基于无监督学习的卫星NLOS信号检测方法

论文摘要

针对复杂环境下NLOS信号接收造成的GNSS定位精度恶化问题,提出了一种基于无监督学习的卫星NLOS信号检测方法.综合考虑了信号载噪比、伪距残差和卫星高度角对于GNSS接收信号的影响,采用k-means++聚类算法将观测数据划分为LOS、多径和NLOS三类,并对NLOS信号进行分离.使用GPS/BDS双系统伪距单点定位对信号分类效果进行了验证.结果表明,采用该方法剔除NLOS信号后定位精度得到了显著的提升.静态实验中,对1 h的数据样本进行聚类,事后定位精度提高了约30%,实时定位精度提高约12%.动态实验中,城市峡谷路段东、北、天3个方向的定位精度分别提高了27.98%、8.06%和3.66%.相较于有监督学习的分类方法,该方法简单有效、易于实现,且无需使用先验信息,能显著降低运算负荷和GNSS设备成本.与传统的阈值法以及RAIM算法相比较,该方法在改善定位的精度方面具有一定的优势.

论文目录

• 1 基于无监督学习的GNSS信号分类
•   1.1 GNSS观测值特征提取
•   1.2 GNSS信号聚类算法
• 2 实验验证
•   2.1 GNSS静态观测值聚类
•   2.2 定位精度分析
•   2.3 与传统阈值算法对比实验
•   2.4 样本量选择与实时性验证
•   2.5 动态实验
• 3 结论

文章来源

类型: 期刊论文

作者: 夏炎,潘树国,赵鹏飞,赵庆,叶飞

关键词: 无监督学习,聚类算法,双系统,伪距单点定位

来源: 东南大学学报(自然科学版) 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学

专业: 自然地理学和测绘学

单位: 东南大学仪器科学与工程学院,东南大学交通学院

基金: “十三五”国家重点研发计划资助项目(2016YFB0502101),国家自然科学基金资助项目(41574026,41774027)

分类号: P228.4

页码: 565-572

总页数: 8

文件大小: 2093K

下载量: 171