基于随机森林的船舶GNSS矢量跟踪环路优化算法

《Marine Geodesy》：Random Forest-Based Optimization Algorithm for Shipborne GNSS Vector Tracking Loop

随机森林优化船载GNSS矢量跟踪环方法显著提升低SNR和信号遮挡条件下的定位精度，实验显示较传统VTL提升94%，较带滤波器VTL提升72%

　　

摘要

全球导航卫星系统（GNSS）是实现全球定位的关键技术。在GNSS接收机中，矢量跟踪环路（VTL）作为一种先进的信号处理方法，相较于标量跟踪环路（STL），在动态环境中具有更强的抗干扰能力和鲁棒性。然而，在信噪比（SNR）较低、信号受阻、多径效应以及非视距情况下，传统的VTL面临诸多挑战。这些挑战会损害系统的稳定性和可靠性，导致较大的定位误差或导航失败。为了解决这一问题，本文提出了一种基于随机森林（RF）的舰载GNSS VTL优化方法。首先，确定了卫星信号SNR、卫星仰角和坐标信息作为关键特征；在信号良好的条件下，从VTL得到的伪距和伪距率误差作为输出变量。通过采用改进的集成装袋决策树学习方法，开发了伪距和伪距率误差的预测模型。舰载实验表明，在信号受阻的区域，所提出的基于RF的VTL（RFVTL）优化方法使水平定位精度相比传统VTL提高了94%，相比带有环路滤波器的VTL提高了72%。