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。     

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。     

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%。     

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。     

附加误差修正的GM(1,1)模型在卫星钟差预报中应用

提出一种附加误差修正的GM(1,1)模型卫星钟差预报方法:首先采用GM(1,1)模型利用已有观测值建模,然后利用已有的多余观测值得到预报残差,提出一个误差修正模型,最后利用该修正模型对预报结果进行改正。同时,为保证其可靠性,给出一个修正的阈值。计算结果表明,该方法能够大幅度地提高预报精度,尤其是当GM(1,1)模型预报结果有较大系统偏差时。     

基于多种深度学习算法对卫星钟差预报的效果分析与对比研究

针对卫星钟差预报模型的普遍适用性低，以及预报模型中星载原子钟类型和建模特点结合不充分等问题，提出了四种适用于非线性处理的神经网络模型来预报卫星钟差.首先对钟差数据进行预处理；然后通过基于萤火虫算法(firefly algorithm, FA)优化反向传播(back propagation,BP)神经网络(FA-BP neural networks,FA-BPNN)模型、Elman循环神经网络模型、径向基函数(radial basis function,RBF)神经网络模型以及基于卷积神经网络-长短期记忆(convolutional neural networks-long short term memory,CNN-LSTM)网络模型对1 d和7 d的钟差数据量建立模型；再采用武汉大学国际GNSS服务(International GNSS Service,IGS)数据分析中心(WHU)的GPS精密钟差数据进行钟差预报；最后从不同建模数据量及不同批次卫星的同一类型原子钟和不同批次卫星的不同类型原子钟的角度，将预报效果进行分析与对比.结果表明：1)四种模型在建模特点上，1 d的钟差数据量建...     

卫星钟差组合预报模型研究及其应用

为了提高卫星钟差预报的精度与稳定性,本文综合幂函数变换的GM(1.1)模型与Elman神经网络模型的优势,提出了一种组合卫星钟差预报模型。该组合预报模型实现卫星钟差预报的流程为：首先,使用钟差数据对幂函数变换的GM(1.1)模型进行建模并进行钟差预报;其次,将幂函数变换的GM(1.1)模型预报残值作为Elman神经网络模型训练样本进行模型训练与残差值预报;最后,将幂函数变换的GM(1.1)模型预报值与Elman神经网络模型残差预报值相加得到组合预报值。使用IGS提供的精密钟差数据进行实验,结果表明,本文提出的组合预报模型较单一的预报模型的预报精度与稳定性均有较大程度的提高,本文的研究对于高精度卫星钟差预报模型的建立具有重要参考价值。     

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。     

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%。     

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。     

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。     

基于IGS超快星历的GPS钟差线性预报分析

本文在分析IGS超快星历卫星钟差的基础上,首先分析分别采用线性模型和二次多项式模型,利用实际观测值得到的预报值与IGS提供的超快预报值进行比较分析。在此基础上,利用实际观测的超快卫星钟差拟合得到线性模型分别预报后一天和后两天的钟差,分别利用第一天和第二天的实际钟差观测资料拟合得到的线性模型预报第三天的卫星钟差,并与IGS最终钟差产品进行比较分析。得出一些有益的结论与同行商榷。     

基于时间序列分解的GPS卫星钟差预报

根据二次多项武和灰色模型在卫星钟差预报中的特点,本文提出以ARMA(Autoregressive Moving Aver-age)模型分别进行改进;对IGS(International GPS Service for Geodynamic)提供的精密钟差进行时间序列分解,根据预报时间的长短,趋势项分别采用二次多项式和灰...     

高性能原子钟钟差建模及其在精密单点定位中的应用

鉴于当前许多IGS跟踪站均配置有高性能原子钟的现状,本文首先采用修正Allan方差法分析了不同IGS跟踪站的接收机钟随机噪声的时域特性,进而评估了不同类型接收机的短期稳定度及钟差建模的可行性,然后利用IGS站配有氢原子钟的观测数据,在精密单点定位算法中,通过对钟差参数进行短时建模约束接收机钟差的随机变化,进而改进精密单点定位(PPP)的定位性能。试验结果表明钟差建模方法显著降低了高程分量参数、天顶对流层延迟参数与接收机钟差参数之间的相关性,GNSS高程分量的精度可提高50%。该方法对于提升PPP技术在地壳形变监测、低轨卫星定轨、水汽监测及预报等高精度GNSS地学领域的应用水平具有一定意义。     

一种遗传算法优化的卫星钟差预报

针对导航卫星钟差预报精度不高的问题,该文引入了GM-LSSVM钟差预报模型,采用全局寻优能力较强的遗传算法对模型的参数选取过程进行优化,避免模型陷入局部最优,从而改善了组合模型中惩罚因子和核函数参数选择的盲目性。最后选取国际GPS服务组织提供的卫星钟差数据,分别建立GM(1,1)模型、LSSVM模型、GM-LSSVM模型和遗传算法优化的GM-LSSVM模型进行短期钟差预报分析和仿真实验。仿真结果表明,优化后的模型预报精度小于1.3ns,精度比前3种模型提高了45%~60%,符合钟差预报的要求。