SVM模糊度验证模型

车载测试成功率达92%

将多个传统检验集成为一个机器学习模型，不靠经验阈值，验证可靠性显著高于单独使用R-ratio等传统方法。

郭江 · 耿江辉

Satellite Navigation 2025

参数信息

验证成功率

83 %

收敛时间平均误差

1.0 min

验证成功率

92 %

技术优势

不靠经验阈值

SVM从历史数据中学习判别边界，避免人工设定阈值带来的偏差。

收敛更快

预测的收敛时间平均误差约1.0分钟，而R-ratio检验高达5.0分钟，可帮助用户更快获得可靠定位结果。

动态场景更可靠

车载实验验证成功率达92%，比传统R-ratio检验的82%高出10个百分点。

应用场景

• 精密单点定位：在PPP解算中可靠确认模糊度固定，加快收敛并提高定位精度。
• 卫星导航：可集成到GNSS数据处理软件，替代传统R-ratio检验，提升卫星导航定位服务的可靠性。
• 车载导航：在动态车载环境中实现92%的验证成功率，减少错误固定带来的定位跳变。
• 无人机定位：为无人机动态定位提供更稳健的模糊度验证，保障高精度导航。