映射函数。svm回归模型的损失函数度量为:

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:

在求解目标函数的过程中,涉及到计算內积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:

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:

式中,fsvm表示待求的svm模型函数,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:

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。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1