-
公开(公告)号：CN116151422A
公开(公告)日：2023-05-23
申请号：CN202211542392.5
申请日：2022-12-03
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06F18/214
Abstract: 本发明公开了一种卫星钟差组合预测方法，包括：步骤1、收集精密卫星钟差数据，并进行数据预处理；步骤2、采用多项式模型拟合卫星钟差，获取卫星钟差的拟合残差；步骤3、采用短时傅里叶变换方法提取卫星钟差显著周期项；步骤4、利用显著周期项构建谱分析模型，提取模型拟合残差；步骤5、利用ARIMA模型对谱分析模型拟合残差进行建模；步骤6、将根据谱分析模型得到的卫星钟差预测结果和ARIMA模型得到的卫星钟差预测结果相加，获得最终的预测卫星钟差。本发明更为充分的考虑了时变周期和非平稳噪声对卫星钟差预测的影响，获得更加准确的预测卫星钟差。
-
公开(公告)号：CN115575993A
公开(公告)日：2023-01-06
申请号：CN202211112945.3
申请日：2022-09-14
Applicant: 哈尔滨工程大学
Abstract: 北斗PPP‑RTK多重风险源可信概率分配方法及装置，涉及可信概率分配领域。为解决现有技术中存在的由于北斗PPP‑RTK载波相位层级的技术手段与民航伪距层级的导航定位方式存在较大差异，基于传统民航领域的可信概率分配方法不再适用，可信监测因此难以开展问题，本发明提供的技术方案为：北斗PPP‑RTK多重风险源可信概率分配方法，方法包括：构建北斗PPP‑RTK可信监测故障树模型；基于模型，获得误差分布模型；基于模型，构建多重假设解分离的保护水平方程；构建最优分配模型；解算最优分配模型，获得分配结果；构建保护水平，判断是否达到稳定状态；输出作为最终分配结果。适用于针对北斗PPP‑RTK的可信概率分配方法的研究工作中，同时适用于保障北斗PPP‑RTK导航定位服务的可信性。
-
公开(公告)号：CN112217557B
公开(公告)日：2022-08-02
申请号：CN202011064126.7
申请日：2020-09-30
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种海上动态网络基站布局优化方法，属于卫星定位、导航技术领域。本发明包括利用一组二进制数据对海上某区域范围内所有可用基准站进行编码，通过0,1的赋值表示某基站是否被选中作为定位的基准站。利用随机生成方式确定初始种群，初始种群中需包含一定数量的满足布局优化原则的海上某区域范围内多基站布局优化方案等。本发明利用图论模型将多基站布局优化问题转变为寻找解空间最优解的问题，最终实现对海上动态网络基站的布局优化问题，该方法的实现有效地扩大了多基站网络的覆盖范围，提高海上高精度定位的作用范围。因此，本发明所提方法对有高精度定位需求的海上用户是十分有意义的。
-
公开(公告)号：CN111413720B
公开(公告)日：2022-07-15
申请号：CN202010204107.3
申请日：2020-03-21
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶/舰载机导航技术领域，具体涉及一种多频北斗载波相位差分/INS组合定位方法。本发明包括：步骤1，移动站通过海面无线电通信链路向差分基准站广播定位请求；步骤2，基准站获取移动站的定位请求后，捕获北斗卫星导航定位系统播发的导航和观测信息并编码调制生成差分修正量，然后通过海面无线电通信链路向移动站播发等。本发明充分利用INS自主导航短时预测精度高且不受外界干扰的特性，提升定位连续性，利用载波相位模糊度逐级求解速度较快的特性，提升定位实时性，真正意义上实现船舶/舰载机实时高精度高连续性的定位。
-
公开(公告)号：CN111413719B
公开(公告)日：2022-07-15
申请号：CN202010204101.6
申请日：2020-03-21
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶导航技术领域，具体涉及一种基于神经网络的北斗实时精密时钟预测方法。本发明包括：步骤1，地面观测站收集北斗导航系统的卫星观测信息和导航信息，通过互联网通信链路发送到数据处理中心；步骤2，数据处理中心提取导航信息和观测信息，经过数据预处理，数据中心基于广播星历的轨道参数，在消除卫星时钟的基础上生成卫星精密轨道等。本发明充分利用卷积神经网络通过对大量样本的学习能够较为准确的预测非线性时间序列特性，通过全球卫星观测站的数据计算卫星时钟参数，利用神经网络实现时钟参数的预测，并播发给用户用以修正卫星时钟误差，真正意义上提高用户定位精度。
-
Patent Agency Ranking
公开(公告)号：CN112198540A
公开(公告)日：2021-01-08
申请号：CN202011059222.2
申请日：2020-09-30
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于动态网络基站的多模多频载波相位定位方法，属于卫星定位、导航技术领域。本发明包括：海上用户驶离岸上基站差分定位的作用范围内时，以用户为中心，多基站网络覆盖范围为半径，对已知位置信息且能实时接收卫星观测量数据的海上载体进行筛选，将其纳入多基站网络，构成动态网络基站；对新接入多基站网络的海上载体卫星观测量数据进行数据质量监测，剔除定位频点观测量数据缺失、观测质量差或数据异常的观测量数据等。相比于传统的多基站定位方法，本发明利用岸上基站及海上已知位置载体共同构成基准站网络，扩大岸上多基站的作用范围，为用户提供一个可变的、实时覆盖的多基站网络，提高用户的定位精度。
-
公开(公告)号：CN111413719A
公开(公告)日：2020-07-14
申请号：CN202010204101.6
申请日：2020-03-21
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶导航技术领域，具体涉及一种基于神经网络的北斗实时精密时钟预测方法。本发明包括：步骤1，地面观测站收集北斗导航系统的卫星观测信息和导航信息，通过互联网通信链路发送到数据处理中心；步骤2，数据处理中心提取导航信息和观测信息，经过数据预处理，数据中心基于广播星历的轨道参数，在消除卫星时钟的基础上生成卫星精密轨道等。本发明充分利用卷积神经网络通过对大量样本的学习能够较为准确的预测非线性时间序列特性，通过全球卫星观测站的数据计算卫星时钟参数，利用神经网络实现时钟参数的预测，并播发给用户用以修正卫星时钟误差，真正意义上提高用户定位精度。
-
公开(公告)号：CN111308528A
公开(公告)日：2020-06-19
申请号：CN201911258226.0
申请日：2019-12-10
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种北斗/GPS紧组合虚拟参考站定位方法，包括：建立伪距与载波相位紧组合双差观测方程，确立北斗/GPS系统间偏差表达式；构建MW紧组合模型，构建几何相关模式下窄巷整周模糊度解算模型，解算出各频率的双差整周模糊度；建立双差电离层延迟误差及与电离层无关的其它误差提取模型；确定虚拟观测站位置坐标，求出虚拟参考站位置处各误差值，得到虚拟参考站观测量；构建虚拟参考站和用户的短基线北斗/GPS紧组合双差观测方程，估计用户位置。本发明提高了高仰角环境下基于虚拟参考站方法的定位可用性，改善了用户定位性能，为多参考站定位技术在森林、峡谷、市区等高仰角环境中的应用奠定了基础。
-
公开(公告)号：CN110208841A
公开(公告)日：2019-09-06
申请号：CN201910559647.0
申请日：2019-06-26
Applicant: 哈尔滨工程大学
IPC: G01S19/44
Abstract: 本发明公开了一种改进的面向非重叠频率的GNSS紧组合方法，属于卫星精密导航与定位技术领域；本发明通过构建GNSS伪距与载波相位单差观测方程；建立DISB估计模型；构建CMC组合观测量与DISB修正模型；然后对单差模糊度搜索空间执行遍历操作，将生成IFDB修正序列依次代入DISB修正模型中，执行LAMBDA模糊度固定算法，并统计模糊度次优与最优值比率值；再从比率序列中选择最大值所对应的单差模糊度值作为最优解；最后利用解算的最优单差模糊度代入DISB修正模型中，获得最优的模糊度及定位解算值。本发明解决了准确求解参考卫星的单差模糊度问题，提升了模糊度解算成功率与定位性能，并最终有效消除IFDB对RTK模糊度解算的影响。
-
公开(公告)号：CN118886538A
公开(公告)日：2024-11-01
申请号：CN202410908025.5
申请日：2024-07-08
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06F18/24 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F17/18
Abstract: 本发明涉及一种基于多元CNN‑LSTM模型的卫星钟差预报方法，包括：获取卫星钟差数据，并进行一次差分处理和归一化处理；将经一次差分和归一化处理后的卫星钟差数据划分为训练集和测试集；构建多元CNN‑LSTM模型并对模型参数进行初始化；采用训练集中的样本数据对多元CNN‑LSTM模型进行训练，当多元CNN‑LSTM模型满足早停标准时结束训练，保存训练好的模型；基于递归多步预报方法，生成多步预报值；对多元CNN‑LSTM模型输出的多步预报值进行反归一化和逆差分处理，生成预报的卫星钟差。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.039 seconds)
