基于深度学习的实时卫星钟差估计基准跳变补偿方法

本技术涉及gnss导航定位授时，尤其涉及一种基于深度学习的实时卫星钟差估计基准跳变补偿方法。

背景技术：

1、精密单点定位(precise point positioning，ppp)技术在各个领域都有广泛应用，比如交通导航、精准农业、gnss气象学、航空航海、地图制作、应急救援、军事应用、个人定位服务、授时服务以及科学研究等。

2、精密单点定位不需要依赖基准站，仅基于国际地球动力学服务机构(international gps service for geodynamics，igs)或多gnss实验项目(multi-gnssexperiment，mgex)提供的事后精密轨道和钟差产品，可以在全球范围内提供事后厘米级甚至毫米级别的位置确定和优于1ns的授时服务，不需要其他基础设施支持。随着卫星导航技术的不断进步，gnss接收器和计算设备性能的提升，以及各个领域对高精度定位和实时授时的需求也越来越大，实时精密单点定位技术快速发展，能够提供实时的分米级导航定位和纳秒级授时服务。

3、连续稳定的实时卫星钟差估计是保障实时精密单点定位提供高精度导航定位和授时服务的前提，由于卫星原子钟在轨运行受到太空环境等多种因素的影响，导致卫星钟差序列复杂且呈现出非线性变化的特性，因此，难以使用卫星钟差的历史信息准确拟合和长期预测卫星钟差。

4、目前，为了获得高精度高可靠的实时卫星钟差，仍需要依赖地面测站观测值进行实时估计，但是实时卫星钟差还存在基准不稳定、算法效率低、质量控制难、解算精度差等缺陷。可以以接收机钟作为基准，但是这种方式受周围环境影响较大，例如当接收机遇到网络通信时延等问题时，卫星钟差估计会失去基准，导致基准不稳定，此时需要更换接收机作为新的基准，卫星钟差将会发生显著跳变；如果以卫星钟作为基准，这种方式需要基准星能够长时间进行观测，否则将需要频繁更换基准星，解算的钟差同样会发生跳变，进而影响定位和授时服务的连续性和稳定性；还可以以卫星零均值作为钟差基准，但是当有新卫星进行观测，和旧的卫星失锁时，基准就会发生改变，实时卫星钟差同样面临跳变问题。

5、综上所述，相关技术尚不能在基准发生改变时提供精准的实时卫星钟差，不能解决钟差的跳变问题。

技术实现思路

1、本技术实施例提供一种基于深度学习的实时卫星钟差估计基准跳变补偿，用以解决相关技术中不能在基准发生改变时提供精准的实时卫星钟差，不能解决钟差的跳变问题的缺陷，所述技术方案如下：

2、第一方面，本技术实施例提供一种基于深度学习的实时卫星钟差估计基准跳变补偿方法，包括：

3、实时采集观测到的所有卫星的钟差估计值；

4、若根据所述所有卫星的钟差估计值判定卫星钟的钟差基准发生变化，则将所述钟差基准变化之前多个历元的钟差估计值输入训练好的卫星钟差预测模型中；

5、通过所述训练好的卫星钟差预测模型预测得到所述钟差基准变化之后每个历元的钟差预测值；

6、根据待补偿卫星在每个历元的钟差估计值和对应历元的钟差预测值分别计算得到所述待补偿卫星在每个历元的钟差补偿值；

7、根据所述待补偿卫星在每个历元的钟差补偿值对所述待补偿卫星进行补偿。

8、在第一方面的一种可选方案中，所述将所述钟差基准变化之前多个历元的钟差估计值输入训练好的卫星钟差预测模型中，通过所述训练好的卫星钟差预测模型预测得到所述钟差基准变化之后每个历元的钟差预测值，包括：

9、以所述多个历元内所有卫星的钟差估计值为输入值，对所述输入值进行归一化处理；

10、将归一化处理后的输入值输入所述训练好的卫星钟差预测模型的卷积层中，通过所述卷积层增加变量维度；

11、执行交换维度操作交换所述增加变量维度后的输入值的变量维度和时间维度，并通过特征提取得到特征向量；

12、将所述特征向量输入所述训练好的卫星钟差预测模型的注意力机制层，通过所述注意力机制层提取得到钟差时间序列特征；

13、将所述钟差时间序列特征输入所述训练好的卫星钟差预测模型的第一线性层，基于所述钟差时间序列特征预测所述钟差预测值的变化趋势，输出预测结果；

14、将所述预测结果输入所述训练好的卫星钟差预测模型的第二线性层，通过所述第二线性层交换所述预测结果的时间维度和变量维度后，输入所述卫星钟差预测模型的反归一化层；

15、通过所述反归一化层将对应数据进行恢复，输出所述钟差基准变化之后多个历元的钟差预测值。

16、在第一方面的一种可选方案中，所述以所述多个历元内所有卫星的钟差估计值为输入值，对所述输入值进行归一化处理后，还包括：

17、若所述归一化处理后的输入值中的变量数量小于预设阈值，则对所述归一化后的输入值进行数据补充；

18、将所述数据补充后的输入值输入所述卫星钟差预测模型的卷积层中，通过所述卷积层增加变量维度。

19、在第一方面的一种可选方案中，所述训练好的卫星钟差预测模型基于以下步骤训练得到，包括：

20、基于具有相同钟差基准的多个卫星在同一时间跨度下的钟差估计值建立训练集和验证集；

21、将所述训练集输入所述卫星钟差预测模型进行训练；

22、将所述验证集输入所述卫星钟差预测模型中，根据所述卫星钟差预测模型的输出结果计算多个历元的损失函数；

23、若连续预设数目个的损失函数的数值递增，则训练完成，输出所述训练好的卫星钟差预测模型。

24、在第一方面的一种可选方案中，基于具有相同钟差基准的多个卫星在同一时间跨度下的钟差估计值建立测试集；

25、所述输出所述训练好的卫星钟差预测模型后，还包括：

26、将所述测试集输入所述训练好的卫星钟差预测模型，计算得到所述训练好的卫星钟差预测模型对每个历元的钟差预测值的预测精度。

27、在第一方面的一种可选方案中，所述根据待补偿卫星在每个历元的钟差估计值和对应历元的钟差预测值分别计算得到所述待补偿卫星在每个历元的钟差补偿值，包括：

28、对所述钟差基准变化之后的第一个历元，基于所述待补偿卫星在所述第一个历元的钟差估计值与对应历元的钟差预测值的差值计算得到所述第一个历元的钟差补偿值；

29、对所述钟差基准变化之后的第n个历元，计算所述待补偿卫星在所述第n个历元的钟差估计值与对应历元的钟差预测值的差值，以所述训练好的卫星钟差预测模型在所述第n个历元的预测精度为钟差估计值与钟差预测值的差值的权值，加权计算得到所述第n个历元的钟差补偿值；

30、其中，n为大于1的整数。

31、在第一方面的一种可选方案中，所述根据待补偿卫星在每个历元的钟差估计值和对应历元的钟差预测值分别计算得到所述待补偿卫星在每个历元的钟差补偿值，包括：

32、计算得到所述待补偿卫星在所述第n个历元的钟差补偿值，以所述第n个历元的钟差补偿值作为所述第n个历元之后的每个历元的钟差补偿值；

33、其中，n为大于等于4的整数。

34、第二方面，本技术实施例还提供一种基于深度学习的实时卫星钟差估计基准跳变补偿装置，包括：

35、观测模块，用于实时采集观测到的所有卫星的钟差估计值；

36、钟差预测模块，用于在所述观测模块根据所述所有卫星的钟差估计值判定卫星钟的钟差基准发生变化时将所述钟差基准变化之前多个历元的钟差估计值输入训练好的卫星钟差预测模型中，通过所述训练好的卫星钟差预测模型预测得到所述钟差基准变化之后多个历元的钟差预测值；

37、钟差补偿模块，用于根据待补偿卫星在每个历元的钟差估计值和对应历元的钟差预测值分别计算得到所述待补偿卫星在每个历元的钟差补偿值；

38、所述钟差补偿模块还用于根据所述待补偿卫星在每个历元的钟差补偿值对所述待补偿卫星进行补偿。。

39、第三方面，本技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本技术实施例第一方面或第一方面的任意一种实现方式提供的方法。

40、第四方面，本技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本技术实施例第一方面或第一方面的任意一种实现方式提供的方法。

41、本技术一些实施例提供的技术方案带来的有益效果至少包括：

42、本技术实施例提供的一种基于深度学习的实时卫星钟差估计基准跳变补偿方法，能够在卫星钟差基准发生改变时，通过训练好的卫星钟差预测模型对卫星钟的钟差进行预测，由于所有的卫星均处在同一基准下，从而利于训练好的卫星钟差预测模型在钟差基准改变后捕获原有的基准信息，进而可以实现精准的预测；再利用钟差预测值与钟差估计值计算钟差的补偿值，进而能够对基准更改后的卫星钟钟差进行补偿，即使钟差基准发生跳变，也能实现精确的卫星钟估计，从而避免卫星钟基准跳变导致的钟差估计精度降低的影响，为高精度的导航定位提供技术支持。