改进粒子群优化最小二乘向量机卫星钟差预报

针对提高导航卫星钟差预报精度的研究不足的现状,文章结合灰色预报模型和最小二乘向量机预报模型的特点,研究建立灰色系统与最小二乘向量机的结合预报模型:引入惯性权值和加速度因子随优化代数变化的改进粒子群算法,以提高算法的优化能力;并用其对模型惩罚因子和核函数参数选取过程进行优化;选取具有代表性的卫星钟差数据,建立改进粒子群优化的GM-LSSVM模型进行短期钟差预报分析,并与传统的GM(1,1)预报模型和BP神经网络预报模型进行精度比较。仿真结果表明,优化后的模型预报精度优于GM(1,1)预报模型和BP神经网络模型。     

基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

地球自转参数的RFFLS短期预报算法研究

地球自转参数(ERP)是实现地心天球坐标系(geocentric celestial reference system,GCRS)与国际地球坐标系(international terrestrial reference system,ITRS)相互转换的必要参数,是国际GNSS服务组织(IGS)和国际GNSS监测评估系统(iGMAS)分析中心的重要产品。本文针对最小二乘地球自转参数预测算法会造成数据饱和以及新旧数据在数据处理及预报中被同等对待等问题,将遗忘因子引入最小二乘预测算法,进而提高ERP预报精度。遗忘因子递推最小二乘算法能防止数据饱和,降低旧数据的影响,加强新数据的作用,降低在求解拟合参数时出现秩亏矩阵求逆的几率,提高预报精度。本文详细推导了遗忘因子递推最小二乘表达式,探究了最佳遗忘因子,并通过ERP试验将该方法和原最小二乘的试验结果及LS-AR模型的预报结果作对比,发现仅用遗忘因子最小二乘模型预测就可以达到与LS-AR组合模型预测相当的精度。     

基于新陈代谢灰色模型的实时GPS卫星钟差预报研究

实时GPS卫星钟差的可靠性预报是GPS实现实时精密单点定位的关键技术之一。传统的GM(1,1)模型不能及时更新新息数据,致使计算结果精度较差。本文首先介绍了常用的几个钟差模型,并利用新陈代谢GM(1,1)模型,与常用的二次多项式模型进行了对比。通过自编程序,依据某一IGS跟踪站实测的精密卫星星历数据,进行了实时的GPS卫星钟差预报,并与IGS事后精密钟差进行了比较。实验结果表明,基于该新陈代谢GM(1,1)模型估计的卫星钟差与IGS发布的最终精密钟差具有较好的有效性和一致性,这为实时GPS动态精密单点定位提供较高精度的卫星钟差产品。     

最小二乘支持向量机回归的卫星钟差非线性组合预报

针对应用单一方法预报卫星钟差的局限性,文章提出了基于最小二乘支持向量机回归的卫星钟差非线性组合预报方法:首先根据历史钟差数据建立二次多项式模型和灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对两种模型的预报结果进行非线性组合,以获得最终预报值;对比了RBF核函数、线性核函数和多项式核函数对组合预报性能的影响,并将本文组合预报方法与经典权组合方法进行比较。结果表明,本文方法优于经典权法,且线性核函数更适合组合预报。     

顾及卫星钟随机特性的抗差最小二乘配置钟差预报算法

为了更好地反映钟差特性并提高其预报精度,采用抗差最小二乘配置方法建立一种能够同时考虑星载原子钟物理特性、钟差周期性变化与随机性变化特点的钟差预报模型。首先使用附有周期项的二次多项式模型进行拟合提取卫星钟差的趋势项与周期项,然后针对剩余的随机项及其可能存在的粗差,采用抗差最小二乘配置的原理进行建模,其中最小二乘配置的协方差函数通过对比协方差拟合的方法并结合试验进行确定。使用IGS精密钟差数据进行预报试验,将本文方法与二次多项式模型、灰色模型进行对比,预报精度分别提高了0.457 ns和0.948 ns,而预报稳定性则分别提高了0.445 ns和1.233 ns,证明了本文方法能够更好地预报卫星钟差,同时说明本文的协方差函数确定方法的有效性。     

灰色模型在快速卫星钟差预报中的应用

GPS实时精密单点定位需要实时的、精确的、可靠的预报卫星钟差预报,因此卫星钟差的预报是一项非常重要的工作,它对实时的高精度导航定位具有重要意义。为导航定位提供时间标准的导航卫星原子钟是非常精密的仪器,对外界环境非常敏感,无法将卫星钟差作为普通的白噪声处理,可以但可将卫星钟差看作是灰色系统来进行研究。本文根据灰色系统相关理论,将灰色系统模型GM(1,1)应用到卫星钟差的预报,并用IGS超快速星历建立了预报卫星钟差的灰色预测模型,研究了卫星钟差的变化规律。结果表明:灰色模型可用于卫星钟差的短期预报,它对超快速星历的预报精度与IGS产品中的IGU超快速星历本身的预报精度相当。     

GPS卫星钟差改正数实时预报算法

实时卫星钟差（satellite clock bias,SCB）的获取是实时精密单点定位（real-time precise point positioning,RTPPP）需要解决的关键问题。给出了国际GNSS服务（International GNSS Service,IGS）所提供的实时服务（real-time service,RTS）钟差产品的修复方法,分析了IGS02、IGS03实时数据流中GPS卫星钟差改正数的稳定性及其精度。同时,从原理上推导证明了钟差一次差分数据符合一次多项式模型,并结合对GPS卫星钟差改正数的分析提出了一种基于一次差分的钟差改正数预报算法,通过与一次多项式模型、二次多项式模型以及灰色模型的预报精度进行对比试验,结果表明,该钟差改正数预报算法预报精度有明显提高,预报30 s的精度达到0.06 ns,可满足实时精密单点定位的要求。     

利用最小一乘法改进的灰色模型的导航卫星钟差预报

在卫星钟差波动较大的情况下，为了克服基于最小二乘法估计灰色模型参数对卫星钟差预报精度的不足，本文利用最小一乘法对传统灰色模型进行了改进。在建模的过程中，采用以误差绝对值之和最小为优化原则，针对目标函数不可微的特点，运用线性规划的方法对灰色预报模型的模型参数进行了估计。此外，将改进后的预报模型应用到卫星钟差波动较大情况下钟差的预报中，并将预报结果与传统灰色模型的预报结果进行了对比分析。结果表明：在卫星钟差波动较大的情况下，该方法相比传统灰色模型的预报结果有显著改善，为高精度的卫星钟差预报提供了一种新思路。     

一种利用加窗LSSVM拟合GPS在轨卫星钟差的算法

利用最小二乘支持向量机(least squares support vector machine,LSSVM)来对GPS在轨卫星钟差数据进行拟合,针对LSSVM拟合钟差两端发散的现象,利用加窗的方法进行抑制。采用IGS提供的精密钟差进行算例分析,发现加窗LSSVM钟差拟合算法比现有的钟差拟合算法精度更高,且基于多项式的核函数比较适合加窗LSSVM钟差拟合。     

数据预处理对最小二乘支持向量机预报钟差的影响

分析在基于最小二乘支持向量机的卫星钟差预报中样本数据预处理的必要性,列举了归一化、标准化和相邻历元一次差3种数据预处理方法。然后结合实例,对比分析不同数据预处理方法对基于最小二乘支持向量机的钟差预报精度的影响,得出不同方法对钟差预报精度的影响不同,其中,基于一次差方法的预报精度最高。最后,将基于一次差方法的最小二乘支持向量机预报模型与常用的二次多项式模型和灰色系统模型进行比较,结果表明,最小二乘支持向量机模型的预报效果明显优于两种常规模型。     

基于半参数最小二乘核估计的卫星精密钟差预报方法

研究半参数最小二乘核估计模型在精密钟差预报中的应用问题,提出一种基于时间自变量差值累加的窗宽参数计算模型,并通过实验验证该模型的有效性,讨论在不同预报时间长度和已知数据量的情况下模型预报精度。实验表明,与常规模型相比,半参数最小二乘核估计模型在预报精度与稳定性方面都取得较好的效果,可以满足精密单点定位对于精密钟差预报的精度要求。研究成果对于精密单点定位技术的推广普及具有一定的促进作用。     

北斗/GPS实时精密卫星钟差融合解算模型及精度分析

实时GNSS精密单点定位(PPP)技术必须使用实时的高精度卫星精密轨道和钟差。本文研究了精密卫星钟差融合解算模型及策略,并利用滤波算法实现了北斗/GPS实时精密卫星钟差融合估计算法。仿真实时试验结果显示:获得的北斗/GPS实时钟差与GFZ事后多GNSS精密钟差(GBM)的标准差在0.15 ns左右;使用该钟差进行GPS动态PPP试验,收敛后水平精度优于5 cm,高程精度优于10 cm;使用仿真实时钟差进行的北斗动态PPP与使用GFZ事后多GNSS精密钟差开展的试验相比精度相当,可实现分米级定位。     

不同采样间隔的钟差数据对钟差预报的影响分析

在卫星导航定位系统中,星载原子钟的钟差预报在维持系统时间同步、满足实时精密单点定位的需求等方面具有重要的作用。目前,钟差预报主要研究的是预报模型,关于钟差数据对钟差预报结果影响的研究还很少。基于IGS提供的30s、5min和15min采样间隔的精密钟差数据,分析和研究在预报条件相同时,不同采样间隔的钟差数据对钟差预报效果的影响。以常用的灰色模型和二次多项式模型对不同类型的卫星钟差进行预报和分析,结果表明,相同预报条件下钟差数据的采样率对预报结果有影响,IGS的15min采样间隔的精密钟差数据较另外两种采样间隔的精密钟差数据能得到更好的预报结果。     

利用遗传优化LSSVR进行导航卫星钟差预报

为提高导航卫星钟差预报的精度,提出了一种最小二乘支持向量回归(LSSVR)和遗传算法(GA)相结合的导航卫星钟差预报方法。根据卫星钟差序列变化的非线性特征,选用高斯径向基函数(RBF)建立卫星钟差LSSVR预测模型。针对LSSVR模型的参数选择问题,引入GA对不同星座以及原子钟类型预测模型的参数进行搜索寻优。该方法能够在较大范围内自动确定优化参数,提高LSSVR的泛化性能。将所提出的方法用于GPS卫星钟差的短期预报,并与常规预报方法进行对比。结果表明,GA-LSSVR模型对不同星座以及原子钟类型钟差预报均表现出良好的稳健性,能够在一定程度上抑制钟差预报误差随时间延长不断增大的问题,整体预报精度优于常规方法。     

含误差预报校正的GM(1,1)卫星钟差预报新方法

为了提高卫星钟差预报精度,该文提出用AR(p)模型对GM(1,1)建模过程中的模型残差进行建模预报,以此来提高GM(1,1)模型预报卫星钟差的精度。首先,剔除卫星钟差数据中的异常值,采用拉格朗日插值法将缺失的数据补齐;然后,用GM(1,1)模型对卫星钟差进行预报,对GM(1,1)的模型残差作平稳化处理后,采用AR(p)模型对处理后的残差序列进行预报;最后,将GM(1,1)和AR(p)模型的预报结果对应相加即得到钟差的最终预报值。此外,该文采用IGS公布的事后精密卫星钟差进行预报试验,并将该文结果与卫星钟差预报中常用的二次多项式和修正指数曲线法模型预报结果进行对比分析。结果表明,该方法可以对GPS卫星钟差进行高精度的中短期预报。     

IGS RTS钟差数据中断的实时修复方法研究

针对IGS RTS实时数据流产品在网络传输过程中普遍存在的数据中断问题,基于卫星钟差预报算法,文中提出实时“预报修复”方法,以钟差预报值实时修复发生中断历元的钟差数据。通过对RTS数据中断区间分布的统计分析,确定钟差预报的时间长度为5 min;采用改进的灰色系统模型,对不同时间长度初始数据的钟差预报结果进行对比,确定初始数据时间长度为10 min。以IGS事后精密卫星钟差产品为参考,对连续7 d RTS钟差产品的实时预报修复效果进行验证。以IGS02产品为例,连续7 d预报修复钟差值的平均RMS优于0.17 ns,预报修复后24 h钟差产品的RMS均在0.22 ns以内。     

基于小波变换和最小二乘支持向量机的卫星钟差预报

提出了一种基于小波变换和最小二乘支持向量机的卫星钟差预报方法。首先通过小波变换把钟差时间序列分解成具有不同频率特征的分量,然后根据各分量的特点构建不同的最小二乘支持向量机模型进行预报,最后将各分量的预报结果进行叠加得到最终的钟差预报值。实验结果表明,该方法的预报效果优于单一的最小二乘支持向量机模型以及常规的二次多项式模型和灰色系统模型。     

基于卫星双向时间频率传递进行钟差预报的方法研究

用多项式拟合、谱分析、改进的AR模型三种方法对由卫星双向时间频率传递得出的钟差时间序列进行了拟舍和预报分析。为了抵制钟差时间序列中异常值的影响，引入了“抗差等价权”，利用卫星双向时间频率传递得到的1d的钟差，按不问采样率、不同时间跨度进行计算分析。结果表明，抗差估计的预报精度明显高于最小二乘估计；平滑值的预报精度高于采样值；由于钟差时间序列中有明显的周期变化，多项式进行钟差预报的精度不可靠；用谱分析进行钟差预报的精度不高，但可以发现钟差时间序列中的主要周期变化；改进的AR模型预报精度最高，预报6h钟差的RMs在1ns左右。     

基于IGS超快星历预报卫星钟差及其精度分析

在实时GPS精密单点定位中,能否快速有效地得到高精度的卫星钟差预报值是影响实时单点定位速度和精度的一个重要因素,由于GPS原子钟的高频率、高敏感和极易受到外界及其本身因素影响的性质使得卫星钟差预报至今都没能得到很好地解决,本文在目前的卫星钟差预报基础上,分别探讨了利用灰色模型理论、线性模型和二次多项式模型等方法,以IGS超快星历中2004年12月7日卫星钟差观测资料预报8日的卫星钟差为例进行卫星钟差预报研究,初步得出如下结论:在利用IGS超快星历的前一天的卫星钟差观测值预报后一天的钟差时,线性模型相对方便有效;而灰色模型只要选取合适的模型指数系数,能得到较高精度;但二次多项式模型预报精度较差。利用线性模型能达到或优于IGS超快星历预报钟差的预报精度。