用于 GNSS 接收机多径检测的卷积神经网络
信号处理
2019-11-07 v1 机器学习
摘要
全球导航卫星系统（GNSS）信号会受到各类事件影响，导致定位中的显著误差。本工作探索了将异常检测的机器学习（ML）方法应用于 GNSS 接收机信号。更具体地，我们的研究聚焦于多径污染，使用相关器输出信号的样本。采用 GPS L1 C/A 信号数据，并直接来源于相关器输出。为从此类数据中提取重要特征与模式，我们使用深度卷积神经网络（CNN），其已在特别是图像分析中证明高效。为利用 CNN，相关器输出信号被映射为二维输入图像并送入神经网络的卷积层。网络自动从输入样本中提取相关特征并进行多径检测。我们使用合成信号训练 CNN。针对 GNSS 相关器复杂度优化模型架构，CNN 性能的评估作为相关器输出点数的函数进行。
引用
@article{arxiv.1911.02347,
title = {Convolutional Neural Network for Multipath Detection in GNSS Receivers},
author = {Evgenii Munin and Antoine Blais and Nicolas Couellan},
journal= {arXiv preprint arXiv:1911.02347},
year = {2019}
}