Na atual pesquisa de erro na estimativa de altura da superfície do mar do sinal GNSS-R (Global Navigation Satellite System-Reflectometry) embarcado, o uso de modelos clássicos de erro para corrigir os resultados da estimação resulta em grandes erros. Para resolver esse problema, é proposto um modelo de compensação de erro baseado na combinação de uma rede neural e um mecanismo de atenção para corrigir os resultados da estimação da altura da superfície do mar, e é utilizado o modelo de verificação DTU para avaliar a precisão da correção. Experimentos são realizados usando dados de mapeamento de atraso-Doppler (DDM) de sinais de reflexão GNSS embarcados no satélite Fengyun-3E, e a precisão do modelo é comparada com a dos algoritmos de floresta aleatória e de rede neural convolucional (CNN). Os resultados mostram que o erro médio absoluto (MAE) depois da correção pelo modelo de compensação de erro é de 1,74 m para os dados dos sinais de reflexão do sistema de posicionamento global (GPS), e de 0,97 m para os dados dos sinais de reflexão do sistema de navegação por satélite Beidou (BDS), o que representa uma melhoria de cerca de 80% em comparação com a precisão da correção pelo modelo de erro clássico. Além disso, a precisão do modelo proposto é ligeiramente superior à dos modelos treinados com o algoritmo de floresta aleatória e o algoritmo CNN. Os resultados de verificação confirmam que o modelo de compensação de erro proposto corrige eficazmente os erros na estimação da altura da superfície do mar do sinal GNSS-R embarcado.

GNSS-R; rede neural; embarcado; FY-3E; estimação da altura da superfície do mar; erro; DDM; Beidou