[发明专利]一种基于非线性SVM算法的电离层相位闪烁检测方法

摘要

本发明提出了一种基于非线性SVM算法的电离层相位闪烁检测方法，所述方法利用机器学习中的非线性SVM算法，对检测到的信号进行相位闪烁判断，SVM算法目的是通过给定的具有某些特征的样本，寻找一个超平面对样本进行分类，并应用到新样本中。在此过程中，首先将接收到的GPS信号经高通滤波等处理并计算得相位闪烁指数的最大值和平均值，将其作为学习样本对对应的闪烁事件进行标签，设置标签为1或‑1，表示相位闪烁事件发生或未发生，接着将样本输入非线性SVM分类器中进行学习，得到最优分类器，当新的相位闪烁事件特征向量进入SVM分类器时，将对其自动进行分类，该检测方法能同时对大量闪烁事件分类，同时非线性SVM算法的使用提高了分类模型的准确度。

主权项

1.一种基于非线性SVM算法的电离层相位闪烁检测方法，其特征在于，具体包括如下步骤：步骤A，将接收机中测量到的信号利用相位数据去趋势项、接收机载波环路低带宽设计及几何相位中心偏移标定后，得到新的载波相位数据以一段时间(例如3分钟)为一块进行数据划分，经处理后提取每块信号特征量，即相位闪烁指数的最大值和平均值，并手动标记对应的闪烁事件标签，作为机器学习的训练样本；步骤B，构造一个未知的非线性SVM分类器模型；目的是通过给定的具有某些特征的样本，寻找一个超平面对样本进行分类，进一步应用到未知样本类别的新样本中。该分类器通过样本进行交叉验证得出最优超参数，将样本分为“发生相位闪烁事件”和“未发生相位闪烁事件”两类，即为二元分类问题，最终得到最优非线性SVM分类器，能够对新的闪烁事件做出最优分类。步骤C，将新闪烁事件的特征向量输入步骤B中的非线性SVM分类器，分类器自动对该闪烁事件进行分类，得到值为1或‑1的标签，同时处理大量闪烁事件分类问题。