申请/专利权人：芯与物(上海)技术有限公司

申请日：2023-10-13

公开（公告）日：2024-02-27

公开（公告）号：CN117609687A

主分类号：G06F18/00

分类号：G06F18/00;G06F18/10;G01S19/39;G06F18/23213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明涉及数据处理技术领域，具体地说是一种基于mean‑shift非监督学习的GNSS数据处理方法，对GNSS的原始观测值进行预处理，根据先验信息计算相关数据的残差值，基于mean‑shift算法根据残差分布特性，自动确定带宽，并设置初始数据聚类中心点，搜索迭代得到所有的聚类中心点，并完成聚类分配，采用基于mean‑shift非监督学习的GNSS数据处理方法，不需要选择簇的数量，而是自动根据数据特性分成几类，可以对GNSS信号的误差根据不同信号环境进行自适应聚类，进而控制外部因素的影响，通过对数据进行挖掘，提高复杂环境下GNSS定位精度。

主权项：1.一种基于mean-shift非监督学习的GNSS数据处理方法，其特征在于：所述方法包括：S1，判定当前条件是否满足聚类分析的条件，如果当前条件满足聚类分析的要求，则进入聚类分析模块，否则跳过聚类分析流程；S2，对GNSS的观测数据进行meanshift聚类分析；S3，计算s2的分析结果中包含最多样本数据聚类簇的平均值及标准差，作为下一步观测量剔除或者降权的输入参数；S4，如果最大聚类簇的观测量足够，则直接删除其他聚类簇的数据；S5，如果最大聚类簇的观测量不满足阈值，则依次计算其他簇类中数据点距离最大簇类平均值的距离，并按照距离远近进行排序；每个观测值残差从大到小进行确认，是否满足距离最大聚类平均值的距离落在3倍中误差的范围，如果超出该阈值，直接删除该观测，否则对该观测进行降权处理；S6，使用经过步骤S4和S5中过滤的卫星观测量进行定位计算，最终得到优化的定位结果。

全文数据：

权利要求：

百度查询： 芯与物(上海)技术有限公司 一种基于mean-shift非监督学习的GNSS数据处理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD