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

پایداری سامانه rtdgps در سرویس‌دهی به کاربران حائز اهمیت است. این سامانه از دو ایستگاه مرجع و کاربر تشکیل شده است. قطع سیگنال ایستگاه مرجع موجب کاهش پایداری سامانه می‌شود. قطع سیگنال gps موجب عدم تولید پروتکل مخصوص سامانه در ایستگاه مرجع می‌شود، در نتیجه فاکتورهای تصحیحاتی موجود در این پروتکل از طریق واسط ارتباطی به گیرنده کاربر نمی‌رسد. در این حالت سامانه از حالت موقعیت‌یابی dgps وارد حالت gps می‌گردد و دقت آن کاهش می‌یابد. در این مقاله برای جبران فقدان سیگنال از مدل پیش‌گویی شبکه عصبی بازگشتی استفاده شده است. آموزش این شبکه با استفاده از مدل بهینه‌سازی گروهی ذرات انجام شده است. شبه‌فاصله تصحیحاتی هر ماهواره ورودی مدل پیش‌گویی است. آزمون psornn 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 ارزان‌قیمت پیاده‌سازی شد. عملیات ایستگاه مرجع به‌وسیله نرم‌افزار طراحی‌شده، انجام می‌شود. با استفاده از آزمون‌های عملی دقت مکان‌یابی ایستگاه کاربر سامانه با افزودن مدل psornn به ایستگاه مرجع، 4/0 متر به‌دست آمد. این مقدار نشان‌دهنده بهبود بیش از 50 درصدی دقت مکان‌یابی سامانه rtdgps به‌سبب افزودن مدل پیش‌گویی است.