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。     

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。     

模拟退火算法的灰色模型钟差预报

针对传统灰色模型的预报效果不好的问题,文章提出了一种基于模拟退火算法的灰色模型钟差预报方法,采用模拟退火算法代替最小二乘求解灰色模型参数,较好地优化了灰色模型的参数估值。算例结果表明,基于模拟退火算法的灰色模型较传统的灰色模型,不仅能提高钟差的短期预报精度,而且对钟差的长期预报精度也有一定的改善。     

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。     

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。     

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。     

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。     

粒子群算法优化的神经网络短期钟差预报

针对导航卫星钟差短期预报精度上的不足,该文提出了一种基于粒子群算法优化的BP神经网络钟差预报模型,通过粒子群算法来对BP神经网络的权值和阈值进行优化,利用IGS的钟差数据进行实验,并与灰色GM(1,1)模型、二次多项式模型和BP神经网络模型的预报结果进行对比分析。结果表明,粒子群优化算法的BP神经网络模型钟差预报效果良好,3h预报精度能够达到0.3ns,体现了本文钟差预报模型的实用性。     

基于MEA-BP神经网络的卫星钟差预报

卫星钟差是影响导航定位精度的重要因素之一,建立高精度的钟差预报模型对高精度定位有重要意义。针对常用模型卫星钟差在短期预报中随时间增加误差积累,以及传统BP神经网络不稳定,容易出现过拟合等问题,本文提出一种基于思维进化算法(MEA)优化的BP神经网络钟差预报模型和算法。首先对原始钟差数据进行一次差处理;然后利用思维进化算法对BP神经网络的初始权值和阈值进行优化,给出该模型进行钟差预报的具体步骤;选用IGS站提供的多天GPS精密钟差产品数据进行试验分析,使用GPS一天中前12 h数据建模,进行2、3、6和12 h的钟差预报。结果表明:利用MEA-BP模型得到的上述4种时段的预报精度分别优于0.36、0.38、0.62和1.56 ns,预报误差曲线变化起伏较小,说明新模型的预报性能优于3种传统模型,新模型在钟差预报短期预报中的实用性及稳定性是较佳的。     

GNSS系统间钟差辅助定位研究

GNSS（global navigation satellite systems）系统时使用原子钟作为时间基准,相比使用晶振的GNSS接收机,其稳定度高出几个量级。GNSS系统间钟差相比接收机钟差具有更高的稳定度,如果可以充分利用此先验信息将有助于优化多GNSS系统的定位结果。分析如何充分利用系统间钟差更稳定这一先验信息,并测试引入这一先验信息对多系统单点定位结果的影响,推导了基于两种不同钟差估计方法的定位解算模型,给出了最小二乘和扩展卡尔曼滤波两种参数估计算法。通过比较不同模型和估计算法在静态和动态定位的实验结果,最小二乘法无法利用系统间钟差更稳定的特点改善定位精度;静态实验结果表明,扩展卡尔曼滤波自身有一定的降噪效果,若引入系统间钟差更稳定的先验信息,将更有利于减小噪声;动态实验结果表明,引入系统间钟差更稳定的先验信息可减弱扩展卡尔曼滤波的发散现象。     

基于哈达玛总方差的卫星钟差参数估计与预报

钟差参数估计与预报是卫星导航系统应用中的一项关键技术。本文研究了基于哈达玛总方差的钟差参数预报方法。随机部分采用幂律谱模型,利用哈达玛总方差计算Kalman噪声参数,进而得到状态噪声和测量噪声协方差阵。最后利用IGS数据,验证了基于哈达玛总方差进行钟差参数估计与预报的适用性。结果表明,短期预报精度可达到亚纳秒级。     

一种卫星钟自相关的实时钟差预报算法

针对实时精密单点定位(RT-PPP)中实时数据流存在中断、延迟等问题,该文构建了顾及卫星钟自相关的随机模型,提出了一种基于方差分量估计的自适应卡尔曼滤波钟差超短期/短期预报算法,评估了连续27d实测法国空间研究中心(CNES)实时数据流CLK93产品完整率和精度水平,利用哈达玛方差对比分析了该实时产品与德国地学研究中心(GFZ)事后GBM产品的频率稳定性。利用本文算法与传统卡尔曼算法对两类产品进行预报,结果显示:CLK93产品BDS系统(C)、GPS系统(G)、GLONASS系统(R)、Galileo系统(E)30s和1min预报精度分别平均提升了8.50%、8.44%、7.20%、6.96%;GBM产品相应4个系统12h和24h预报精度分别平均提升了3.14%、3.53%、0.96%、10.01%。     

卫星钟差单差的小波神网络预报

针对现有卫星钟差预报模型对非平稳过程预报的局限性,提出基于卫星钟差一次差值的小波神经网络预报模型。对在轨卫星钟差求取一次差值的基础上,运用小波神经网络模型预报GPS卫星钟差,同时与GM(1,1)模型预报的结果进行比较。得出BlockΠA Cs短期预报的精度能达到0.690ns,14d预报的精度最差时依然优于1ns;其余稳定性良好的卫星钟,一天预报的结果均要优于0.207ns,预报14d卫星钟差的平均精度优于0.183ns,部分卫星钟差预报精度可以达到0.050ns,预报得到的结果可以达到GPS对实时精密单点定位的要求。     

基于小波降噪的Kalman滤波预报卫星钟差

卫星钟差预报在实时高精度导航定位中具有重要作用,Kalman滤波模型是预报卫星钟差的重要方法之一。为了进一步提高Kalman滤波模型预报卫星钟差的精度,本文提出了基于小波降噪的Kalman滤波模型预报卫星钟差。该模型使用小波降噪后数据,在保留Kalman滤波模型特点的基础上,明显地提高了短期卫星钟差预报精度。     

Real-time estimation of satellite clock offset using adaptively robust Kalman filter with classified adaptive factors

In order to estimate the satellite clock offset in a real-time mode, a new algorithm of adaptively robust Kalman filter with classified adaptive factors for clock offset estimation is proposed. Compared with standard Kalman filter clock offset model, the new method can detect and control outliers and clock jumps automatically in real-time. Moreover, the clock model parameters, which contain the clock offset, clock speed and clock shift, are classified to decide the adaptive factors in the new model. Thus, clock jumps with different characteristics can be distinguished more effectively. Meanwhile, the dynamic noise characteristics of clock offset series are used for stochastic modeling. An actual numerical example is presented, which shows that the proposed filter can give a better performance than other commonly used filters.     

基于ARIMA模型的卫星钟差短期预报研究

卫星钟差的精度直接影响导航定位的性能。本文针对不同类型的星载原子钟,采用ARIMA时间序列模型分别对1 d的IGS 5 min、30 s采样间隔的精密卫星钟差产品进行建模,并作6 h、一天的短期预报。结果表明,铷钟的预报精度达到了亚纳秒级,铯钟的预报精度处于纳秒级,并且原始钟差产品的采样间隔对卫星钟差预报精度有一定的影响。     

Numerical prediction methods for clock deviation based on two-way satellite time and frequency transfer data

Three functional models, polynomial, spectral analysis, and modified AR model, are studied and compared in fitting and predicting clock deviation based on the data sequence derived from two-way satellite time and frequency transfer. A robust equivalent weight is applied, which controls the significant influence of outlying observations. Some conclusions show that the prediction precision of robust estimation is better than that of LS. The prediction precision calculated from smoothed observations is higher than that calculated from sampling observations. As a count of the obvious period variations in the clock deviation sequence, the predicted values of polynomial model are implausible. The prediction precision of spectral analysis model is very low, but the principal periods can be determined. The prediction RMS of 6-hour extrapolation interval is 1 ns or so, when modified AR model is used.     

多星定轨条件下北斗卫星钟差的周期性变化

基于地面监测网的多星精密定轨可以同时解算出北斗卫星轨道和卫星钟差。由于轨道和钟差的耦合影响,卫星钟差时序难免会出现周期性波动。此外,受限于目前并不完善的北斗全球监测网络分布、系统导航文件缺失以及定轨后处理软件的设置问题,3类卫星的钟差均存在大量数据间断问题。本文利用适用于间断数据的谱分析方法,对多星定轨条件下的北斗卫星钟差数据进行了周期项提取,并利用周期项改进后的钟差预报模型评估了24h以内的预报精度。基于近一年的数据分析表明,北斗GEO卫星钟差3个主周期依次为12、24和8h,IGSO卫星钟差的3个主周期依次为24、12和8h,而MEO卫星钟差的3个主周期依次为12.91、6.44和24h。与改进前相比,周期项改进后的钟差预报模型将北斗卫星钟差在24h以内的预报精度提高了20%~40%。     

基于Kalman滤波器的卫星钟差预报精度分析

Kalman滤波器稳态条件下的卫星钟差预报精度可作为评估星地时间同步性能的重要依据,研究了基于Kalman滤波器的卫星钟差预报精度问题。在卫星钟差包括3阶白噪声情况下,建立了卫星钟差的状态方程和测量方程,利用离散Riccati方程的非递归代数解,得到了Kalman滤波器的稳态解,进一步得到了卫星钟差预报误差,做了典型参数情况下的数值分析。     

Numerical prediction methods for clock deviation based on two-way satellite time and frequency transfer data

Three functional models, polynomial, spectral analysis, and modified AR model, are studied and compared in fitting and predicting clock deviation based on the data sequence derived from two-way satellite time and frequency transfer. A robust equivalent weight is applied, which controls the significant influence of outlying observations. Some conclusions show that the prediction precision of robust estimation is better than that of LS. The prediction precision calculated from smoothed observations is higher than that calculated from sampling observations. As a count of the obvious period variations in the clock deviation sequence, the predicted values of polynomial model are implausible. The prediction precision of spectral analysis model is very low, but the principal periods can be determined. The prediction RMS of 6-hour extrapolation interval is Ins or so, when modified AR model is used.