BDS卫星钟差数据异常值类型识别的卷积神经网络方法

作者：黄博华; 李锡瑞^*; 肖常富; 何若枫; 韩崇砚; 郭志亮

来源：武汉大学学报(信息科学版), 2021, 46(06): 947-956.

DOI：10.13203/j.whugis20190422

• BDS
• 卫星钟差
• 异常值
• 灰度二值图
• 卷积神经网络
• 图像识别

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。

• 单位
  国防科技大学; 中国科学院上海天文台