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。     

一种改进的卫星钟差实时解算算法研究

卫星钟差是卫星定位的重要误差源,实时卫星钟差更是实时精密单点定位的关键技术.基于超快速预报轨道的非差法卫星钟差实时解算,卫星钟差精度会受伪距噪声的影响.基于滤波的参数估计方法,在固定模糊度后,利用载波相位联合模糊度修复伪距,可以削弱伪距噪声,提高卫星钟差解算精度.在实时卫星钟差解算中还可加快模糊度参数的收敛.     

导航卫星原子钟Kalman滤波中噪声方差-协方差的确定

用Kalman滤波实时监测卫星钟运行状况,需要确定Kalman滤波协方差阵。首先介绍适用于铷钟的Kalman滤波方程,推导基于哈达玛总方差的Kalman滤波过程噪声参数和观测噪声估计方法,并在此基础上构造Kalman滤波状态噪声协方差阵和观测噪声协方差阵。利用GPSBlockIIR铷钟事后处理的采样间隔为5min的精密钟差数据进行了预报分析,结果表明,当预报时间为1h时,预报精度在1ns左右;当预报时间为6h时,预报精度在(8～9)ns之间。进一步验证Kalman滤波协方差阵估计方法的正确性。     

基于方差递推法的Kalman滤波在钟差预报中的应用

卫星导航系统中星载原子钟的钟差预报对于导航、定位及授时具有重要的作用。为了提高卫星钟差预报的精度,设计了一种两步确定卫星钟噪声协方差矩阵的Kalman滤波钟差预报模型。该方法首先基于Hadamard总方差确定卫星钟噪声协方差矩阵的初值,然后,使用方差递推法得到滤波过程中卫星钟的噪声协方差矩阵。使用GPS系统的星载铷钟数据进行短期预报,并与常用的二次多项式模型、灰色模型进行对比,结果表明:本文中提出的方法可以实现高精度的卫星钟差预报且预报效果优于两种常用模型,同时,该方法能够在一定程度上弥补预报误差随预报时间增加而不断变大的不足。     

基于Kalman滤波器的卫星钟差预报精度分析

Kalman滤波器稳态条件下的卫星钟差预报精度可作为评估星地时间同步性能的重要依据,研究了基于Kalman滤波器的卫星钟差预报精度问题。在卫星钟差包括3阶白噪声情况下,建立了卫星钟差的状态方程和测量方程,利用离散Riccati方程的非递归代数解,得到了Kalman滤波器的稳态解,进一步得到了卫星钟差预报误差,做了典型参数情况下的数值分析。     

BDS星载原子钟长期性能分析

北斗卫星导航系统(BDS)于2012年底开始提供区域服务,进行BDS星载原子钟的长期性能分析,对于系统性能的评估、卫星钟差的确定与预报等具有重要的作用。本文基于3年的多星定轨联合解算的BDS精密卫星钟数据,利用改进的中位数方法进行数据预处理,分析了卫星钟差数据的特点,使用卫星钟差二次多项式拟合模型分析了卫星钟的相位、频率、频漂及钟差模型噪声的长期变化特性,根据频谱分析的方法分析了卫星钟差的周期特性,采用重叠哈达玛方差计算并讨论了卫星钟的频率稳定性。综合上述方法及其试验结果较为全面地分析和评估了BDS星载原子钟的长期性能,得到结论:在噪声特性和钟漂特性方面,MEO卫星钟的性能最好,其次是IGSO卫星钟,最差的是GEO卫星钟,所有卫星钟噪声水平和频漂的均值分别为0.677ns和1.922×10~(-18);多星定轨条件下的北斗卫星钟差存在显著的周期项,其主周期分别近似为对应卫星轨道周期的1/2倍或1倍;BDS星载原子钟频率稳定度的平均值为1.484×10~(-13)。     

抗差灰色模型及其在卫星钟差预报中的应用

分析了灰色模型理论利用最小二乘估计建模不能抵制粗差的特点,将抗差估计理论应用到灰色模型的参数估计中。针对抗差估计未顾及系数矩阵受粗差影响的问题,提出了基于改进型抗差估计的卫星钟预报灰色模型,并利用IGS的GPS卫星钟数据进行了模型验证。结果表明,基于改进型抗差估计建立的灰色模型在抵制粗差,尤其是超大粗差方面具有明显优势。     

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。     

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%。     

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．      

AR序列异常值探测的Bayes方法在卫星钟差预报中的应用

AR模型中若含有异常值,会使传统的建模、估计及检验方法陷人困境,从而不能准确地预测和控制。本文在无信息先验条件下,结合观测信息,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,提出了无信息先验下自回归模型中异常值探测的Bayes方法并对异常值进行了估算。该方法能将异常值准确地探测和估算出来,借此修正模型,可提高预测的准确性。最后,做了钟差实测数据计算,比较了模型修正前后预报的情况,验证了该方法的有效性。     

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...     

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。     

非差导航卫星实时/事后精密钟差估计

研究了导航卫星精密钟差的估计算法,实现了基于非差载波相位观测值的实时和事后精密卫星钟差的解算,并与IGS分析中心提供的精密钟差产品进行了比较。结果表明,采用自编软件解算的事后精密卫星钟差与IGS最终精密钟差产品具有较好的一致性,其互差仅为0.05ns左右;实时估计结果与CODE提供的事后钟差产品符合较好,二者差异为0.1ns左右。     

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。     

灰色系统理论的优化方法及其在卫星钟差短期预报中的应用

通过利用灰色系统理论对卫星钟差进行预报研究,论述了灰色GM(1,1)模型的建立、计算及原点精度检验方法,并结合实例给出一种模型优化的途径,即参数优化法。计算结果表明,参数优化法可以提高卫星钟差短期预报的精度。     

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...     

顾及一次差分数据结构特征的钟差预报模型

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。     

顾及卫星钟差插值误差的GPS精密单点定位观测值随机模型

针对GPS精密单点定位中观测值随机模型中没有考虑卫星钟差插值误差,提出了一种顾及卫星钟差插值误差的观测值随机模型。实验结果表明,对于精密单点定位中使用的卫星钟差节点时间间隔较大的产品(如5 min),考虑钟差插值误差的观测值随机模型能够显著地削弱卫星钟差插值引起的误差,而对于使用卫星钟差节点时间间隔较小的产品(如30 s),效果就不明显,符合GPS卫星钟差插值误差的特性。