[发明专利]一种基于BP神经网络技术的GNSS多路径效应改正方法

权利要求书

1.一种基于BP神经网络技术的GNSS多路径效应改正方法，其特征在于，包括以下步骤：

(1)、多路径误差提取：连续采集一个时间段基准站和监测站的星历数据、载波和伪距观测值，对采集的数据进行处理，提取基准站和监测站各个卫星的多路径误差MP序列；MP序列由若干个历元的M_p1、M_p2多路径误差值组成；同时对MP序列中的M_p1、M_p2多路径误差值进行样本预选，得到不包含模糊度信息的多路径误差MP序列；

(2)、样本预处理：通过一元多次多项式拟合的方法将步骤(1)中计算得到的多路径误差MP序列中的粗差剔除，得到不包含粗差的干净MP序列数据；

对监测站和基准站中共同卫星的剔除粗差后的MP序列数据进行双差分处理，得到多路径误差的双差分时间序列数据，然后将双差分时间序列数据进行归一化处理；

其中，单差处理为：将监测站和基准站中各共同卫星的剔除粗差后的M_p1、M_p2数据按式3)处理；

式3)中M_监pli、M_监p2i、M_基p2i、M_基p1i为步骤(1)计算得到的监测站和基准站第i颗卫星p1、p2频段的多路径误差；M_d1i、M_d2i为第i颗卫星p1、p2频段的单差分多路径误差值；

双差处理为：将单差处理后得到的M_d1i、M_d2i单差分多路径误差值与参考卫星的多路径误差值作差处理，形成双差分多路径误差值；参考卫星选择为基准站或监测站监测到的高度角最大的卫星；

式4)中M_d1ij、M_d2ij为第i颗卫星与参考卫星j时刻p1、p2频段的双差分多路径误差值；

(3)、样本训练以及后处理：设置相应的训练参数，使用BP神经网络算法对样本预处理后的数据进行训练，得到监测站X、Y、Z三个方向的坐标时间序列；通过GNSS解算软件读取训练得到的监测站X、Y、Z三个方向的坐标时间序列，对多路径改正值进行预测，并改正X、Y、Z三个方向的坐标值；

(4)、模型更新：当监测点数据长度达到步骤(1)中的一个时间段时，将新增观测数据通过步骤(1)和步骤(2)处理得到的归一化后的双差分多路径误差数据合并到之前已得到的归一化后的双差分多路径误差数据中形成新的归一化后的双差分多路径误差数据，并重新对新样本数据进行训练，更新模型参数。

2.根据权利要求1所述的一种基于BP神经网络技术的GNSS多路径效应改正方法，其特征在于，所述步骤(1)MP序列中的M_p1、M_p2多路径误差值按式1)计算得到：

式1)中f₁、f₂为载波相位观测值的频率；φ₁、φ₂为载波相位观测值；p1、p2为伪距观测值；M_p1、M_p2为多路径误差值；

步骤(₁)中的样本预选，具体为：①按照式1)求得各个卫星当前历元的M_p1、M_p2多路径误差值的均值；②将按照式1)计算得到的后续各个历元的M_p1、M_p2多路径误差值分别减去步骤①计算的均值，得到不包含模糊度信息的M_p1、M_p2多路径误差值；从而得到由若干个历元且不包含模糊度信息的M_p1、M_p2多路径误差值组成的MP序列数据。