In der aktuellen Phase der Untersuchung der Fehler bei der Inversion der Meereshöhe der Reflektionssignale des satellitengestützten Navigationssystems - Reflexion (GNSS-R) bestehen immer noch erhebliche Fehler, sogar nach der Korrektur der Umkehrergebnisse mit einem klassischen Fehlermodell. Zur Lösung dieses Problems wird ein Fehlerkompensationsmodell vorgeschlagen, das neuronale Netzwerke und einen Aufmerksamkeitsmechanismus kombiniert, um die Ergebnisse der Meereshöhe der Oberfläche zu korrigieren, und ein DTU-Verifizierungsmodell verwendet, um die Genauigkeit der Korrektur zu bewerten. Experimente mit DDM-Daten (Delay-Doppler-Mapping) der Reflektionssignale des Satelliten GNSS-R FY-3E zeigen, dass: Nach der Korrektur durch das Fehlerkompensationsmodell beträgt der MAE (Mean Absolute Error) der GPS-Reflexionssignale 1,74 Meter, und der MAE der BDS-Reflexionssignale korrigiert durch das Fehlerkompensationsmodell beträgt 0,97 Meter, die Korrekturgenauigkeit stieg um etwa 80% gegenüber der Korrekturgenauigkeit mit dem klassischen Modell, gleichzeitig verbesserte dieses Modell die Genauigkeit leicht im Vergleich zum mit Zufallswald- und CNN-Algorithmen gebildeten Modell. Die Erfahrung hat gezeigt, dass das vorgeschlagene Fehlerkompensationsmodell Fehler bei der Inversion der Meereshöhe der Reflektionssignale des satellitengestützten GNSS-R effektiv korrigiert.

GNSS-R; neuronales Netzwerk; orbital; FY-3E; Inversion der Meereshöhe; Fehler; DDM; Beidou