En el estudio actual sobre errores de la inversión de altura del mar de la señal GNSS-R (Sistema Global de Navegación por Satélite-Reflectometría) a bordo, el uso de modelos clásicos de error para corregir los resultados de la inversión sigue dando lugar a grandes errores. Para abordar este problema, se propone un modelo de compensación de error basado en la combinación de una red neuronal y un mecanismo de atención para corregir los resultados de la inversión de altura del mar, y se utiliza el modelo de verificación DTU para evaluar la precisión de la corrección. Se realizan experimentos utilizando datos de mapeo de retardo-Doppler (DDM) de señales de reflexión GNSS a bordo del satélite Fengyun-3E, y la precisión del modelo se compara con la de los algoritmos de bosque aleatorio y red neuronal convolucional (CNN). Los resultados muestran que el error absoluto medio (MAE) después de la corrección por el modelo de compensación de error es de 1.74 m para los datos de señales de reflexión del sistema de posicionamiento global (GPS), y de 0.97 m para los datos de señales de reflexión del sistema de navegación por satélite Beidou (BDS), lo que representa una mejora de alrededor del 80% en comparación con la precisión de la corrección por el modelo de error clásico. Además, la precisión del modelo propuesto es ligeramente superior a la de los modelos entrenados con el algoritmo de bosque aleatorio y el algoritmo CNN. Los resultados de verificación confirman que el modelo de compensación de error propuesto corrige eficazmente los errores de la inversión de altura del mar de la señal GNSS-R a bordo.

GNSS-R; red neuronal; a bordo; FY-3E; inversión de altura del mar; error; DDM; Beidou