一种基于星载GNSS数据的对流层混合卡尔曼滤波器-神经网络的反演方法及系统

本发明提供了一种基于星载GNSS数据的对流层混合卡尔曼滤波器‑神经网络的反演方法及系统，属于气象数据处理领域。为解决现有对流层反演技术存在单一大气模型难以准确描述所有环境条件，且大气模型精度低，计算效率低，实时性差的问题。本发明利用神经网络估计气象参数，通过比较找到最优神经网络估计参数，从而估计准确气象参数，将该参数作为卡尔曼滤波器的观测方程，实现时序气象参数追踪，通过迭代追踪，实现对流层的反演。本发明显著提升了对流层反演的精度、效率和鲁棒性，能够有效减少大气干扰，提高卫星导航定位精度，优化气象预报与通信系统，同时具备较强的实时性和适应性，具有广泛的应用前景和显著的经济效益。