摘要
本发明提供一种基于LSTM的卫星观测质量多指标融合判断方法及系统,包括:设计k均值无监督机器学习算法与LSTM神经网络相结合的方法,在k均值分类后,将各类数据RTK定位精度的优劣作为依据对分类的标签重新排序,采用LSTM神经网络对未建模数据进行准确的分类,建立城市复杂环境下动态GNSS卫星观测质量多指标融合评价模型,有效地实现GNSS卫星观测质量的自动评估和分类,并清晰区分出数据的优劣。在RTK解算中根据GNSS卫星观测质量多指标融合评价方法得出的数据优劣结果调节权重以提升定位精度,解决了当前动态场景下卫星观测质量基于单一指标分析及建立随机模型的问题。
技术关键词
GNSS卫星
多指标
判断方法
无监督机器学习
LSTM神经网络
RTK定位精度
无监督聚类
皮尔逊相关系数
样本
GNSS观测值
非暂态计算机可读存储介质
多径误差
载波噪声
动态场景
信噪比
记忆单元
处理器
判断系统
算法
数据
系统为您推荐了相关专利信息
掘进机截割头
坐标系
掘进机位姿
历史监测数据
掘进机机身
双层优化调度方法
负荷
优化调度装置
优化调度模型
气象
水质检测方法
机器学习算法
机器学习模型
实时数据
参数