基于RBF神经网络模型的GNSS对流层延迟插值

发布时间：2021-10-09 02:06

　　随着GNSS在不同领域的发展中,用户对于该系统的精度性有着更高的要求,如何快速定位以及提高精度是当前GNSS研究的重点和发展趋势。对流层延迟极易受大气的影响,且与信号传播路径的高度角有着密切关系,当高度角为90o时误差达到2-3m,但当高度角为5o时其误差最大时可以达到25m。由于对流层误差的改正十分复杂,这成为影响GNSS精度的重要因素。提高对流层误差改正的精度,在定位与测量的应用中有着较大的意义。目前,RBF神经网络已经应用在很多领域,它能够以任意精度逼近任意函数,学习速度快。为了提高对流层延迟内插精度,建立了一种基于RBF神经网络对GNSS对流层延迟内插的模型,该模型只需输入测站点的经纬度和高程,在实际应用中带来了方便。在构造RBF神经网络模型的过程中,首先利用GAMIT软件根据安徽省电力系统10个CORS站的坐标数据解算出对流层延迟,利用6个CORS基站的坐标和对流层延迟作为建模数据,4个CORS站作为测试数据,选取合适的神经网络学习算法确定网络结构参数,构建模型。其次将模型对流层延迟的输出值与GAMIT软件解算出的对流层延迟作比较,进行误差分析,验证该模型的可靠性。实验结果表... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

1 GPS 系统定位原理

GNSS系统三大组成

人工神经网络通过不断改变层与层之间的连接权值来确定输入层与输出层之间的关系，从而得到最优的输出，而不是仅仅依据某一个固定公式或者经验知识，对于问题具有极大的适应性。神经元模型如图 3.1 所示：


本文编号：3425419