بهبود دقت و پایداری rtdgps با استفاده از مدل ترکیبی rnn و pso

پایداری سامانه rtdgps در سرویس دهی به کاربران حائز اهمیت است. این سامانه از دو ایستگاه مرجع و کاربر تشکیل شده است. قطع سیگنال ایستگاه مرجع موجب کاهش پایداری سامانه می شود. قطع سیگنال gps موجب عدم تولید پروتکل مخصوص سامانه در ایستگاه مرجع می شود، در نتیجه فاکتورهای تصحیحاتی موجود در این پروتکل از طریق واسط ارتباطی به گیرنده کاربر نمی رسد. در این حالت سامانه از حالت موقعیت یابی dgps وارد حالت gps می گردد و دقت آن کاهش می یابد. در این مقاله برای جبران فقدان سیگنال از مدل پیش گویی شبکه عصبی بازگشتی استفاده شده است. آموزش این شبکه با استفاده از مدل بهینه سازی گروهی ذرات انجام شده است. شبه فاصله تصحیحاتی هر ماهواره ورودی مدل پیش گویی است. آزمون pso-rnn با استفاده از اطلاعات واقعی prc نشان داد که خطای rms مدل 18/0 متر است. ایستگاه مرجع و کاربر این سامانه با استفاده از یک گیرنده ارزان قیمت پیاده سازی شد. عملیات ایستگاه مرجع به وسیله نرم افزار طراحی شده، انجام می شود. با استفاده از آزمون های عملی دقت مکان یابی ایستگاه کاربر سامانه با افزودن مدل pso-rnn به ایستگاه مرجع، 4/0 متر به دست آمد. این مقدار نشان دهنده بهبود بیش از 50 درصدی دقت مکان یابی سامانه rtdgps به سبب افزودن مدل پیش گویی است.