异常值对钟差预报模型的影响分析

为了分析异常值对钟差预报模型的影响程度,首先,通过对钟差数据进行绘图分析来识别钟差数据中的异常值;其次,利用中位数法(MAD)和一种基于中位数的小波阈值法钟差数据预处理策略(WMAD)分别对钟差数据中的异常值进行处理;最后,利用处理前、后的钟差数据建模预报钟差,并分析各模型预报的效果。结果表明:较小的异常值对二次多项式和灰色模型2种模型预报的效果影响不大,但会影响时间序列、卡尔曼滤波及小波神经网络3种模型的预报精度。     

顾及钟差随机项的GPS卫星钟差预报

针对卫星钟差呈趋势项和随机项变化的特点,提出了基于GM(1,1)与自回归求和移动平均的组合预报模型。该模型首先采用GM(1,1)模型预报钟差的趋势项部分,然后利用ARIMA模型对GM(1,1)的模型残差序列进行建模和预报,最后将GM(1,1)和ARIMA模型的预报结果对应相加即得到钟差的最终预报值。此外,采用IGS公布的精密卫星钟差进行预报试验,通过与卫星钟差预报中常用的二次多项式模型和修正指数曲线法模型预报结果的对比分析,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。用12 h钟差建模时,预报未来6、12、24和48 h的平均预报精度分别为0.71、1.17、1.93和4.38 ns,相比于二次多项式模型的平均预报精度分别提高了29.70%、43.75%、67.62%和76.21%;相比于修正指数曲线法模型的平均预报精度分别提高了18.39%、33.90%、61.40%和70.49%。     

顾及一次差分数据结构特征的钟差预报模型

现有卫星钟差预报模型缺乏对数据结构特征的深入研究。以钟差一次差分数据为研究对象,分析一次差分数据结构的图形化分布模式,提取一次差分数据趋势性和周期性特征,设计了一种包含趋势项、周期项和随机项的全要素钟差预报模型。使用IGS(International GNSS Service)精密钟差数据进行预报实验,通过与二次多项式模型、灰色模型及时间序列模型的预报结果进行对比,证明了所提模型在钟差预报的准确度和稳定度方面具有一定优势。     

卫星钟差预报的小波神经网络算法研究

卫星导航系统中星载原子钟的钟差预报在优化导航电文中的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息方面具有重要的作用。根据星载原子钟钟差的特点,提出一种基于一次差方法的小波神经网络钟差预报算法:首先对钟差相邻历元间作一次差后的差值进行建模,根据时间序列预报一次差的值,然后再将预报的一次差还原,得到钟差预报值。该方法使得预报钟差的小波神经网络不但模型结构简单,而且预报精度高。最后,通过算例将本文所建模型与常用的二次多项式模型和灰色模型进行对比,结果表明:一次差方法可以使给定结构的小波神经网络的钟差预报精度得到显著提高,而且所建模型的预报效果优于两种常规模型。     

卫星钟差预报的小波神经网络算法研究

卫星导航系统中星载原子钟的钟差预报在优化导航电文中的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息方面具有重要的作用.根据星载原子钟钟差的特点,提出一种基于一次差方法的小波神经网络钟差预报算法:首先对钟差相邻历元间作一次差后的差值进行建模,根据时间序列预报一次差的值,然后再将预报的一次差还原,得到钟差预报值.该方法使得预报钟差的小波神经网络不但模型结构简单,而且预报精度高.最后,通过算例将本文所建模型与常用的二次多项式模型和灰色模型进行对比,结果表明:一次差方法可以使给定结构的小波神经网络的钟差预报精度得到显著提高,而且所建模型的预报效果优于两种常规模型.     

卫星钟差预报模型的分析与比较

为了分析二次多项式模型(QP)、灰色模型(GM(1,1))、时间序列模型(ARIMA)以及小波神经网络模型(WNN)这4种模型钟差预报的效果,采用GPS提供的RTS精密钟差数据作为实验数据,通过不同数量的建模数据对4种常用模型进行建模;并预报接下来的30 min和1 h两个时长的钟差数据.据此对4种模型的钟差预报效果进行分析和比较,总结了各模型预报钟差的优点与不足.     

卫星钟差预报的T-S模糊神经网络法

结合钟差数据的特点,提出了一种基于变化率的T-S模糊神经网络(TSFNN)钟差预报模型。首先计算相邻历元间钟差的变化率值并对其进行建模;然后利用TSFNN模型预报钟差变化率值,再将预报的变化率值还原,得到钟差预报值;最后,通过算例将本文所建模型与IGU-P产品、二次多项式模型(QP)及灰色模型(GM(1,1))进行试验对比。结果表明:在使用变化率方法后,TSFNN模型预报的精度和稳定性分别提高了69.8%和76.3%,而且与IGU-P钟差产品相比,预报的精度高出约10倍,同时模型预报的效果优于两种常用模型。因此,该模型可以实现卫星钟差较高精度的预报。     

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.     

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。     

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AR模型的GPS精密卫星钟差建模与预报

在GPS卫星精密钟差的预报中,短周期预报通常采用二次项拟合模型,长周期预报通常采用灰色模型,但这两种模型都只是考虑趋势项而没有考虑随机项,通过利用AR模型对钟差的随机项进行建模,并作为随机补偿,加入到二次项拟合模型与灰色模型中,以完善钟差预报的短周期与长周期模型。在算例中运用由IGS提供的精密钟差进行预测,结果表明:改进后的模型使钟差预报的精度得到一定程度的提高。     

径向基函数神经网络在GPS卫星钟差预报中的应用

GPS卫星钟在空中很容易受到诸多因素的影响,导致其钟差行为很难用线性模型,二次多项式模型,灰色模型等现有模型进行描述和实现可靠的高精度预报。本文利用径向基函数神经网络对几颗GPS卫星钟差连续进行了五分钟、一小时和一天的预报,分别取得了均方根误差优于0.4ns,0.5ns和1ns的预报精度,证明了文中径向基网络结构在钟差预报方面的可靠性。     

一种小波与谱分析结合的GPS精密卫星钟差拟合方法研究

根据卫星钟固有的特性,即频移、频漂和频漂率以及周期性,提出一种新的拟合方法。新方法首先构造一个合理的钟差模型,该模型包含一个二次多项式和多个周期项。然后利用IGS提供的钟差产品数据,先粗略补充缺失数据,用二次多项式拟合;并对拟合后的残差进行小波分析,作降噪处理;最后通过谱分析,确定其主要的周期项,从而构建出适当的拟合模型,实现精密GPS卫星钟差拟合和预报。多天数据的实验结果表明,采用本文提出的新方法能够有效地对卫星钟差进行拟合和预报,满足不同目的的需求。     

基于ARMA模型的BDS卫星钟差异常值探测及其短期预报

星载原子钟在运行过程中会受到恶劣空间环境与设备老化等因素的影响,使得卫星钟差数据中经常存在异常值,其中AO(additive outlier)类异常值是钟差序列中常见的一类异常值。结合最大期望算法与自回归滑动平均(autoregressive moving average,ARMA)模型,提出一种AO类异常值探测算法。该算法可以准确探测孤立AO类异常值与成片AO类异常值,有效克服了其他算法经常出现的淹没与掩盖现象。在成功探测钟差序列AO类异常值的同时,该算法可以估计得到精确的ARMA模型,进而能准确地进行卫星钟差预报。利用仿真数据与北斗卫星钟差实测数据进行计算分析,结果表明,所提算法可以精确探测出钟差序列AO类异常值,并且具有很好的卫星钟差预报效果。     

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。     

灰色系统模型在卫星钟差预报中的应用

分析了二次多项式模型在卫星钟差长期预报中的缺陷，依据灰色系统理论和卫星钟差的变化规律，以较少的观测样本建立了预报卫星钟差的灰色预测模型，并将其与二次多项式预测模型进行分析比较。计算结果表明，两者的短期预报精度基本相当，而灰色系统模型的长期预报精度要明显地优于二次多项式模型，更适合于实际应用。     

基于指数平滑法的GPS卫星钟差预报

提出了一种基于指数平滑法的GPS卫星钟差预报方法。该方法可采用少量数据建模,且计算过程简单、方便,尤其是在缺少相关历史数据或数据变化趋势不明显、不稳定的情况下,用该方法仍可取得较好的效果。通过与GPS卫星钟差预报中常用的二次多项式模型和灰色预测模型的对比分析,结果表明:指数平滑法适用于GPS卫星钟差的中、短期预报,其预报精度可达ns级;在利用小数据量建模的情况下,其预报效果优于二次多项式模型,与灰色模型的预报效果基本相当;该方法还可用于GPS卫星钟差的长期预报,其预报精度可达μs级,与灰色预测模型的精度相当。     

基于VRS的GPS测量误差分析

系统误差包括卫星轨道误差、卫星钟差、接收机钟差及大气折射误差等。是GPS测量的主要误差源。但系统误差通常可以采用适当的方法来减弱或消除,如建立误差改正模型对观测值进行改正,或选择良好的观测条件,采用适当地观测方法,进行线性差分等.本文介绍了基于VRS的GPS测量要解决的一个主要问题即在系统运行中产生的各种误差进行改正,使之减小或者消除。并就影响VRS精度的各种误差予以分析     

基于GM(1,1)灰色模型卫星钟差短期预报的精度分析

为了提高GPS快速单点定位的精度,必须及时获得高精度的精密星历。基于卫星钟差变化的灰色特性,建立GPS卫星钟差GM(1,1)灰色模型,对卫星钟差进行短期预报。计算结果表明,灰色模型GM(1,1)用于卫星钟差短期预报,只需要使用少数几个历元的已知卫星钟差进行建模,不仅减少建模数据量,提高建模速度,而且预报精度较高,可以满足GPS快速单点定位的实际需要;并对卫星搭载的原子钟精度进行分析,得出基于灰色模型GM(1,1)分析的Rb钟的精度和稳定性要优于Cs钟。     

GPS导航电文核心定位参数发展演变分析

文章总结了GPS空间信号接口控制文件的发展历程,对比了现有3种导航电文类型的电文结构及播发方式, 详细分析了星历参数、钟差参数及完好性参数等核心定位参数的发展演变特点和改进效果. 结果表明:GPS新型导航电文采用增加核心定位参数和减小量化单位的方法,提高了广播星历和钟差产品的精度. 增加两个参数后,地面星历拟合位置误差均方根(RMS)平均值由0.137 m减小为0.025 m. 为适应高精度星历拟合模型,距离量化单位也减小至毫米量级. 通过减小卫星钟差参数的量化单位,预报1 h钟差误差RMS由0.097 m减小至0.042 m.