[發明專利]基于機器學習的星載GNSS-R高度要素探測裝置及方法

有效

• 申請號: 202110093137.6
• 申請日: 2021-01-22
• 公開（公告）號: CN112904384B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 孟婉婷;秦瑾;周勃;董克松;張軟玉;盛志超;顧斯祺
• 申請（專利權）人: 上海航天測控通信研究所
• 主分類號: G01S19/37
• 分類號: G01S19/37;G06N20/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明提供了一種基于機器學習的星載GNSS?R高度要素探測裝置及方法，該發明科學合理、易于實現。本發明基于星載GNSS?R探測儀的在軌特性，融合機器學習相關算法，提供了有效的水面/海面/冰面等反射面的高度要素探測方法及裝置，從而可以解決星載GNSS?R水面/海面/冰面等反射面的高度要素探測的多誤差源且誤差難以修正等問題，能優化星載GNSS?R水面/海面/冰面等反射面的高度要素探測方法的復雜度，進而為提高GNSS?R水面/海面/冰面等反射面的高度要素探測精度打下良好的基礎。

技術領域

本發明涉及一種基于機器學習的星載GNSS-R高度要素探測裝置及方法。

背景技術

星載GNSS-R探測儀基于衛星導航系統反射信號技術(Global NavigationSatellite System-Reflectometry：GNSS-R)，能夠同時接收多顆GNSS衛星的信號，且其觀測范圍廣，不受天氣(云、霧)等影響，能夠對反射面高度測量測量實現低成本、高時空分辨率全天候的實時觀測。

現有的星載平臺下GNSS-R反射面高度要素探測，需在碼相位測高/載波相位測高等模型的基礎上，精確計算電離層誤差、對流層誤差、海面粗糙度誤差、直射天線和反射天線之間的位置偏差等參數，才能計算得到反射面高度要素。現有的星載GNSS-R反射面高度要素計算過程中，誤差源多且誤差難以修正，探測方法復雜。

發明內容

本發明的目的在于提供一種基于機器學習的星載GNSS-R高度要素探測裝置及方法。

為解決上述問題，本發明提供一種基于機器學習的星載GNSS-R高度要素探測裝置，包括：

包括：數據采集模塊，特征數據集提取模塊，數據處理模塊，輔助數據模塊，機器學習模塊，高度要素計算模塊，其中，

所述數據采集模塊，用于采集GNSS-R接收衛星的第一數據和所對應的GNSS發射衛星的第二數據，并將所有第一數據和第二傳遞到數據特征提取模塊；

所述特征數據集提取模塊，用于根據數據采集模塊傳遞的第一數據和第二數據，計算和提取跟高度要素探測相關的特征數據集，并將特征數據集傳遞到數據處理模塊；

所述數據處理模塊，用于根據特征數據集提取模塊傳遞的特征數據集，進行重要性分析和標準化處理，以形成基礎數據集，選取基礎數據集的一部分形成第一基礎數據集，將第一基礎數據集傳遞給輔助數據模塊和機器學習模塊；將基礎數據集的除第一基礎數據集外的剩下部分形成第二基礎數據集，將第二基礎數據集傳遞給高度要素計算模塊；

所述輔助數據模塊，用于根據數據處理模塊傳遞的第一基礎數據集，提取信號在鏡面反射點反射的時間和反射面上鏡面反射點的位置，計算與所述信號在鏡面反射點反射的時間和反射面上鏡面反射點的位置相匹配的高度要素真值，以形成包含高度要素真值和鏡面反射點時空數據的輔助數據集，并將輔助數據集傳遞給機器學習模塊；

所述機器學習模塊，用于根據數據處理模塊傳遞的第一基礎數據集和輔助數據模塊傳遞的輔助數據集，建立并訓練機器學習模型，并將訓練好的機器學習模型及相關模型參數傳遞給高度要素計算模塊；

所述高度要素計算模塊，用于根據機器學習模塊傳遞的訓練好的機器學習模型及相關模型參數，計算得到數據處理模塊傳遞第二基礎數據集所對應的高度要素。

進一步的，在上述基于機器學習的星載GNSS-R高度要素探測裝置中，所述第一數據包括：

GNSS-R接收衛星的位置(X1、Y1、Z1)和速度(Tx₁、Ty₁、Tz₁)、GNSS-R接收衛星的天線增益方向圖及GNSS信號經反射面反射回來被GNSS-R接收衛星接收的信號參數。