摘要
本申请实施例公开了一种基于深度学习的卫星钟差预测方法、装置、设备及介质,涉及卫星钟差预测技术领域,该方法包括:调用SSR改正信息中断前的卫星钟差数据,预处理后输入训练好的卫星钟差长时间预测模型中,以使模型预测得到第一预测钟差特征;在IGU产品可用时,基于IGU产品得到第二预测钟差特征;基于自适应权重训练层对第一、第二预测钟差特征进行加权计算,输出第三预测钟差特征,处理得到钟差预测结果。若IGU产品不可用,则基于第一预测钟差特征得到钟差预测结果。本申请能够在SSR改正信息中断时通过模型的时间序列特征提取与预测,实时提供钟差补偿,从而保证GNSS系统在通信中断的环境下仍然具备较高的时间同步精度。
技术关键词
卫星钟差预测方法
卫星钟差数据
序列
非暂态计算机可读存储介质
时域特征
频域特征
小波变换处理
GNSS系统
时间同步精度
多头注意力机制
训练集
数据获取单元
处理器
矩阵
传播算法
预测装置
周期
存储器
系统为您推荐了相关专利信息
联合估计方法
数据驱动模型
多状态
序列
一维卷积神经网络
LSTM神经网络
溶解氧
神经网络预测模型
水质传感器
滑动窗口
Laplace算子
成分分析
拉普拉斯
矩阵
ADMM算法
深度学习网络
残差网络
空间权重矩阵
通道
灰色关联度