提高高精度BDS-3卫星轨道预测使用自我注意力增强的深度学习模型.
Shengda Xie1, Jianwen Li1, Jiawei Cai1
1School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
一个新的深度学习模型SCINet-SA显著提高了北斗导航卫星系统-3 (BDS-3) 轨道预测准确度. 这种方法通过改进超快轨道估计来增强实时定位,优于现有的方法.
科学领域:
- 卫星地质测量 卫星地质测
- 深度学习应用程序
- 导航系统 导航系统
背景情况:
- 准确的全球导航卫星系统 (GNSS) 轨道预测对于实时定位至关重要.
- 目前的北斗导航卫星系统-3 (BDS-3) 的轨道预测准确度落后于GPS和利略.
- 传统的动态建模显示,BDS-3轨道预测的改进有限.
研究的目的:
- 引入一种新的数据驱动方法,SCINet-SA,以增强BDS-3超快轨道预测.
- 为了提高BDS-3轨道预测的准确性和可靠性.
- 与其他GNSS相比,解决预测准确度的差异.
主要方法:
- 开发了一个深度学习模型,样本卷积和互动网络与自我注意 (SCINet-SA).
- 在BDS-3超快速和最终产品之间的轨道差异的模拟时间特征.
- 整合了一种自我注意机制,以捕捉远程时间依赖.
主要成果:
- 在提高BDS-3超快轨道预测准确度方面,SCINet-SA表现出卓越的性能.
- 在1,7和15天的时间范围内,在3D根平均平方 (RMS) 错误中实现了最高的平均相对改善 (IMP).
- 报告了显著的IMP,为1天预测,从7.78%到38.91%不等.
结论:
- 通过预测差异,SCINet-SA有效地改进了超快轨道估计.
- 自我注意力机制增强了长期预测能力,并减轻了延迟.
- 拟议的方法代表了BDS-3轨道预测准确性的重大进步.


