摘要
本发明提供一种基于频域信息增强的北斗卫星星历预测方法,包括利用接收机接收广播星历数据,并通过广播星历数据构建星历历史误差数据集;构建深基于度学习网络的星历误差补偿模型;利用星历历史误差数据集对星历误差补偿模型进行训练;利用训练好的星历误差补偿模型对星历误差预测,然后对动力学模型的预测结果进行补偿。本发明能够实现高精度、泛化性强以及长期的卫星星历预测;本发明针对频率引入频率注意力机制,其能够高效捕获星历之间周期性特征,且能够对时序信息进行降维剔除时序信息的冗余性;本发明将目标卫星时域特征和频域特征的拼接信息输入到多层卷积网络中进行交互融合,提高星历误差补偿精确度。
技术关键词
误差补偿模型
广播星历数据
深度学习网络
预测误差
序列特征
频域特征
误差预测
频率
多层感知机
时序
二维卷积网络
多层卷积网络
时域特征
优化器
多头注意力机制
推测误差
梯度下降算法
系统为您推荐了相关专利信息
随机森林模型
神经网络模型训练
负荷
识别特征
样本
深度学习网络
三维医学图像分割
解码器
编码器
手工
信用评估模型
智能分析系统
数据
企业信用评估技术
模型更新
充放电循环次数
显示电池容量
深度学习网络
建立平面直角坐标系
参数