预测太空天气机器学习增强 GNSS 信号稳定性

由地球电离层不规则引起的电离层闪烁会严重影响全球导航卫星系统 (GNSS) 的信号完整性，从而导致导航错误。

传统的探测方法依赖于昂贵且专业的电离层闪烁监测接收器 (ISMR)。然而，随着各种应用对 GNSS 的依赖性越来越强，迫切需要一种更方便、更经济的探测方法。

由于这些挑战，需要深入研究利用通用 GNSS 接收机检测电离层闪烁事件。

由香港理工大学研究团队牵头的一项新研究于 2024 年 6 月 3 日发表在《卫星导航》杂志上。该团队介绍了一种新颖的策略，即使用常见的大地测量 GNSS 接收器以惊人的精度识别电离层幅度闪烁事件，从而有可能改变 GNSS 监测。

该研究重点是利用庞大的大地测量 GNSS 接收器网络来探测电离层闪烁事件，这些事件通常由专门的 ISMR 识别。所提出的方法采用预先训练的机器学习决策树算法，该算法处理以 1 Hz 间隔收集的载波噪声比 (C/N 0 ) 和仰角数据。

通过详细分析多路径模式来减轻多路径效应，该研究有效地减少了噪音和误报，确保了闪烁检测的准确性。该方法包括根据大地测量 GNSS 接收器的 C/N 0测量值计算替代闪烁指数 (S 4c ) 。

尽管大地测量接收器对噪声和多径干扰的敏感性更高，但该指数与 ISMR 使用的传统 S 4指数显示出高度相关性。机器学习算法利用多径效应的周期性来提高检测精度，这与闪烁的不规则性不同。

实验结果表明，决策树算法达到了99.9%的检测准确率，超越了传统的硬阈值和半硬阈值方法。

首席研究员蒋一平博士表示：“我们的研究展示了将机器学习与广泛使用的 GNSS 接收器相结合的潜力，从而彻底改变电离层闪烁检测。这种方法不仅提供了一种经济高效的专用设备替代方案，而且还提高了空间天气监测的准确性和可靠性。”

这项研究意义深远，为全球 GNSS 用户提供可扩展的解决方案。通过改进闪烁事件的检测，它有助于开发更精确的导航算法和技术。

这一进步对于航空、航海和陆地运输等各种应用都至关重要，因为 GNSS 的可靠性至关重要。