-
公开(公告)号：CN118549955B
公开(公告)日：2024-09-27
申请号：CN202411020091.5
申请日：2024-07-29
申请人： 广东工业大学
IPC分类号： G01S19/27 , G01S19/39 , G06N20/00 , G06N3/0499 , G06N3/08
摘要： 本发明公开了一种基于波浪式并行网络的北斗卫星星历预测方法及系统，该方法包括：接收广播星历数据；根据所述广播星历数据进行推算，得到推测误差序列和历史推测状态；将所述推测误差序列和所述历史推测状态输入至预训练的预测模型，输出误差预测结果；所述预测模型包括压缩层、波浪式递归加速网络、注意力层和聚合层；根据所述误差预测结果和推测结果，得到校正后的轨道预测。该系统包括：数据接收模块、动力学推算模块、误差预测模型和校正模块。通过使用本发明，能够在较低计算量的情况下实现精确的星历预测。本发明可广泛应用于轨迹预测领域。
-
公开(公告)号：CN118519179B
公开(公告)日：2024-10-11
申请号：CN202410969766.4
申请日：2024-07-19
申请人： 广东工业大学
摘要： 本发明公开了一种城市复杂环境下的北斗卫星高精定位方法及系统，该方法包括：获取测量数据；基于卡尔曼滤波对所述测量数据进行解算处理，预测得到初始定位结果；基于测量数据进行图数据建模，得到天空卫星图；基于具有图结构感知模块的Transformer模型对所述天空卫星图进行特征提取处理，并输出位置修正值；结合所述初始定位结果和所述位置修正值，得到最终定位结果。该系统包括：数据获取模块、初始定位模块、卫星图构建模块、修正模块和最终定位模块。通过使用本发明，能够提高定位模型在复杂场景下的定位精度和泛化性能。本发明可广泛应用于卫星定位领域。
-
公开(公告)号：CN115952407B
公开(公告)日：2024-01-30
申请号：CN202310005077.7
申请日：2023-01-04
申请人： 广东工业大学
IPC分类号： G06F18/213 , G06F18/25 , G06N3/048 , G06N3/0442 , G06N3/047 , G06N3/084
摘要： 本发明公开了一种考虑卫星时序性和空域交互性的多径信号识别方法，该方法包括：获取卫星数据并对卫星数据进行划分整理，得到时间序列数据集和多卫星输入数据集；搭建多径识别模型并将时间序列数据集和多卫星输入数据集输入至多径识别模型；所述多径识别模型包括LSTM神经网络、Transformer模块和全连接网络；基于LSTM网络对时间序列数据集进行特征提取，得到时间序列特征；基于Transformer模块对多卫星输入数据集进行特征提取，得到环境表征；基于全连接网络将时间序列特征和环境表征进行融合，得到多径信号的识别结果。通过使用本发明，能够提高在城市复杂场景下多径信号识别模型的识别精度和泛化性能。本发明作可广泛应用于信号识别领域。
-
公开(公告)号：CN115952407A
公开(公告)日：2023-04-11
申请号：CN202310005077.7
申请日：2023-01-04
申请人： 广东工业大学
IPC分类号： G06F18/213 , G06F18/25 , G06N3/048 , G06N3/0442 , G06N3/047 , G06N3/084
摘要： 本发明公开了一种考虑卫星时序性和空域交互性的多径信号识别方法，该方法包括：获取卫星数据并对卫星数据进行划分整理，得到时间序列数据集和多卫星输入数据集；搭建多径识别模型并将时间序列数据集和多卫星输入数据集输入至多径识别模型；所述多径识别模型包括LSTM神经网络、Transformer模块和全连接网络；基于LSTM网络对时间序列数据集进行特征提取，得到时间序列特征；基于Transformer模块对多卫星输入数据集进行特征提取，得到环境表征；基于全连接网络将时间序列特征和环境表征进行融合，得到多径信号的识别结果。通过使用本发明，能够提高在城市复杂场景下多径信号识别模型的识别精度和泛化性能。本发明作可广泛应用于信号识别领域。
-
公开(公告)号：CN118501906A
公开(公告)日：2024-08-16
申请号：CN202410961649.3
申请日：2024-07-18
申请人： 广东工业大学
摘要： 本发明提供了一种基于卫星基带信号相关峰的图像模态多径信号抑制方法，包括构建真实世界的直射‑多径二维彩色图像模态数据集；搭建基于LSTM和自注意力机制模块的深度学习网络的多径抑制模型并进行训练；将数据集输入到训练好的多径抑制模型中，通过模型提取二维彩色热图的时间序列特征和空间聚合特征，并将其进行融合后输出多径信号抑制结果。本发明可以快速捕获卫星信号，同时不损失捕获到的信号灵敏度，能够从真实世界中录制的信号中捕获到北斗卫星基带信号；使得模型能够学习复杂的信号模式；通过以时序特征和空间聚合特征的拼接信息输入到全连接层中交互融合促进多径信号的抑制，从而提高在城市复杂场景下多径信号抑制的精度和鲁棒性。
-
公开(公告)号：CN118501906B
公开(公告)日：2024-09-27
申请号：CN202410961649.3
申请日：2024-07-18
申请人： 广东工业大学
摘要： 本发明提供了一种基于卫星基带信号相关峰的图像模态多径信号抑制方法，包括构建真实世界的直射‑多径二维彩色图像模态数据集；搭建基于LSTM和自注意力机制模块的深度学习网络的多径抑制模型并进行训练；将数据集输入到训练好的多径抑制模型中，通过模型提取二维彩色热图的时间序列特征和空间聚合特征，并将其进行融合后输出多径信号抑制结果。本发明可以快速捕获卫星信号，同时不损失捕获到的信号灵敏度，能够从真实世界中录制的信号中捕获到北斗卫星基带信号；使得模型能够学习复杂的信号模式；通过以时序特征和空间聚合特征的拼接信息输入到全连接层中交互融合促进多径信号的抑制，从而提高在城市复杂场景下多径信号抑制的精度和鲁棒性。
-
公开(公告)号：CN118549955A
公开(公告)日：2024-08-27
申请号：CN202411020091.5
申请日：2024-07-29
申请人： 广东工业大学
IPC分类号： G01S19/27 , G01S19/39 , G06N20/00 , G06N3/0499 , G06N3/08
摘要： 本发明公开了一种基于波浪式并行网络的北斗卫星星历预测方法及系统，该方法包括：接收广播星历数据；根据所述广播星历数据进行推算，得到推测误差序列和历史推测状态；将所述推测误差序列和所述历史推测状态输入至预训练的预测模型，输出误差预测结果；所述预测模型包括压缩层、波浪式递归加速网络、注意力层和聚合层；根据所述误差预测结果和推测结果，得到校正后的轨道预测。该系统包括：数据接收模块、动力学推算模块、误差预测模型和校正模块。通过使用本发明，能够在较低计算量的情况下实现精确的星历预测。本发明可广泛应用于轨迹预测领域。
-
公开(公告)号：CN118519179A
公开(公告)日：2024-08-20
申请号：CN202410969766.4
申请日：2024-07-19
申请人： 广东工业大学
摘要： 本发明公开了一种城市复杂环境下的北斗卫星高精定位方法及系统，该方法包括：获取测量数据；基于卡尔曼滤波对所述测量数据进行解算处理，预测得到初始定位结果；基于测量数据进行图数据建模，得到天空卫星图；基于具有图结构感知模块的Transformer模型对所述天空卫星图进行特征提取处理，并输出位置修正值；结合所述初始定位结果和所述位置修正值，得到最终定位结果。该系统包括：数据获取模块、初始定位模块、卫星图构建模块、修正模块和最终定位模块。通过使用本发明，能够提高定位模型在复杂场景下的定位精度和泛化性能。本发明可广泛应用于卫星定位领域。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.026 秒)
