基于EMD-LSTM耦合預測模型的BDS多路徑誤差削弱方法研究
發(fā)布時間:2021-08-13 22:25
北斗衛(wèi)星導航系統(tǒng)(BDS)在短基線測量中存在的多路徑誤差是影響定位精度的主要誤差項.針對多路徑誤差的非線性以及坐標序列的非平穩(wěn)特性,擬采用經(jīng)驗模態(tài)分解(EMD)與長短期記憶網(wǎng)絡(LSTM)結(jié)合的方法,構(gòu)建EMD-LSTM耦合預測模型,對多路徑誤差進行預測,削弱多路徑誤差的影響.實驗結(jié)果表明,EMD-LSTM耦合預測模型能夠有效地削弱了多路徑誤差影響,E、N、U方向精度分別提高了22%、36%、40%.
【文章來源】:全球定位系統(tǒng). 2020,45(02)CSCD
【文章頁數(shù)】:7 頁
【部分圖文】:
EMD-LSTM耦合模型流程圖
對當天進行預測時,首先取前一天原始觀測數(shù)據(jù)為訓練數(shù)據(jù),該天數(shù)據(jù)為測試數(shù)據(jù),若對DOY134進行預測時,需取DOY133為訓練數(shù)據(jù),其中原始觀測數(shù)據(jù)如圖2所示. LSTM網(wǎng)絡迭代次數(shù)為100次,輸入變量數(shù)為100歷元,輸出變量數(shù)為1歷元,時間步長設置為256,隱含層為12. 為了減小建模誤差,在進行訓練前將數(shù)據(jù)進行歸一化處理,預測后進行反歸一化即得真實預測值.為方便觀測坐標序列趨勢,在DOY134和DOY135各方向添加一定數(shù)值. 接收機雖裝有扼流圈天線,由圖2所示,多路徑誤差依然明顯,同時證明了硬件端削弱多路徑誤差程度有限. 限于篇幅,僅以E方向為例. 首先將訓練數(shù)據(jù)進行EMD多尺度分解,圖3為DOY133的E方向坐標序列經(jīng)EMD分解的模態(tài)分量圖.
為方便觀測坐標序列趨勢,在DOY134和DOY135各方向添加一定數(shù)值. 接收機雖裝有扼流圈天線,由圖2所示,多路徑誤差依然明顯,同時證明了硬件端削弱多路徑誤差程度有限. 限于篇幅,僅以E方向為例. 首先將訓練數(shù)據(jù)進行EMD多尺度分解,圖3為DOY133的E方向坐標序列經(jīng)EMD分解的模態(tài)分量圖.分解得13個模態(tài)分量與1個殘余分量,計算分解提取尺度的RP系數(shù)在IMF4開始RP大于等于1,IMF1到IMF3均為高頻的隨機噪聲并剔除. 對IMF4至IMF13和Res分別進入LSTM網(wǎng)絡訓練和預測,并對預測得到的分量重構(gòu)多路徑誤差. 圖4為兩組方案的預測結(jié)果.
本文編號:3341230
【文章來源】:全球定位系統(tǒng). 2020,45(02)CSCD
【文章頁數(shù)】:7 頁
【部分圖文】:
EMD-LSTM耦合模型流程圖
對當天進行預測時,首先取前一天原始觀測數(shù)據(jù)為訓練數(shù)據(jù),該天數(shù)據(jù)為測試數(shù)據(jù),若對DOY134進行預測時,需取DOY133為訓練數(shù)據(jù),其中原始觀測數(shù)據(jù)如圖2所示. LSTM網(wǎng)絡迭代次數(shù)為100次,輸入變量數(shù)為100歷元,輸出變量數(shù)為1歷元,時間步長設置為256,隱含層為12. 為了減小建模誤差,在進行訓練前將數(shù)據(jù)進行歸一化處理,預測后進行反歸一化即得真實預測值.為方便觀測坐標序列趨勢,在DOY134和DOY135各方向添加一定數(shù)值. 接收機雖裝有扼流圈天線,由圖2所示,多路徑誤差依然明顯,同時證明了硬件端削弱多路徑誤差程度有限. 限于篇幅,僅以E方向為例. 首先將訓練數(shù)據(jù)進行EMD多尺度分解,圖3為DOY133的E方向坐標序列經(jīng)EMD分解的模態(tài)分量圖.
為方便觀測坐標序列趨勢,在DOY134和DOY135各方向添加一定數(shù)值. 接收機雖裝有扼流圈天線,由圖2所示,多路徑誤差依然明顯,同時證明了硬件端削弱多路徑誤差程度有限. 限于篇幅,僅以E方向為例. 首先將訓練數(shù)據(jù)進行EMD多尺度分解,圖3為DOY133的E方向坐標序列經(jīng)EMD分解的模態(tài)分量圖.分解得13個模態(tài)分量與1個殘余分量,計算分解提取尺度的RP系數(shù)在IMF4開始RP大于等于1,IMF1到IMF3均為高頻的隨機噪聲并剔除. 對IMF4至IMF13和Res分別進入LSTM網(wǎng)絡訓練和預測,并對預測得到的分量重構(gòu)多路徑誤差. 圖4為兩組方案的預測結(jié)果.
本文編號:3341230
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3341230.html
最近更新
教材專著