随着北斗卫星导航系统的全面建成,相关产品和服务的应用范围也越来越广,人们对于卫星导航定位的精度要求也越来越严格,为了获得高精度的导航定位结果,必须准确的探测到卫星信号的周跳。现有的周跳探测方法有很多,但是存在不适用于单频数据,难以探测小周跳,周跳探测精度不高,没有考虑载波相位数据时序特征的问题。根据载波相位数据的时序特征和长短期记忆网络的特点,本文提出了一种基于深度学习的卫星信号周跳探测方法,并通过实验验证该方法的有效性和优越性。本文主要研究内容和创新点如下:（1）提出了一种基于深度学习的卫星信号周跳探测方法。首先对载波相位原始观测数据进行预处理,包括特征值的提取和数据的归一化;其次构建基于长短期记忆网络的神经网络模型;然后确定周跳的判定阈值,将预测值和实际值比较的方式来探测载波相位中存在的周跳;最后通过实验设备采集载波相位原始观测数据进行实验。（2）将本文提出的方法与现有的主流方法进行了充分的比较实验,论证了本文方法的有效性和优越性。分析了不同的采样间隔对两种常用周跳探测方法的影响;针对本文提出的方法,通过采用不同的激活函数,讨论了不同激活函数对周跳探测效果的影响;通过采用不同的隐含层节点个数,讨论了不同隐含层节点个数对周跳探测效果的影响;然后分析了不同采样间隔对本文提出的探测方法的影响;最后,综合比较这三种方法在不同采样间隔下的周跳探测效果,验证了本文提出的方法在周跳探测精度方面得到了提高。本文提出的基于深度学习的卫星信号周跳探测方法,不仅能够有效的探测到小周跳,而且与主流的周跳探测方法相比提高了周跳探测的精度,为该领域的发展提供了参考。