Dans l'étude actuelle sur les erreurs d'inversion de hauteur de la mer de signal GNSS-R (Global Navigation Satellite System-Reflectometry) embarqué, l'utilisation de modèles classiques d'erreur pour corriger les résultats d'inversion entraîne toujours de grandes erreurs. Pour résoudre ce problème, un modèle de compensation d'erreur basé sur la combinaison d'un réseau neuronal et d'un mécanisme d'attention est proposé pour corriger les résultats d'inversion de hauteur de la mer, et le modèle de vérification DTU est utilisé pour évaluer la précision de la correction. Des expériences sont menées en utilisant des données de carte de retard-Doppler (DDM) de signaux de réflexion GNSS embarqués sur le satellite Fengyun-3E, et la précision du modèle est comparée à celle des algorithmes de forêt aléatoire et de réseau de neurones convolutif (CNN). Les résultats montrent que l'erreur absolue moyenne (MAE) après la correction par le modèle de compensation d'erreur est de 1.74 m pour les données de signaux de réflexion du système de positionnement global (GPS), et de 0.97 m pour les données de signaux de réflexion du système de navigation par satellite Beidou (BDS), ce qui représente une amélioration d'environ 80% par rapport à la précision de la correction par le modèle d'erreur classique. En outre, la précision du modèle proposé est légèrement supérieure à celle des modèles entraînés avec l'algorithme de forêt aléatoire et l'algorithme CNN. Les résultats de vérification confirment que le modèle de compensation d'erreur proposé corrige efficacement les erreurs d'inversion de hauteur de la mer de signal GNSS-R embarqué.

GNSS-R; réseau neuronal; embarqué; FY-3E; inversion de hauteur de la mer; erreur; DDM; Beidou