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.     

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。     

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。     

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。     

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。     

基于小波变换和神经网络的卫星钟差预报分析

目前IGS提供的实时钟差精度不够,事后精密钟差也有13d的延迟,有必要对钟差预报进行研究。文中利用小波神经网络模型进行钟差预报,首先利用小波对原始钟差序列进行分解、降噪,然后利用神经网络进行建模并预报,将得到的结果同灰色模型和二次多项式模型的结果进行对比分析,得出小波神经网络模型可以更好地进行钟差预报的结论。     

优选小波函数的小波神经网络预报GPS卫星钟差

为了提高卫星钟差预报的精度,针对小波神经网络(WNN)模型未能根据实际情况选取合适的小波函数的问题,本文提出一种基于"Shannon熵-能量比"的优选小波函数的小波神经网络钟差预报模型。首先利用小波函数对钟差一次差分数据进行连续小波变换,得到变换后的小波系数。然后分别计算小波系数的能量值和Shannon熵值,将"Shannon熵-能量比"(SEE)作为最优小波函数选择的评价指标,以指导选择最适合的小波函数作为WNN模型的激活函数。最后利用优选的WNN模型对卫星钟差进行预报,对预报的结果进行对比分析。结果表明:该评价指标能够根据卫星钟差实际情况准确指导WNN模型选择合适的小波函数,提高WNN模型的预报精度和适用性,使该模型可以实现卫星钟差较高精度的预报。     

利用遗传小波神经网络预报导航卫星钟差

针对卫星钟差难以用精确模型来进行预报问题,首先通过遗传算法优化适合非线性时间序列预报的小波神经网络的网络参数,得到预报性能更好的遗传小波神经网络(GWNN);然后根据钟差数据的特点对钟差进行预处理,建立了一种能够高精度、近实时预报钟差的GWNN钟差预报算法。使用GPS卫星钟差进行一天内的预报实验证明了本方法的有效性。结果表明,通过本方法得到的预报钟差较IGS超快预报钟差在精度上有了较大的改善。     

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。     

MGEX钟差产品精度分析

IGS的多GNSS实验项目MGEX(Multi-GNSS Experiment)提供的精密钟差产品广泛应用于高精度导航定位领域。本文研究了卫星钟差精度评估的方法,以IGS最终钟差作为GPS卫星基准,以北斗星地双向时间频率传递钟差作为北斗卫星基准,对GFZ、CODE和WHU这3个分析中心的MGEX钟差产品精度进行了分析。研究结果表明:MGEX实验的GPS最终钟差RMS优于0.30 ns;超快速钟差实测部分RMS优于0.16 ns;24 h预报误差RMS优于3.5 ns。各分析中心北斗GEO卫星最终钟差互差RMS为0.75 ns;IGSO卫星为2.27～3.8 ns;MEO卫星为0.6～1.2 ns。北斗星地双向时间频率传递检核GEO卫星最终钟差RMS为2.6～2.7 ns;IGSO和MEO卫星为1～1.5 ns。北斗卫星超快速钟差实测部分RMS优于1 ns;24 h预报误差RMS为7～9 ns。     

历元差分模型在北斗卫星钟差实时解算中的应用

卫星钟差是影响卫星定位精度的重要误差源之一,而实时精密单点定位又要求卫星钟差实时更新。卫星钟差的解算可通过非差模型或历元差分模型实现,但非差模型涵盖较多的载波相位模糊度参数,相比消掉模糊度参数的历元差分模型,计算效率要慢许多。历元差分模型仅利用载波相位观测量就可获得高精度卫星钟差历元间差,恢复后的卫星钟差仍可达到一定精度水平。利用历元差分模型可实现北斗卫星钟差的实时解算,试验结果表明:通过滤波得到的卫星钟差历元间差精度优于0.02 ns,恢复后的卫星钟差精度优于0.25 ns.      

基于TIN全球选站方法的GPS卫星钟差实时解算

解算所有GPS卫星钟差时要求选用地面跟踪站能够观测到每颗卫星,而组成该网的跟踪站数量对卫星钟差的解算效率有较大影响。跟踪站数量越多,卫星钟差的解算效率就越低,不利于实时应用。本文利用不规则三角网对全球跟踪站进行建模,提出一种新的全球均匀选站方法,并应用于卫星钟差实时解算。试验结果表明:当跟踪站个数达到25个时,卫星钟差解算精度优于0.3 ns,且随着跟踪站的增加,精度无明显提升。此跟踪站分布可作为卫星钟差实时解算的一种选站分布参考。     

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。     

MADOCA-LEX高频GPS卫星钟差 短期预测精度分析

日本准天顶卫星系统（QZSS）卫星通过L波段实时播发高频全球卫星导航系统（GNSS）精密轨道和钟差产品,为GNSS导航用户提供实时精密单点定位（PPP）服务. 本文以JAXA MADOCA数据中心提供的1 s采样率GPS卫星钟差数据为研究对象,首先采用阿伦方差对卫星钟差的短期稳定性进行评估;然后分别采用一阶多项式、二阶多项式和灰色模型对高频钟差产品进行建模,在5 s,10 s和30 s的拟合窗口内预报后续10 s内钟差,并基于预报残差的均方根误差（RMS）评定不同类型GPS卫星钟差产品的短期预报精度. 基于2020年1月1日-21日连续21天的实时高频钟差统计分析结果表明,不同型号的GPS卫星钟差1 s,5 s和10 s的短期稳定性均能达到10-12量级;对比预报精度显示,10 s以内的拟合窗口采用最简单的一阶多项式最为稳定可靠,10 s延迟预报RMS精度可控制在0.1 ns以内;若采用30 s的拟合窗口,考虑钟差频漂特性的二阶多项式则更为稳定可靠,预报钟差的RMS精度能达到0.15 ns以内．由此可见,本文基于MADOCA-LEX钟差产品的实时预报精度可以满足厘米级PPP的需求．      

北斗三号空间信号测距误差评估与对比分析

北斗三号作为我国自主建设的全球卫星导航系统,其本身性能水平以及与其他卫星导航系统的性能对比情况,对后续推广应用具有重要影响。为此,本文以空间信号测距误差（signal-in-space range error,SISRE）作为系统关键性能指标,以GFZ提供的多系统精密轨道钟差作为标准,给出了卫星轨道、卫星钟差、SISRE的比对评估方法,并以2020年1—3月共3个月的实测数据,验证了北斗三号相对北斗二号的精度改进情况,并重点分析了北斗三号与GPS、Galileo、GLONASS之间的性能对比关系。结果表明：无论是卫星轨道还是卫星钟差,北斗三号的精度水平相对北斗二号都有了明显提高;北斗三号卫星轨道在R、T、N方向精度分别达到0.07、0.30、0.26 m,在4个全球系统中处于最优水平;卫星钟差精度达到1.83 ns,基本与GPS系统持平,优于GLONASS,但还略差于Galileo;在空间信号测距误差方面,如果仅考虑轨道误差,北斗三号SISRE（orb）平均达到0.08 m,紧随其后,Galileo达到0.26 m,GPS达到0.57 m,GLONASS达到0.98 m。如果综合考虑轨道和钟差误差,北斗三号SISRE平均达到0.50 m,稍逊于Galileo的0.38 m,略优于GPS的0.58 m,明显好于GLONASS的2.35 m。     

北斗三号卫星钟差短期预报与稳定性分析

针对北斗三号(BDS-3)卫星钟短期预报问题,在分析卫星原子钟频率稳定性的基础上,选用时间序列模型(ARIMA)、灰色模型(GM)、一次多项式(LP)以及二次多项式(QP)四种钟差预报模型对30天的数据进行拟合预报分析. 实验结果表明:1) 相对于北斗二号(BDS-2),BDS-3原子钟具有更高的稳定性. 其中BDS-3氢钟的千秒稳定性、万秒稳定性和日稳定性分别达到了4.2×10?14、1.89×10?14、4.14×10?15;2) BDS-3氢钟和BDS-3新型铷钟的预报稳定性和精度相对于BDS-2铷钟有明显提高,并且BDS-3氢钟在3 h、6 h和12 h下的预报精度分别达到了0.12 ns、0.18 ns和0.30 ns;3) 在四种模型中,时间序列模型的预报精度最高,在3 h、6 h和12 h下精度分别为0.26 ns、0.47 ns和0.96 ns.      

GPS精密卫星钟差估计与分析

探讨了GPS精密卫星钟差的估计方法,并分析了伪距与相位观测值对估计精度的影响。基于PAN-DA软件,采用全球均匀分布的40个IGS跟踪站的实测数据,对GPS精密钟差进行估计与分析。试验结果表明,目前采用PANDA软件估计的GPS精密卫星钟差与IGS事后精密卫星钟差比较,互差优于0.2 ns,与国际IGS各分析中心估计的卫星钟差精度相当。     

顾及钟差变化率的GPS卫星钟差预报法

提出了一种基于钟差变化率拟合建模的卫星钟差预报方法。以附加周期项的线性或二次多项式作为基础模型对钟差变化率序列进行拟合,最优估计卫星钟差的趋势项系数,然后直接使用精密定轨得到的相应时刻的卫星钟差计算预报初始时刻的基准项系数,来建立卫星钟差的预报模型。以IGS发布的快速星历(IGR)的卫星钟差为试验数据,对GPS星座中各种型号的所有卫星钟差进行预报。结果表明:本文方法3、6、12与24h的预报精度分别可达0.43、0.58、0.90与1.47ns,相比于传统的基于钟差拟合的预报方法,精度分别提高69.3%、61.8%、50.5%与37.2%;与IGS发布的超快速星历(IGU)的预报钟差相比,钟差精度分别提高15.7%、23.7%、27.4%与34.4%。