PrNet：一种用于校正伪距以改进基于 Android 原始 GNSS 观测的定位的神经网络
机器学习
2023-12-25 v2 信号处理
摘要
我们提出了一种用于减轻伪距中有偏误差、以利用手机采集数据提升定位性能的神经网络。设计了一种按卫星划分的多层感知机（MLP），从 Android 原始全球导航卫星系统（GNSS）观测中提取的六个与卫星、接收机、环境相关的特征回归伪距偏差校正量。为训练该 MLP，我们利用位置真值与平滑技术仔细计算伪距偏差的目标值，并优化涉及智能手机时钟偏差估计残差的损失函数。校正后的伪距随后由基于模型的定位引擎用于计算位置。包含城乡地区 Android 智能手机数据的 Google Smartphone Decimeter Challenge（GSDC）数据集被用于评估。指纹定位与跨轨迹定位结果均表明，我们提出的方法优于基于模型的方法与最先进的数据驱动方法。
引用
@article{arxiv.2309.12204,
title = {PrNet: A Neural Network for Correcting Pseudoranges to Improve Positioning with Android Raw GNSS Measurements},
author = {Xu Weng and Keck Voon Ling and Haochen Liu},
journal= {arXiv preprint arXiv:2309.12204},
year = {2023}
}