买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种用于极端天气救援的组合导航定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118818537B 。

龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410758705.3，技术领域涉及：G01S19/22；该发明授权一种用于极端天气救援的组合导航定位方法是由孙蕊;张珩瑜;盛琪;徐延峰;周益;姚策驰;庞波波设计研发完成，并于2024-06-13向国家知识产权局提交的专利申请。

本一种用于极端天气救援的组合导航定位方法在说明书摘要公布了：本发明提出了一种用于极端天气救援的组合导航定位方法，包括以下步骤：步骤1，构建原始训练数据集；步骤2，在原始训练数据集的基础上增加增量数据集训练样本，构建增量式格网实时修正模型，得到实时动态更新的多径热图；步骤3，根据实时动态更新的多径热图辅助GNSSIMU紧组合解算，完成用于极端天气救援的组合导航定位。本发明充分挖掘了当前定位环境下信号特征和多径误差，持续接收并积累新数据，提升了样本多样性，解决了单一样本退化问题；本发明还提高了基于机器学习的格网多径误差预测模型在极端天气影响的城市环境下的精度和适应性。

本发明授权一种用于极端天气救援的组合导航定位方法在权利要求书中公布了：1.一种用于极端天气救援的组合导航定位方法，其特征在于，包括以下步骤：步骤1，构建原始训练数据集；步骤2，在原始训练数据集的基础上增加增量数据集训练样本，构建增量式格网实时修正模型，得到实时动态更新的多径热图；步骤3，根据实时动态更新的多径热图进行辅助GNSSIMU紧组合解算，完成用于极端天气救援的组合导航定位；其中，步骤1中所述的构建原始训练数据集，具体包括：步骤1-1，标定训练数据集；步骤1-2，构建区域格网布局；步骤1-3，根据GPS卫星和北斗卫星的卫星星座类型划分所述训练数据集中的样本数据；并根据所述样本数据对应参考位置，按照步骤1-2中所述区域格网布局，确定所述样本数据所属的格网层，得到原始训练数据集，分别表示为：GPS原始训练数据集[δ,CN0,θe,θa,Δρ]GPS_grid和北斗原始训练数据集[δ,CN0,θe,θa,Δρ]BDS_grid；步骤1-1中所述的标定训练数据集，具体如下：步骤1-1-1，定位载体在城市区域的预定路线重复行驶收集先验数据，用于构建原始训练数据集；步骤1-1-2，通过高精度组合导航定位系统与基站GNSS观测数据进行差分定位，获取参考坐标信息；步骤1-1-3，采集GNSS接收机输出的原始观测量，提取原始观测量中相应的输入特征，所述特征包括：伪距残差δ、载噪比CN0、卫星高度角θe和卫星方位角θa，将一组特征变量表示为：[δ,CN0,θe,θa]；步骤1-1-4，对步骤1-1-2获得的参考坐标信息和步骤1-1-3中采集的GNSS原始观测量进行反演，得到伪距误差值Δρ，如下：Δρ＝cΔδtu-Δδts+ΔI+ΔT+ε其中，c为真空中的光速；Δδts表示对卫星钟差修正后的残差；Δδtu表示对接收机钟差修正后的残差；ΔI表示电离层延迟中未完全修正的残差；ΔT表示对流层延迟中未完全修正的残差；并将上述伪距误差视为多径误差；步骤1-1-5，将步骤1-1-4中得到的伪距误差值与步骤1-1-3中提取的特征变量进行标定，得到标记好的样本数据，构成训练数据集[δ,CN0,θe,θa,Δρ]；步骤1-2中所述的构建区域格网布局，具体包括：划分二维平面格网，即根据城市区域的地理信息以及GNSS位置数据，取包含位置数据的该区域最小正方形A为建模区域，该正方形的一边与ENU坐标系下的E轴平行，在正方形区域内部划分六边形格网，以所述六边形所处的ENU坐标为单位进行划分，设定六边形边长为l，取六边形网格中心点记为o；将上述划分好的二维平面格网在高度方向上延伸为格网柱，每个格网柱依次按照选定高度h划分为n个格网层，完成三维立体格网布局构建；步骤2中所述的构建增量式格网实时修正模型，具体包括：步骤2-1，构建GNSSIMU组合导航解算结果反馈更新机制，具体如下：匹配调用现有的三维格网预测模型，获取当前历元多径误差预测值，并判断是否满足： 其中，表示当前历元多径误差预测值绝对值，表示开阔地区GNSS数据的平均绝对伪距误差值；若满足，则反馈更新步骤2-2-2中训练后得到的原始的格网预测模型和预测规则，具体如下：将当前历元定位载体的时空信息分别记作当前历元Ti和当前位置Pi，其中，当前位置Pi包括当前历元定位载体所处ENU坐标系的坐标信息，作为当前i时刻用于修正所述格网预测模型的实时数据；否则，不更新；步骤2-2，依据三维立体格网布局，逐格网进行增量SVR的多径误差建模，即构建实时动态更新的多径热图；步骤2-2中所述的构建实时动态更新的多径热图，具体如下：步骤2-2-1，构建增量数据集训练样本，具体如下：根据当前历元定位载体的空间坐标，搜寻其在所述三维立体格网布局中所属的格网层，提取观测量中的输入特征，包括：伪距残差δ、载噪比CN0、卫星高度角θe以及卫星方位角θa，得到增量训练样本，表示为：[δ,CN0,θe,θa]c；按照步骤1-1-4与步骤1-1-5中的方法进行反演和标定，得到增量数据集，表示为：[δ,CN0,θe,θa,Δρ]c；按照步骤1-3中的方法，将增量数据集根据GPS和BDS星座类型和格网进行划分，得到GPS增量数据集和北斗增量数据集，分别表示为：[δ,CN0,θe,θa,Δρ]c_GPS_grid和[δ,CN0,θe,θa,Δρ]c_BDS_grid；步骤2-2-2，进行逐个格网的增量SVR多径误差训练，得到原始的格网预测模型，具体包括：确定原始训练数据集中的样本数据所属格网层，设所述三维立体格网布局中的六边形中心点为o，x轴和y轴分别对应ENU坐标系下的E轴与N轴，通过以下两个条件进行判断：条件1，yo≥l或条件2，仅当上述两式都满足时，判定该样本数据的位置xo,yo在格网柱内；遍历原始训练数据集中的各个样本，将其划分到相应的格网柱内，根据原始训练数据集中各个样本的高度数据，将其划分到所属格网层，再进行逐个格网层的SVR回归训练，得到SVR预测规则，即原始的格网模型预测规则；步骤2-2-3，更新原始的格网预测模型和预测规则，即根据步骤2-2-1中所述的增量数据集训练样本所属格网层，对相应格网层的SVR预测规则进行更新优化，即将所述增量数据集训练样本逐个匹配到其所在格网层，引入多个新的训练样本与该格网层内原始训练样本一起进行增量训练，得到动态更新的SVR预测规则，具体如下：设增量数据集训练样本为Xc，令拉格朗日乘子初始化条件Δac＝0，利用当前SVR预测规则，判断其是否违背KKT条件，并使新的优化问题重新满足KKT条件，即对当前SVR预测规则进行更新，更新过程如下：根据KKT条件，定义偏差系数θi和样本误差hXi分别为： 与当前的SVR预测规则联合，并依据是否支持向量和是否边界支持向量，把增量数据集训练样本集合成三个部分：E集，即边界支持向量集合： S集，即支持向量集合： R集，即非支持向量集合：R＝{i|θi＝0}在进行增量训练的过程中，使用上述条件对新增样本进行筛选，当新增样本属于R集时，直接抛弃该样本，当该样本属于E集或S集时，留下该样本；得到最终优化后的SVR预测规则，如下： 其中，f′为更新后的预测函数，是通过平衡判定获得的支持向量决定的最终的回归曲线，为通过批增量模式更新后的多径误差预测值，J表示特征数量；步骤2-2-4，完成实时动态更新的多径热图构建，所述的实时动态更新的多径热图，包括：原始的格网预测模型和预测规则，以及更新后的格网预测模型和预测规则；其中，KKT条件：aifXi-Yi-ε-ξi＝0 其中，ai,为拉格朗日乘子，C为正则化系数，Xi表示第i组输入特征，Yi表示对应的第i组特征的多径误差真实值，ξi和表示引入的松弛变量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：213300 江苏省常州市溧阳市滨河东路29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。