来源：期刊VIP网 时间：
作者：赵一鑫;韩昆;许睿涛;白红霞;龚晓鹏;
单位：武汉大学测绘学院;青海省自然资源综合调查监测院;百度时代网络技术(北京)有限公司;
摘要：针对复杂场景下智能手机的全球导航卫星系统数据易受非视距信号和粗差影响，导致定位精度低的问题，提出基于机器学习集成算法的NLOS信号和粗差预测方法。通过多组车载智能手机GNSS数据验证表明，机器学习集成算法在手机上预测40颗卫星NLOS和粗差信号的平均耗时均在0.03 s以内。此外，对GNSS粗差的预测性能总体上优于对NLOS信号的预测，其中对NLOS信号和粗差预测结果的召回率分别为79.24%和74.62%,精确率则分别为9.24%和40.31%。将预测结果应用于定位解算，结果表明定位精度提升主要在高楼遮挡严重区域，95%置信水平下剔除预测的NLOS信号和粗差后定位精度分别提升了10.75%和11.31%。
关键词：机器学习;;集成算法;;非视距信号;;粗差探测
基金资助：中国科协青年人才托举工程项目(YESS20210184);; 武汉市曙光计划项目(2023010201020275)
