首页|期刊导航|测绘科学技术学报|基于LSTM-KF联合模型的GNSS时间序列噪声抑制与优化方法

基于LSTM-KF联合模型的GNSS时间序列噪声抑制与优化方法OA

中文摘要

全球导航卫星系统GNSS(Global Navigation Satellite System)坐标时间序列的噪声抑制是提升其应用价值的关键,但传统降噪方法仅考虑了白噪声影响,在有色噪声存在时噪声抑制性能下降明显。为此,提出一种基于有色噪声“白化”处理和改进卡尔曼滤波KF(Kalman Filter)的GNSS时间序列降噪方法。首先根据有色噪声特征构建“白化”滤波矩阵并对染噪时间序列进行处理,将其中的有色噪声转化为白噪声。然后建立KF模型进行白噪声抑制,同时考虑到KF滤波结果易发散问题,利用长短期记忆神经网络LSTM(Long Short-Term Memory)对滤波结果进行动态修正,提升KF对白噪声的抑制性能。基于5个GNSS测站坐标时间序列数据开展验证试验,结果表明,相对于传统噪声抑制方法,所提方法噪声抑制结果的信噪比提升超过12.4%,均方根误差降低12.4%,相关系数最高达0.97,有效提升了复杂噪声场景下的降噪性能。

张巨林

广东南方数码科技股份有限公司,广东广州511495

天文与地球科学

时间序列噪声抑制有色噪声白化处理卡尔曼滤波

《测绘科学技术学报》 2026 (3)

P.237-245,9

国家自然科学基金项目(41171351,61261289)

10.3969/j.issn.1673-6338.2026.03.003

评论