BDS卫星钟差数据异常值类型识别的卷积神经网络方法

摘要：

北斗卫星导航系统(BeiDou navigation satellite system,BDS)卫星钟差数据中存在多种不同类型的异常值,直接影响钟差预报的质量和性能分析的可靠性.钟差数据预处理是进行钟差预报和分析的前提条件,其中,对异常值的识别是钟差数据预处理的关键.提出一种面向BDS卫星钟差数据异常值识别的卷积神经网络方法.首先将数值型钟差数据转换为灰度二值图格式的数据;然后根据钟差的图形化特征差异进行分类,制作异常值识别的训练集和测试集;最后利用卷积神经网络方法训练钟差数据异常值识别模型,实现钟差数据异常值的精确识别.利用BDS钟差数据进行实验验证,结果表明,所提方法能够精确高效地识别BDS钟差各种类型的异常值,提高了 BDS钟差数据预处理的质量和效率.

关键词：BDS、卫星钟差、异常值、灰度二值图、卷积神经网络、图像识别

所属期刊栏目：46

分类号：P228(大地测量学)

资助基金：国家自然科学基金U1731130

在线出版日期：2021-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：947-956