典型文献
融合CNN-GRU的GNSS短基线多路径误差实时削弱方法
文献摘要：
针对传统的恒星日滤波方法难以抑制GNSS多星座组合观测的多路径误差问题,该文提出了一种用于削弱多路径误差的卷积神经网络和门控循环单元的融合模型(CNN-GRU),通过挖掘GNSS多路径误差的深层变化规律,对短基线中的多路径误差进行实时预测和改正.实验结果表明,该模型对于BDS和不同系统间组合的多路径误差可以起到实时削弱的作用,能够显著提高定位精度.此外,CNN-GRU模型的预测结果具有良好的鲁棒性,并且不受粗差的影响.
文献关键词：
GNSS;多路径误差;时间序列;深度学习;CNN-GRU
中图分类号：
作者姓名：
刘春阳;刘超;陶远;徐胜华;樊亚
作者机构：
安徽理工大学,安徽淮南 232001;中国矿业大学,江苏徐州 221116;中国测绘科学研究院,北京 100036;中国建筑材料工业地质勘查中心贵州总队,贵阳 551400
文献出处：
引用格式：
[1]刘春阳;刘超;陶远;徐胜华;樊亚-.融合CNN-GRU的GNSS短基线多路径误差实时削弱方法)[J].测绘科学,2022(11):40-47,72
A类：
B类：
GRU,GNSS,短基线,多路径误差,恒星日滤波,滤波方法,多星座,星座组合,门控循环单元,融合模型,实时预测,改正,BDS,同系,差可,定位精度,粗差
AB值：
0.243563
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
