[发明专利]一种基于机器学习的卫星导航自动判读方法

说明书

本发明提供了一种基于机器学习的卫星导航自动判读方法，所述方法包括：S10、获取卫星导航的定位数据包；S20、判断当前定位数据的字段类型；S30、判断当前定位数据是否需要计算精度误差，若是，转至S40，否则，转至S50；S40、确定当前定位数据是否满足预设要求，并转至S70；S50、确定当前定位数据是否满足预设要求，并转至S70；S60、确定当前定位数据是否满足预设要求，并转至S70；S70、判断是否遍历完定位数据包中的全部定位数据，若是，转至S80，否则，转至S20；S80、若定位数据包中的全部定位数据均满足预设要求，则判断卫星导航的工作状态正常，否则，判断卫星导航的工作状态异常。本发明能够解决现有方法无法对较大数据量和动态数据进行判读的技术问题。

技术领域

本发明涉及卫星导航测试技术领域，尤其涉及一种基于机器学习的卫星导航自动判读方法。

背景技术

随着卫星导航应用需求及应用范围的不断增大，其自动测试技术显得愈发重要。数据判读是卫星导航自动测试技术领域一项十分重要的环节，其判读结果是判断卫星导航工作状态是否正常的重要依据。

通常，卫星接收机在生产研制或靶场保障时一次试验过程的参数少则数百，多则上千，反映产品软硬件各项性能指标的状态字较多，有些是比较直观进行判断的，有些则需要进行深度分析才能进行判读，数据量巨大，人工判读难度大。其次，目前现有方法主要是对卫星接收机试验数据参数的越界阈值判读，难以实现随着卫星工作状态变化的动态数据判读，存在着参数范围无法进行准确定义的问题。

发明内容

本发明提供了一种基于机器学习的卫星导航自动判读方法，能够解决现有方法无法对较大数据量和动态数据进行判读的技术问题。

根据本发明的一方面，提供了一种基于机器学习的卫星导航自动判读方法，所述方法包括：

S10、获取卫星导航的定位数据包，其中，定位数据包包括阈值判读类型的定位数据和机器学习类型的定位数据；

S20、判断当前定位数据的字段类型，在当前定位数据的字段类型为阈值判读类型的情况下，转至S30，在当前定位数据的字段类型为机器学习类型的情况下，转至S60；

S30、判断当前定位数据是否需要计算精度误差，若是，转至S40，否则，转至S50；

S40、计算当前定位数据的均方根误差，将当前定位数据的均方根误差与精度误差阈值进行比较，根据第一比较结果确定当前定位数据是否满足预设要求，并转至S70；

S50、将当前定位数据与数据阈值进行比较，根据第二比较结果确定当前定位数据是否满足预设要求，并转至S70；

S60、利用卷积神经网络算法获取当前定位数据的聚类结果，根据聚类结果确定当前定位数据是否满足预设要求，并转至S70；

S70、判断是否遍历完定位数据包中的全部定位数据，若是，转至S80，否则，转至S20对下一个定位数据进行判断；

S80、若定位数据包中的全部定位数据均满足预设要求，则判断卫星导航的工作状态正常，否则，判断卫星导航的工作状态异常。

优选的，阈值判读类型中需要计算精度误差的定位数据包括速度信息和位置信息。

优选的，阈值判读类型中不需要计算精度误差的定位数据包括功率字、首次定位时间和频综。

优选的，机器学习类型的定位数据包括钟差和位置精度强弱度。

优选的，在S60中，利用卷积神经网络算法获取当前定位数据的聚类结果包括：

S61、将当前定位数据转换为图像作为测试集；

S62、将历史机器学习类型的定位数据转换为图像作为训练集，并生成训练好的神经网络模型；