基于优化残差组合的北斗卫星短期钟差预报研究

为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题，进一步提升预报精度，提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点，利用四分位法(IQR)代替中位数法对一次差分序列进行预处理，然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项，接着利用极限学习机(ELM)模型对残差部分进行建模预测，最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明：当卫星钟差呈非线性时，组合模型的预报精度比传统模型提升了38.2%，在北斗卫星钟差短期预报中具有一定的可行性.     

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.     

顾及周期项误差和起点偏差修正的北斗卫星钟差预报

根据北斗卫星导航系统星载原子钟自身的物理特性,采用武汉大学IGS数据中心发布的2016年1月1日至2016年11月1日共306天的事后钟差产品进行谱分析。分析结果表明:北斗卫星导航系统的3类卫星钟都存在一定的周期特性;其中GEO和IGSO卫星钟的主周期相对较为明显;GEO卫星钟的主周期依次为12、24、8和6h;IGSO的主周期为24、12、8和6h;而MEO的3个主周期为12.9、6.4和24h。依据各类原子钟的周期特性,同时对各天之间钟差的起始点偏差进行修正,并利用修正模型对北斗卫星钟差进行预报和精度分析。试验结果表明,改进的预报模型能显著提升北斗卫星的钟差预报精度,北斗卫星钟差24h、12h、6h的平均预报精度分别能达到6.55ns、3.17ns和1.76ns。     

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...     

一种新的北斗卫星钟差预处理方法

为了提高卫星钟差预报的精度,针对钟差数据中量级较小的误差,提出了一种基于中位数的小波阈值法钟差数据预处理策略。首先,利用小波阈值方法将钟差数据进行分解,得到分解后的高频系数和低频系数。然后,利用中位数法处理各层影响阈值设置的高频系数,通过处理后的高频系数计算阈值,从而提高小波阈值法剔除小异常值的能力。最后,用北斗二号卫星钟差数据进行了验证,结果表明,利用所提方法处理后的钟差数据建模,小波神经网络（wavelet neural network,WNN）模型预报的精度提高约14.1%,预报稳定性提高约19.7%。该方法可以有效剔除钟差历史观测序列中量级较小的误差,改善钟差数据质量,从而提高模型钟差预报的精度。     

多星定轨条件下北斗卫星钟差的周期性变化

基于地面监测网的多星精密定轨可以同时解算出北斗卫星轨道和卫星钟差。由于轨道和钟差的耦合影响,卫星钟差时序难免会出现周期性波动。此外,受限于目前并不完善的北斗全球监测网络分布、系统导航文件缺失以及定轨后处理软件的设置问题,3类卫星的钟差均存在大量数据间断问题。本文利用适用于间断数据的谱分析方法,对多星定轨条件下的北斗卫星钟差数据进行了周期项提取,并利用周期项改进后的钟差预报模型评估了24h以内的预报精度。基于近一年的数据分析表明,北斗GEO卫星钟差3个主周期依次为12、24和8h,IGSO卫星钟差的3个主周期依次为24、12和8h,而MEO卫星钟差的3个主周期依次为12.91、6.44和24h。与改进前相比,周期项改进后的钟差预报模型将北斗卫星钟差在24h以内的预报精度提高了20%~40%。     

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%。     

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。