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。     

AR模型中AO类异常值探测及其在GPS卫星钟差预报中的应用

基于EM算法，提出一种AR模型中AO类异常值（additive outlier）探测的算法。该算法可同时进行AR模型拟合与AO类异常值探测，并可有效地解决成片AO类异常值探测时所产生的掩盖和淹没问题。最后，将本文算法应用于GPS卫星钟差预报之中。本文算法可以准确探测出钟差历史观测序列中的AO类异常值，并可对卫星钟差进行精确预报。     

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。     

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。     

BDS卫星钟差半参数平差模型异常数据探测与处理

针对北斗卫星钟差数据中出现钟跳、粗差等异常数据频次较高的问题,将半参数平差模型引入BDS的钟差数据的处理过程中。首先,在考虑系统误差的同时,改进了常用的钟差模型;其次,综合考虑异常数据和系统误差,利用补偿最小二乘原理和极值求解方法,详细推导了分离异常数据前后参数和非参数估计值与相应观测值改正数的关系表达式,实现了异常数据的定值、参数求解和系统误差分离。在此基础上,引入Cook距离,给出了利用参数分量和非参数分量的Cook距离及混合Cook距离,去判断异常值的位置,并给出了一些参数的选取方法及相应的处理措施,实现了卫星钟差异常数据的定位和定值以及部分系统误差的分离。最后,采用武汉大学GNSS中心提供的采样间隔为5 min的北斗卫星精密钟差数据,将本文方法与常用方法进行了试验对比。试验结果表明,本文方法能够有效地识别并处理卫星钟差数据中的异常值,有效克服了基于经验阈值钟差异常数据探测方法的不足,且该方法对于量级较小的异常钟差数据也有很好的探测效果,一定程度丰富了现有的BDS钟差数据质量控制方法。     

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.     

基于ARIMA模型的卫星钟差异常值探测的模型选择方法

由于各种不确定因素的干扰,人们获取的卫星钟差数据中经常会出现异常扰动,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,影响了导航定位结果的精准度。对此,以求和自回归移动平均模型为基础,建立了钟差时间序列异常值探测模型;基于Bayes统计原理,将异常值的定位和定值问题转化为模型选择问题;通过模型后验概率的近似计算,构建了模型选择的度量标准,避免了复杂的迭代计算问题。通过全球定位系统和北斗导航卫星系统不同卫星钟差数据的仿真试验,验证了所提出的方法对于卫星钟差序列中异常影响的定位和定值的正确性和有效性。     

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%。     

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。     

多核相关向量机的BDS卫星钟差预报算法

针对BDS卫星钟差数据中非线性特性较为复杂且难以精确预测的问题,提出一种基于多核相关向量机的卫星钟差预报算法.使用武汉大学IGS中心MGEX提供的实测BDS精密钟差数据进行预报试验,并将本文的方法与QP、QP-Period以及LS-SVM模型进行对比.结果 表明:MKF-RVM预报24 h的BDS-2卫星钟差数据的精度...     

基于卫星双向时间频率传递进行钟差预报的方法研究

用多项式拟合、谱分析、改进的AR模型三种方法对由卫星双向时间频率传递得出的钟差时间序列进行了拟舍和预报分析。为了抵制钟差时间序列中异常值的影响，引入了“抗差等价权”，利用卫星双向时间频率传递得到的1d的钟差，按不问采样率、不同时间跨度进行计算分析。结果表明，抗差估计的预报精度明显高于最小二乘估计；平滑值的预报精度高于采样值；由于钟差时间序列中有明显的周期变化，多项式进行钟差预报的精度不可靠；用谱分析进行钟差预报的精度不高，但可以发现钟差时间序列中的主要周期变化；改进的AR模型预报精度最高，预报6h钟差的RMs在1ns左右。     

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。     

EEMD分解的超快速北斗卫星钟差预报

为提高北斗卫星钟差预报精度,本文提出采用多项式和集合经验模态分解相结合的模型进行北斗卫星钟差的预报,并采用GPS数据验证算法的正确性。在剔除卫星钟差中的趋势项部分后,利用经验模态分解法对残差分解得到不同频率的时间序列。对各时间序列用不同模型进行预报并进行线性组合,最终的钟差预报值由趋势项和各时间序列的预报值复合而成。试验表明:该模型对北斗卫星钟差预报取得了较好的结果,与ISU-P相比,精度提升幅度在7.3%~43.0%之间。     

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。     

一种卫星钟差异常实时监测算法

卫星钟差在精密定位中占有重要地位,应当对卫星钟差异常进行实时监测。本文在建立卫星钟差模型的基础上,提出了一种基于递推遗忘因子最小二乘算法(RFFLS)的卫星钟差异常实时监测算法,并利用IGS事后精密钟差产品,对比分析了RFFLS算法与最小二乘算法(LS)、遗忘因子最小二乘算法(FFLS)的卫星钟差预报精度、预报耗时和对卫星钟差异常的监测性能。实验结果表明,RFFLS算法计算时间仅为LS算法和FFLS算法的十分之一,且RFFLS算法钟差异常监测能力最优。该方法简便易行,应用灵活,在实时应用中具有明显优势。     

一种卫星钟差异常精确探测的两步法策略

针对卫星钟差数据中的粗差和钟跳两类异常进行精确探测，提出使用历元单差算法和拟准检定法相结合的两步法策略，第1步，依据钟跳和粗差在历元单差序列中不同表现特点，采用历元单差法探测疑似钟跳点并剔除部分粗差；第2步，对按疑似钟跳分段的数据使用拟准检定法精确探测粗差。通过模拟数据算例阐述钟差异常探测过程并进行性能分析，通过实测数据进行算法有效性验证，结果表明，仅使用历元单差法能有效探测疑似钟跳点和部分粗差，其探测的疑似钟跳点包含了真实钟跳；使用两步法既能有效规避钟跳影响，又能精确探测小粗差，探测能力接近底噪的2倍中误差。     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题。首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率。然后运用Bayes方法对异常值进行了估算。最后通过卫星钟差实测数据计算,比较了模型修正前后预报的情况,验证了新方法的有效性。     

BDS-3卫星钟差特性分析

北斗全球导航卫星系统(简称北斗三号系统,BDS-3)载有高精度的国产新型铷钟和被动型氢原子钟,相比于北斗二号系统(BDS-2),其性能得到了极大的提升。为了分析BDS-3卫星钟的性能,首先采用中国矿业大学北斗数据处理与分析中心定轨软件估计了BDS-3的卫星钟差,其重叠弧段标准差精度优于1 ns。然后针对常用卫星钟差异常值探测方法的缺点,改进了Baarda粗差探测法,使其能够有效地处理北斗卫星钟差数据中存在的粗差、钟跳等异常值。最后采用处理后的钟差数据,分析了北斗卫星钟差的周期特性和频率稳定性。结果表明,加入两个周期项后,拟合残差序列更加稳定,拟合精度得到了很大的提升;BDS-3卫星的频率稳定性和BDS-2相比,提升了20.85%～75.09%;北斗中圆地球轨道(medium earth orbit, MEO)卫星的频率稳定性要优于倾斜地球同步轨道(inclined geosynchronous orbit,IGSO)卫星;氢原子钟频率稳定性高于铷原子钟40.16%～65.60%,且氢原子钟的长期稳定性要明显优于铷原子钟。     

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.     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题.首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率.然后运用Bayes方法对异常值进行了估算.最后通过卫星钟差实测数据计算,比较了模型修正前后预报的...