分块稀疏表示法

内存减半，无需训练

该方法采用解析字典和二进制掩码编码，无需预先训练即可高效压缩对流层网格模型的所有参数，显著优于现有的学习字典算法。

Wenjian, Huang · 欧吉坤 · 霍星亮 · 李微 · Yuan, Yunbin · Xiao, Gongwei

Satellite Navigation 2026

参数信息

内存缩减率（静态IGGtropS）

63.49 %

内存缩减率（动态VMF1）

81.19 %

重建天顶对流层延迟均方根误差

1.7 mm

重建天顶对流层延迟均方根误差

2.1 mm

通信资源需求降低率

50 %

全球VMF1网格产品传输时间

30 s

技术优势

内存大幅缩减

对静态IGGtropS和动态VMF1模型，内存占用分别减少63.49%和81.19%，超过现有学习字典算法。

重建误差低

重建的天顶对流层延迟均方根误差分别仅为1.7 mm和2.1 mm，保持模型精度。

通信资源减半

卫星广播模拟中，用稀疏模型替代原模型可降低通信资源需求50%。

免训练且高效

方法无需预先训练，算法复杂度低，适合轻量化部署。

应用场景

• 高精度GNSS定位：免训练压缩对流层格网，在保证定位精度的同时降低数据存储与传输开销。
• 对流层延迟建模：提供轻量模型表示，便于快速部署和更新全球或区域对流层延迟产品。
• 卫星广播增强：压缩后的产品所需带宽和广播时间减半，适合通过卫星播发全球改正信息。
• 全球导航卫星系统：在信号体制或数据处理端采用该稀疏表示，可缓解GNSS增强信息的高资源消耗。
• 无网络环境定位：无网络区域（如海洋、沙漠）可依靠低带宽卫星广播接收压缩改正，实现高精度定位。