GNSS 相位闪烁预测：一种机器学习方法
机器学习
2019-10-04 v1 机器学习
摘要
全球导航卫星系统（GNSS）利用环绕地球的一组卫星进行精确导航、授时与定位。空间天气等自然现象会在地球电离层中引入不规则性，干扰 GNSS 所依赖的无线电信号传播。此类干扰同时影响传播波的振幅与相位。目前尚无基于物理的模型能够以足够精度和相关尺度预测这些干扰发生的时间与位置。本文聚焦于预测 GNSS 无线电波的相位波动，即相位闪烁。我们提出了一种新颖的架构与损失函数，以最先进的性能提前 1 小时预测正负 5 分钟时间窗内相位闪烁的幅度。
引用
@article{arxiv.1910.01570,
title = {Prediction of GNSS Phase Scintillations: A Machine Learning Approach},
author = {Kara Lamb and Garima Malhotra and Athanasios Vlontzos and Edward Wagstaff and Atılım Günes Baydin and Anahita Bhiwandiwalla and Yarin Gal and Alfredo Kalaitzis and Anthony Reina and Asti Bhatt},
journal= {arXiv preprint arXiv:1910.01570},
year = {2019}
}
备注
First 4 authors contributed equally Paper accepted in Machine Learning for the Physical Sciences workshop of NeurIPS 2019 Camera Ready Version to Follow