[发明专利]基于tensorflow的数据处理方法及终端、差分定位平台

说明书

本发明适用于卫星定位技术领域，提供了一种基于tensorflow的数据处理方法及终端、差分定位平台，所述数据处理方法包括：提取用户的轨迹信息；基于所提取的轨迹信息在平面地图上描点，形成对应的轨迹图片集合；将所述轨迹图片集合输入tensorflow卷积神经网络模型中训练，得到训练数据。本发明中，采用tensorflow卷积神经网络模型对用户数据进行迭代处理，可提高数据的准确度。

技术领域

本发明属于卫星定位技术领域，尤其涉及一种基于tensorflow的数据处理方法及终端、差分定位平台。

背景技术

随着技术的发展，智能化及无人驾驶技术的应用越来越广泛，而对高精度的定位需求也日益提高。

由于大气层误差、多路径效应、卫星钟差等因素影响，单点定位的效果不理想。为了满足高精度定位需求，通常需要使用ntrip技术，获得基准站的差分数据以提高定位精度。ntrip技术是在互联网上进行RTK数据传输的协议。

现有技术中的RTK定位终端通过移动网络连接播发平台，实时接收地基增强系统基准站播发的数据，大部分定位终端除了配置GNSS定位芯片外，还集成有加速度传感器、陀螺仪、磁力计、气压计等，而该定位终端由于配置的传感器种类较多，会出现偏差，给数据分析带来难度。而定位算法对数据有较强的依赖，因此需要花费大量的人力来进行数据分析，不利于定位算法的优化迭代，定位精度也较低。

发明内容

本发明实施例提供了一种卫星通信方法及终端、中继站及通信系统，旨在解决现有技术的通信过程对信息进行编码以减少信道噪音干扰而增加成本的问题。

一种基于tensorflow的数据处理方法，包括：

提取用户的轨迹信息；

基于所提取的轨迹信息在平面地图上描点，形成对应的轨迹图片集合；

将所述轨迹图片集合输入tensorflow卷积神经网络模型中训练，得到训练数据。

优选地，所述提取用户的轨迹信息之前还包括：

获取用户的数据，所述数据包括预期轨迹数据及真实轨迹数据。

优选地，所述提取用户的轨迹信息包括：

从所述预期轨迹数据中提取对应的轨迹信息；

从所述真实轨迹数据中提取对应的轨迹信息。

优选地，所述将所述轨迹图片集合输入tensorflow卷积神经网络模型中训练，得到训练数据包括：

将所述轨迹图片集合分为测试集及训练集；

将所述测试集及训练集输入至tensorflow卷积神经网络模型中进行训练，得到训练数据。

优选地，所述将所述测试集及训练集输入至卷积神经网络模型中进行训练，得到训练数据具体为：

将所述测试集及训练集输入至所述tensorflow卷积神经网络模型进行训练迭代，提取轨迹图像特征，得到对应的训练数据。

本发明还提供一种差分定位方法，包括：

提取用户的轨迹信息；

基于所提取的轨迹信息平面地图上描点，形成对应的轨迹图片集合；

将所述轨迹图片集合输入tensorflow卷积神经网络模型中训练，得到训练数据；

基于所述训练数据进行差分定位运算，获得差分定位数据。

本发明还提供一种基于tensorflow的定位数据处理终端，包括：

提取单元，用于提取用户的轨迹信息；