一种顾及钟差周期误差和随机特性的卫星钟差预报方法

提出一种顾及钟差周期误差和随机特性的卫星钟差预报方法。首先通过比较二次多项式加1、2、3、4个主要周期误差的模型,取其优者求得钟差预报的拟合值;然后针对拟合残差值的随机特性采用灰色模型进行建模,求得拟合值残差预报值;最后,将其与之前求得的预报值相结合得到最终的钟差预报值。采用IGS的15 min精密钟差数据进行实验,结果表明,在短期预报中,加2个主要周期误差的模型预报性能最好,并且新模型的预报精度优于常用算法。     

基于修正钟差一次差分数据的卫星钟差预报

对钟差一次差分预报原理进行改进,分析常用的一次多项式模型、二次多项式模型和灰色模型在采用改进原理进行预报时的相关特性。结果表明,对钟差一次差分预报原理的改进是有效的,可以提高常用模型在钟差短期预报中的预报精度。     

基于量子纠缠时钟测量的抗差卡尔曼卫星钟差预报

基于纠缠光子对二阶相关函数的时间特性分析,设计时钟同步测量方案,并考虑传播过程中色散效应及衰减等对精度的影响。该方案可提供均值1 ns、精度0.01 ns的同步信息。利用该方案获得观测数据,结合顾及哈达玛方差的抗差卡尔曼方法估计出卫星钟差模型系数,进行钟差预测。仿真表明,该方案预测精度与IGS预报星历产品精度相当,且钟差初始值更精确。     

基于IGU预报轨道实时估计精密卫星钟差

针对目前实时精密单点定位中,GPS卫星实时钟差服务所存在的精度问题,提出了一种基于IGU轨道的实时钟差估计方法。该方法基于IGU轨道,采用全球参考站非差载波相位观测值,进行实时钟差估计。数值结果表明：实时估计的卫星钟差与IGS最终产品的偏差大部分小于0.3 ns,平均优于0.2 ns;采用估计所得的实时钟差进行PPP静态定位,其精度可达1~2 cm,同时也可得到毫米级精度的天顶对流层延迟。     

导航卫星钟差预报的Elman神经网络算法研究

针对卫星钟差不能被精确模型化的问题,将具有较强记忆功能和强大计算能力的Elman神经网络运用到卫星钟差预报中,提出适用于卫星钟差预报的Elman模型。首先对原始钟差数据进行一次差处理,然后选择合适的神经网络结构建立预报效果最佳的Elman钟差预报模型,最后选用国际GNSS服务（IGS）提供的精密钟差数据进行GPS卫星钟差预报,并与二次多项式模型、附加周期项的多项式模型和灰色系统模型进行对比分析。结果表明,Elman模型进行1 d、7 d和30 d钟差预报的精度得到显著提高,分别达到亚ns、ns和μs级,表明该模型的钟差预报性能优于3种常用模型,在卫星钟差预报中具有可行性。     

基于麻雀搜索算法优化的BP神经网络卫星钟差预报

使用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的初始权值和阈值进行优化和调整,以提高神经网络模型短期预报的精度和稳定性.采用IGS产品中的卫星钟差数据,对SSA-BP神经网络模型、PSO-BP神经网络模型、传统BP神经网络模型及传统二次多项式模型(QP模型)进行实验对比,结果...     

基于一次差分预报原理的常用钟差预报模型效果分析

基于15d的精密卫星钟差数据,从不同角度全面分析6种常用钟差预报模型(LP模型、QP模型、GM模型、SA模型、ARIMA模型、KF模型)基于钟差一次差分预报原理的预报效果,得到以下结论:1)采用钟差一次差分预报原理,可以提高LP模型、SA模型、GM模型及KF模型对于GPS卫星钟差的3h预报精度,提高QP模型和ARIMA...     

基于SAFA-FDGM(1,1)模型的BDS钟差预报

为建立高精度的BDS钟差预报模型,提出一种基于改进的萤火虫算法优化的分数阶离散型灰色系统SAFA-FDGM(1,1)钟差预报模型.为避免萤火虫算法陷入局部最优解,提高萤火虫算法的优化能力,本文引入惯性权重因子,同时对吸引力因子、步长因子进行改进;利用改进的萤火虫算法自动优化选取FDGM(1,1)分数阶因子来提高FDGM...     

BDS卫星钟差短期预报性能分析

采用BDS精密钟差数据进行短期预报实验,通过线性模型、二次多项式模型、灰色模型和Kalman滤波模型对14颗BDS卫星的钟差预报效果进行比较和分析,总结不同类型卫星的钟差预报性能和利用各模型进行BDS卫星钟差预报的相关特性。     

�������Ӿ���ʱ�Ӳ����Ŀ�����������Ӳ�Ԥ��

???????????????????????????????????????????????????????????????????????Ч?????????????????÷??????????1 ns??????0.01 ns??????????????÷?????ù????????????????????????????????????????????????????????????????????????÷??????????IGS?????????????????????????????????     

最优非负变权组合模型在卫星钟差预报中的应用

针对单一卫星钟差预报模型自身存在的缺陷,提出基于二次多项式、灰色GM（1,1）和ARIMA等三种单一模型的最优非负变权组合预报模型。通过与各单一模型和经典权组合模型进行对比分析表明,该模型预报残差RMS值最小,精度更高,能够根据各模型预报效果赋予不同的权值,在一定程度上综合了多种单一模型的优点,可降低预报风险,提高模型预报的可靠性。     

一种北斗二代卫星钟差的数据质量控制方法

考虑北斗二代卫星长期钟差序列中存在的钟跳、粗差及数据缺失现象,提出一种钟差序列的数据质量控制方法。利用频率序列识别钟跳,采用阈值法进行异常数据段剔除以及结合MAD和Baarda数据探测法共同进行粗差探测与剔除,再利用线性内插对缺失数据进行插补,得到干净的钟差序列。实测数据表明,这种钟差质量控制策略可以显著提高北斗钟差序列信息提取的准确性以及钟差预报精度。     

基于GM(1,1)+AR模型的钟差短期预报改进算法研究

针对传统GM(1,1)+AR组合模型的缺点,提出一种可及时更新建模序列和增强数据间相关性的循环式钟差预报模型,在预报过程中根据预报时刻的不同实时调整AR模型阶数。考虑到原始钟差建模序列长度会对预报精度造成影响,分别使用2 h、6 h、12 h和24 h的钟差序列构建模型。实验结果表明,改进模型的预报精度较传统方法有一定提高,且预报结果更稳定;使用不同长度的钟差序列构建模型对预报结果有一定影响,其中二次多项式模型受原始序列长度的影响较大,改进模型受影响较小。