單頻雙差LM-BP神經網絡GNSS周跳檢測與修復研究

梁凌峰

（河南理工大學 測繪與國土信息工程學院，河南 焦作 454000）

0 引 言

在現代全球衛星導航定位系統（GNSS）的載波相位測量中由于衛星和接收機電子元件受電離層、對流層等外界環境影響，載波相位整周計數發生錯誤導致出現周跳現象。周跳如果不能被及時發現處理，將會嚴重影響定位結果。目前針對單頻GNSS數據中周跳的探測與修復方法很多，在眾多方法中多項式擬合法因其算法簡單，適用于計算機編程等特點，被廣泛使用。多項式擬合法原理是利用擬合計算載波相位序列值來探測周跳，以擬合曲線與測量值曲線的一致程度為標準，判斷該異常重合點是否為周跳。然而由于其方法常應用于無差觀測量，直接利用原始載波相位可能會因其他觀測噪聲及誤差影響周跳探測修復精度。因此有必要尋求新的方法來改善周跳探測與修復效果。鑒于此本文提出一種基于雙差檢測量的LM-BP（Levenberg Marquardt-Back Propagation）神經網絡的探測修復周跳改進方法：將構建差分數據和改進擬合算法相結合，從而實現單頻數據周跳探測與修復精度的提高。在數據方面，考慮到雙差觀測值消除了鐘差，且在短基線情況下，電離層及對流層延遲、軌道誤差等均得到大幅度削弱，僅剩下影響較小的多路徑誤差和觀測噪聲，所以雙差觀測有利于小周跳的探測；在擬合算法方面，人工智能領域中采用LM算法的BP神經網絡由于其出色的數據擬合與預測能力被廣泛應用于土木工程、化工、導航等領域，可以考慮采用神經網絡替代多項式擬合算法，以達到精度提升的目的。……