利用LSTM进行卫星钟差预测建模
机器学习
2024-11-12 v1 人工智能
信号处理
摘要
卫星钟差预测对提升卫星导航系统的精度至关重要。在本文中，我们提出一种利用长短期记忆（LSTM）网络来预测卫星钟差的方法。我们从Galileo的PRN 8卫星获取数据并进行预处理，以获得单差序列，这对数据归一化至关重要。归一化使得数据可以重采样，确保预测结果等距且完整。我们的方法涉及在不同长度的数据集（从7天到31天）上训练LSTM模型，每种情况使用两天的数据作为训练集。我们的LSTM模型表现出优异的精度，均方根误差（RMSE）为2.11×10⁻¹¹。值得注意的是，我们的方法在性能上优于类似时间序列预测项目中使用的传统方法，比RNN准确170倍，比MLP准确2.3×10⁷倍，比ARIMA准确1.9×10⁴倍。本研究在提升各种设备中所用低功耗接收器的精度和效率方面具有巨大潜力，特别是那些需要节能的设备。通过提供更精确的卫星钟差预测，本研究的发现可以集成到此类设备的算法中，使其在节能的同时以更高精度运行。钟差预测精度的提升确保低功耗接收器能够保持最佳性能水平，从而增强卫星导航系统的整体可靠性和有效性。因此，这一进展对广泛领域的应用具有前景，包括偏远地区、物联网设备、可穿戴技术以及其他对能效和导航精度至关重要的设备。
引用
@article{arxiv.2411.07015,
title = {Leveraging LSTM for Predictive Modeling of Satellite Clock Bias},
author = {Ahan Bhatt and Ishaan Mehta and Pravin Patidar},
journal= {arXiv preprint arXiv:2411.07015},
year = {2024}
}
备注
6 Pages, 6 figures (8 sub-figures), 5 Tables Index Terms-LSTM, Satellite Navigation, Deep Learning, Clock Bias