System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術涉及衛星導航定位,特別地,涉及一種對流層誤差修正方法、裝置、電子設備及存儲介質。
技術介紹
1、對流層是最接近地球表面的一層大氣,它影響著氣候與大氣平衡,也與人類生活的各個方面息息相關。在gnss定位中,受對流層大氣折射影響,衛星信號穿過對流層時,會發生路徑的彎曲和延遲,這種延遲稱為對流層延遲。在衛星導航定位系統中,對流層延遲是重要的誤差源之一,它包括干延遲和濕延遲兩部分。干延遲主要是由大氣中的干空氣成分(如氧氣和氮氣)引起的,而濕延遲則是由大氣中的水汽引起的。對流層延遲在導航定位解算中是不可忽視的誤差源,其天頂方向延遲可達兩米多,且隨著信號仰角的減小,這種延遲會逐漸變大。對流層為非色散性的介質,延遲與信號的頻率無關,故無法采用多頻組合觀測值進行消除,故導致信號失真,且傳統的修正方法精度不穩定。
技術實現思路
1、本專利技術旨在至少解決現有技術中存在的技術問題之一。為此,本專利技術提出一種對流層誤差修正方法。
2、為實現上述目的,本專利技術采用的技術方案如下:
3、一種對流層誤差修正方法,包括如下步驟:s1,獲取離測站最近的前后兩個格網點的多個氣象參數數據;s2,將步驟s1獲取的數據代入參數計算模型,獲得測站的各氣象參數的數值;s3,根據測站的各氣象參數的數值以及測站的緯度、高度,獲得測站處的天頂干延遲、天頂濕延遲;s4,構建深度學習模型,并利用歷史數據對深度學習模型進行訓練;s5,將測站的緯度、經度、高度、年積日、、作為輸入值代入深度學習模型,獲
4、進一步地,當測站的緯度的絕對值大于15°以及小于75°時,所述參數計算模型為:
5、;
6、當測站的緯度的絕對值小于等于15°或者大于等于75°時,所述參數計算模型為:
7、;
8、為氣象參數的數值,為觀測日期的年積日;為測站處的緯度,為與測站鄰近的前一格網點的緯度,為與測站鄰近的后一格網點的緯度;為與測站鄰近的前一格網點的氣象參數的年平均值;
9、為與測站鄰近的后一格網點的氣象參數的年平均值;
10、為與測站鄰近的前一格網點的氣象參數的年變化值;
11、為與測站鄰近的后一格網點的氣象參數的年變化值;
12、為比例系數。
13、進一步地,所述測站的氣象參數包括氣溫、氣壓、相對濕度、水汽壓、溫度變化率、水汽壓變化率。
14、進一步地,根據如下公式計算測站處的水汽壓:
15、;、、、、分別為水汽壓第一系數、水汽壓第二系數、水汽壓第三系數、水汽壓第四系數和水汽壓第五系數;、分別為水汽壓第一常數、水汽壓第二常數,為絕對零度時的攝氏溫度數值。
16、進一步地,步驟s3中,天頂干延遲、天頂濕延遲通過如下公式獲得:
17、;
18、;
19、;
20、為延遲第一系數,g為重力加速度,h為測站的高度;、、分別為第一折射常數、第二折射常數和第三折射常數;
21、為圓柱體大氣的重力加速度,為水蒸氣平均溫度。
22、進一步地,根據如下公式獲得:。
23、進一步地,步驟s4具體包括:s41,構建深度學習模型,所述深度學習模型的輸入層節點數為6,分別為測站緯度、經度、高度、年積日、、,輸出層為測站對應的對流層干延遲殘差和對流層濕延遲殘差;s42,選取多個站點的歷史測站數據作為樣本數據,對深度學習模型進行訓練。
24、本專利技術還提供一種對流層誤差修正裝置,包括:參數獲取模塊,用于獲取離測站最近的前后兩個格網點的多個氣象參數數據;參數計算模塊,用于將步驟s1獲取的數據代入參數計算模型,獲得測站的各氣象參數的數值;延遲獲取模塊,根據測站的各氣象參數的數值以及測站的緯度、高度,獲得測站處的天頂干延遲、天頂濕延遲;模型構建模塊,用于構建深度學習模型,并利用歷史數據對深度學習模型進行訓練;延遲殘差獲取模塊,用于將測站的緯度、經度、高度、年積日、、作為輸入值代入深度學習模型,獲得測站對應的對流層的干延遲殘差和對流層的濕延遲殘差;對流層修正模塊,用于獲得測站對應的對流層修正后的干延遲和濕延遲。
25、本專利技術還提出一種電子設備,所述設備包括處理器以及存儲器:所述存儲器用于存儲程序代碼,并將所述程序代碼傳輸給所述處理器;所述處理器用于根據所述程序代碼中的指令執行所述的對流層誤差修正方法。
26、本專利技術還提出一種存儲介質,所述存儲介質存儲有計算機程序,所述計算機程序被處理器執行時實現所述的對流層誤差修正方法。
27、本專利技術具有以下有益效果:
28、利用格網點的多個氣象參數去獲得測站的各氣象參數的數值,從而獲得較為精確的測站氣象參數值,為后續數據處理提供穩定的基礎;最后通過深度學習模型獲得對流層的干延遲殘差和對流層的濕延遲殘差,并最終獲得補償修正殘差后的干延遲和濕延遲;從而對對流層的延遲進行修正,減少誤差,提高信號精度。
29、除了上面所描述的目的、特征和優點之外,本專利技術還有其它的目的、特征和優點。下面將參照圖,對本專利技術作進一步詳細的說明。
本文檔來自技高網...【技術保護點】
1.一種對流層誤差修正方法,其特征在于,包括如下步驟:
2.根據權利要求1所述的對流層誤差修正方法,其特征在于,當測站的緯度的絕對值大于15°以及小于75°時,所述參數計算模型為:
3.根據權利要求1所述的對流層誤差修正方法,其特征在于,所述測站的氣象參數包括氣溫、氣壓、相對濕度、水汽壓、溫度變化率、水汽壓變化率。
4.根據權利要求3所述的對流層誤差修正方法,其特征在于,根據如下公式計算測站處的水汽壓:
5.根據權利要求4所述的對流層誤差修正方法,其特征在于,步驟S3中,天頂干延遲、天頂濕延遲通過如下公式獲得:
6.根據權利要求5所述的對流層誤差修正方法,其特征在于,根據如下公式獲得:
7.根據權利要求1所述的對流層誤差修正方法,其特征在于,步驟S4具體包括:
8.一種對流層誤差修正裝置,用于實施如權利要求1至7任一項所述的對流層誤差修正方法,其特征在于,包括:
9.一種電子設備,其特征在于,包括處理器以及存儲器,
10.一種存儲介質,所述存儲介質存儲有計算機程序,其特征在
...【技術特征摘要】
1.一種對流層誤差修正方法,其特征在于,包括如下步驟:
2.根據權利要求1所述的對流層誤差修正方法,其特征在于,當測站的緯度的絕對值大于15°以及小于75°時,所述參數計算模型為:
3.根據權利要求1所述的對流層誤差修正方法,其特征在于,所述測站的氣象參數包括氣溫、氣壓、相對濕度、水汽壓、溫度變化率、水汽壓變化率。
4.根據權利要求3所述的對流層誤差修正方法,其特征在于,根據如下公式計算測站處的水汽壓:
5.根據權利要求4所述的對流層誤差修正方法,其特征在于,步驟s3中,天頂干延遲、天頂...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。