城市环境对全球导航卫星系统(GNSS)构成了独特的挑战,高层建筑、车辆和其他障碍物经常干扰信号并导致非视距(NLOS)误差。为了解决这个问题,研究人员使用光梯度增强机(LightGBM)开发了一种人工智能(AI)驱动的解决方案,在识别和减轻这些错误方面提供了新的精度。
该研究于2024年11月22日发表在《卫星导航》杂志上,展示了一种机器学习方法,通过识别和排除非直瞄信号,显著提高了GNSS的精度。来自武汉大学、东南大学和百度的研究人员在中国武汉进行了真实世界的实验,验证了LightGBM模型在复杂城市环境中的有效性。
LightGBM方法采用鱼眼相机根据卫星能见度将GNSS信号分类为视线(LOS)或非直瞄。通过分析多种信号特征,如信噪比、仰角和伪距一致性,该模型在区分视距和非视距信号方面取得了92%的准确率。与XGBoost等传统方法相比,LightGBM提供了卓越的性能,提高了计算效率和准确性。在GNSS计算中排除非直瞄信号后,定位精度显著提高,特别是在人口稠密的城市地区。
首席研究员张晓红博士说:“这种方法代表了在城市环境中增强GNSS定位的一次重大飞跃。通过使用机器学习来分析多种信号特征,我们已经证明,排除非直瞄信号可以显著提高基于卫星的导航系统的准确性和可靠性。这对自动驾驶和智慧城市基础设施等应用具有深远的影响。”这些发现对依赖GNSS的行业具有重要意义,包括自动驾驶汽车、无人机和城市规划。增强对非直瞄误差的检测和缓解可以提高拥挤城市景观中导航的安全性和效率。随着城市采用更智能、更互联的系统,这一进步将在塑造未来的交通和基础设施技术方面发挥至关重要的作用。