BDS卫星钟差数据异常值类型识别的卷积神经网络方法

北斗卫星导航系统(BeiDou navigation satellite system,BDS)卫星钟差数据中存在多种不同类型的异常值,直接影响钟差预报的质量和性能分析的可靠性。钟差数据预处理是进行钟差预报和分析的前提条件,其中,对异常值的识别是钟差数据预处理的关键。提出一种面向BDS卫星钟差数据异常值识别的卷积神经网络方法。首先将数值型钟差数据转换为灰度二值图格式的数据;然后根据钟差的图形化特征差异进行分类,制作异常值识别的训练集和测试集;最后利用卷积神经网络方法训练钟差数据异常值识别模型,实现钟差数据异常值的精确识别。利用BDS钟差数据进行实验验证,结果表明,所提方法能够精确高效地识别BDS钟差各种类型的异常值,提高了BDS钟差数据预处理的质量和效率。     

北斗卫星钟差异常值处理的似然比方法

北斗卫星导航系统(BDS)星载原子钟由于受到空间环境的影响和各种不确定因素的干扰,导致获取的卫星钟差数据中经常会出现异常扰动,从而降低了卫星钟性能分析的可靠性、破坏了钟差建模和预报的有效性、影响导航定位结果的精准度,需要对BDS卫星钟差数据中存在的异常值进行探测和处理。基于求和自回归移动平均模型建立BDS卫星钟差异常值探测的方差膨胀模型;运用似然比方法对BDS卫星钟差时间序列中的异常值进行探测;推导了Score检验统计量,运用最小二乘法对异常扰动的大小进行估计。试验结果表明,似然比方法能够准确探测BDS卫星钟差数据中异常值的位置,精确估计异常扰动的大小。     

幂函数变换的GM(1,1)模型在BDS卫星钟差预报中的应用研究

由于卫星钟存在频率高、敏感性强、极易受到外界影响从而导致观测数据波动大,预测结果精度低的问题,利用幂函数变换法对初始观测数据进行变换预处理,从而提高观测数据的平顺度.由此提出一种基于幂函数变换的GM(1,1)模型,选用北斗卫星导航系统(BDS)卫星钟差进行插值和预报,并且进行了精度验证.实验结果表明:Lagrange插值方法可以满足高精度BDS的钟差的插值需要;利用幂函数变换的GM(1,1)模型相比传统模型精度有效提高了,而且当改进模型和传统模型预报值越接近实际值,则幂函数改进的GM(1,1)模型精度更高,适用性更强,对BDS卫星钟差预报具有实际参考价值.     

北斗广播电文钟差模型精度评估及改善策略

星载原子钟是北斗卫星导航系统(BDS)的核心设备,其钟差模型是北斗广播电文的重要组成部分,模型精度直接影响BDS的服务性能.本文采用星地双向时频传递(TWSTF)钟差测量为参考,评估了BDS广播电文钟差模型精度,结果表明BDS广播电文钟差模型精度优于2 ns(数据龄期小于12 h).针对BDS广播电文钟差参数解算问题,结合BDS地面段的钟差模型解算策略,本文提出进一步提升精度的多种策略.对于1h时长的短期预报,本文提出加权线性模型与混合区间线性模型的钟差拟合预报方法,短期预报精度可提高20％ 以上;对于预报时长大于6 h的中长期预报,本文采用谱分析钟差时间序列,并根据谱分析结果构造预报模型,与简单的二次多项式模型预报相比,预报6 h精度提高13％,预报12 h平均提高了21％;对于IGSO/MEO卫星,本文提出将TWSTF的设备时延值作为参数估算,使钟差模型在设备切换后精度提高18％.最后,利用本文提出的改进策略对2017年1月—6月的钟差数据重新处理,获得了新的广播电文钟差模型时间序列.利用新的广播电文钟差模型进行北斗监测接收机定位,结果表明,N、E、U 3个方向精度分别提高14.22％、29.39％、14.91％,显著提升了BDS广播电文钟差服务性能.     

BDS星载原子钟长期性能分析

北斗卫星导航系统(BDS)于2012年底开始提供区域服务,进行BDS星载原子钟的长期性能分析,对于系统性能的评估、卫星钟差的确定与预报等具有重要的作用。本文基于3年的多星定轨联合解算的BDS精密卫星钟数据,利用改进的中位数方法进行数据预处理,分析了卫星钟差数据的特点,使用卫星钟差二次多项式拟合模型分析了卫星钟的相位、频率、频漂及钟差模型噪声的长期变化特性,根据频谱分析的方法分析了卫星钟差的周期特性,采用重叠哈达玛方差计算并讨论了卫星钟的频率稳定性。综合上述方法及其试验结果较为全面地分析和评估了BDS星载原子钟的长期性能,得到结论:在噪声特性和钟漂特性方面,MEO卫星钟的性能最好,其次是IGSO卫星钟,最差的是GEO卫星钟,所有卫星钟噪声水平和频漂的均值分别为0.677ns和1.922×10~(-18);多星定轨条件下的北斗卫星钟差存在显著的周期项,其主周期分别近似为对应卫星轨道周期的1/2倍或1倍;BDS星载原子钟频率稳定度的平均值为1.484×10~(-13)。     

基于BDS观测网的卫星钟差完备性监测

卫星钟差质量直接影响到高精度用户的定位结果,因此需对钟差实时监测,即为卫星钟差完备性监测。它是导航系统完备性理论体系中重要的组成部分。本文基于BDS伪距观测值,利用多个BDS/GPS基准站计算卫星钟差并分析各卫星与不同基准站的观测值的残差,若某一卫星的观测值残差与其他卫星残差差异超过限值,应给出示警信息,实现BDS卫星钟差的完备性监测。基于上述理论,基于BDS网观测数据进行BDS卫星钟差完备性监测,并分析BDS卫星钟差的监测结果。该方法初步实现了BDS卫星钟差完备性监测,为后续BDS完备性监理论研究提供了一定的技术支持。     

北斗在轨卫星钟产品质量分析

星载原子钟是卫星导航系统的星上时间基准,其性能的优劣直接决定了导航定位服务的质量。我国BDS目前处于全面建设阶段,对BDS卫星钟产品进行质量分析以及在轨星载原子钟的性能评估是一项重要的工作。目前,多个GNSS分析中心同时提供BDS卫星钟差产品,但对于不同分析中心的钟差产品特性对比和分析却鲜有报道。因此,本文从连续性指标、一致性指标、拟合精度指标、预报特性指标,对CODE、GFZ和WHU分析中心的北斗卫星钟差不同采样间隔数据进行了对比和分析。同时,基于北斗卫星钟产品对北斗系统星载原子钟短期频率稳定性进行了评估,得出了一些有益的结论。     

级比离散灰色模型在卫星钟差预报中的应用

针对传统灰色模型(grey model,GM)的拟合序列不能反映出建模数据序列级比动态变化这一问题,提出以建模序列的级比序列为对象,建立了能够反映出建模序列级比变化趋势的离散灰色模型(discrect grey model,DGM),给出了该方法应用于卫星钟差预报的具体步骤。首先,对建模钟差序列生成对应的级比序列;然后,用DGM对级比序列建模并进行预报;最后,结合级比与钟差序列之间的关系,将级比预报结果还原得到相应的钟差预报值。采用iGMAS机构提供的事后精密钟差数据分别进行了单天和连续多天的预报试验,并与二次多项式模型(quadratic polynomial model,QPM)及GM预报结果进行对比分析。结果表明,在单天预报试验中,与QPM相比,所提方法得到的预报产品平均精度在北斗卫星导航系统(BeiDou navigation satellite system,BDS)卫星和全球定位系统(global positioning system,GPS)卫星中分别提升了54.71%、46.40%;与GM相比,所提方法得到的预报产品平均精度在BDS卫星和GPS卫星中分别提升了82.96%、67.81%。在连续多天预报试验中,与QPM相比,该方法得到的预报产品多天平均精度在BDS卫星和GPS卫星中分别提升了38.15%、37.09%;与GM相比,该方法得到的预报产品多天平均精度在BDS卫星和GPS卫星分别提升了57.43%、26.30%。     

BDS精密卫星钟差建模与预报

针对BDS卫星钟差的短期预报问题,该文采用二次多项式模型、灰色模型和线性组合模型来对BDS中3种不同类型卫星10d的精密钟差进行建模与短期的预报。拟合时长增加,预报精度也会逐步增高并趋于稳定。预报精度会随着预报时长的增加而降低,当预报时长为50min以内时,预报精度为亚纳秒级。3种模型的钟差预报精度均在1ns以内,其中二次多项式模型的预报精度优于灰色模型,线性组合模型预报精度介于二者之间。利用3种模型的钟差预报结果进行精密单点定位实验,所得的平均定位精度在E、N方向上误差最大不超过3cm,U方向上误差最大不超过5cm。验证了利用二次多项式模型、灰色模型和组合模型在卫星钟差的短期预报中是可行的。     

BDS IODE字段制定方法研究

差分定位中要求参考站与流动站间使用同一组卫星星历和钟差参数。GPS、GLONASS和Galileo系统采用数据期卷IOD(GLONASS t_b)识别卫星星历和钟差参数, 即通过比较差分电文和导航电文中的IOD(t_b), 判断参考站和流动站是否采用同一组卫星轨道和钟差参数。BDS数据龄期(AOD)定义为星历/钟差参数的外推时间间隔, 其取值不能体现出BDS卫星星历和钟差参数的变化, 不能用于DBDS中卫星星历和钟差参数的识别。本文结合BDS ICD中星历参数的定义, 参考GPS、GLONASS和Galileo空间信号接口和差分协议中关于卫星星历识别参数的定义方法, 总结了BDS星历识别参数应具备的性质;在此基础上提出了3种BDS卫星星历识别参数生成方法, 对提出的3种方法进行了分析比较并给出了建议方案。