基于神经网络学习的大气层外偏振光场延拓模型计算方法

本发明提供了基于神经网络学习的大气层外偏振光场延拓模型计算方法，包括：步骤S1，采集空间偏正光场数据并获取待计算数据；步骤S2，搭建神经网络模型并调整权重和偏置；步骤S3，将空间偏正光场数据作为训练样本对神经网络模型进行训练，待训练完成后，将待计算数据输入至训练好的神经网络模型中，通过前向传播计算得到预测偏振方位角和预测偏振度；步骤S4，获取待观测点的位置矢量和第一太阳矢量计算得到实测偏振方位角和实测偏振度，并计算得到偏振方位角误差百分比和偏振度误差百分比，以供校验神经网络模型的精度。有益效果是本发明能够提高大气层外偏振光场的高精度测量和分析能力，为卫星导航系统提供精准可靠的数据支持。