一种导航卫星中长期轨道预报方法

基于神经网络混合建模的思想提出一种针对导航卫星的中长期轨道预报方法,在原动力学模型的基础上引入神经网络模型作为补偿,从而获得新的预报模型。在训练过程中神经网络通过学习动力学模型轨道预报误差来掌握其变化规律,并在预报过程中为动力学模型预报提供补偿,以提高预报精度。对GPS卫星动力学模型中长期预报误差的特点进行分析,然后根据所得结论提出混合模型的中长期(15 d以上)预报方案,最后通过对GPS卫星的仿真试验证明混合模型的改进效果,结果表明新方法在15~40 d的预报上表现出很好的改进效果。     

基于补偿波形调整的导航卫星轨道预报方法

针对利用动力学模型得到的预报轨道随时间推移精度衰减较快的问题,尝试采用神经网络作为建模工具改进北斗导航卫星轨道预报精度。对影响神经网络模型补偿效果的因素进行了详细分析,基于神经网络补偿波形调整策略制定了适应导航卫星短期、中期和长期预报的神经网络优化模型。利用实测数据进行了试验分析,结果表明,该方法可以显著改进利用动力学模型得到的预报轨道精度。短期预报中,当采用的训练样本距离当前时刻大于10 d时,应移动补偿波形;中长期预报中均应移动补偿波形。相比补偿波形不调整的神经网络模型,采用基于补偿波形调整的神经网络优化模型后,预报弧长为8、15、30 d时,改进率分别提高了2.3%、6.7%、10%。     

EOP预报误差对导航卫星轨道预报的影响分析

导航卫星轨道预报是利用精密定轨结果在惯性系下进行轨道外推,再将外推得到的惯性系轨道转换为地固系轨道,然后生成卫星星历数据。由于坐标系转换时使用的是带有误差的地球定向参数（EOP：Earth Orientation Parameters）预报值,转换结果会产生误差,进而影响轨道预报结果的精度。分析了EOP快速预报产品公报A的预报精度,研究了参数预报误差对轨道预报精度的影响。结果表明,对于利用GPS精密星历外推模拟得到的卫星轨道而言,EOP预报1天引起的轨道预报误差大致分布在0．232±0．183m,参数预报7天引起的轨道预报误差大致分布在0．438±0．356m。     

神经网络在北斗导航卫星轨道预报中的应用

导航卫星的自主定轨是提高卫星导航系统生存能力的一个重要手段,在解决导航星座自主定轨中涉及到高精度的轨道预报,提高轨道预报精度对于自主定轨精度有着重要意义。针对利用动力学模型得到的预报轨道随时间推移精度衰减较快的问题,本文提出了一种改进北斗导航卫星中长期轨道预报精度的新方法。利用神经网络作为建立预报模型的工具,在动力学模型的基础上建立神经网络模型,通过对历史时刻预报误差的学习及训练,掌握其变化规律,再用于补偿和改进当前时刻的预报轨道,以达到提高预报精度的目的。本文制定了导航卫星轨道中长期预报方案,并利用实测数据进行了实验分析,结果表明,采用神经网络模型补偿预报轨道误差时,不同卫星在不同初始时刻下的改进效果是不同的。预报15d导航卫星的轨道精度由318m提高至19m,预报30d轨道精度由1757m 提高至49m。预报15d、 30d轨道改进幅度分别为41％～80％/32％～88％。     

利用遗传小波神经网络预报导航卫星钟差

针对卫星钟差难以用精确模型来进行预报问题首先通过遗传算法优化适合非线性时间序列预报的小波神经网络的网络参数得到预报性能更好的遗传小波神经网络gwnn 然后根据钟差数据的特点对钟差进行预处理建立了一种能够高精度近实时预报钟差的gwnn钟差预报算法 使用gps卫星钟差进行一天内的预报实验证明了本方法的有效性 结果表明通过本方法得到的预报钟差较igs超快预报钟差在精度上有了较大的改善     

利用结构自适应极端学习机预报导航卫星钟差

针对卫星钟差难以用精确模型来进行预报的问题,将极端学习机（extreme learning machine,ELM）神经网络用于导航卫星钟差预报。针对ELM网络隐层结构难以确定的问题,提出了基于自适应共振理论（adaptive resonance theory,ART）网络思想的ELM网络结构设计算法。该算法将ART网络的聚类特性用于ELM网络结构设计中,通过对输入向量与已存模式的相似度比较将输入向量进行分类,自适应地确定隐层节点规模。使用GPS卫星钟差数据进行30 d的预报实验,结果表明,此方法的钟差预报精度明显优于二次多项式模型和灰色系统模型。     

利用遗传优化LSSVR进行导航卫星钟差预报

为提高导航卫星钟差预报的精度,提出了一种最小二乘支持向量回归(LSSVR)和遗传算法(GA)相结合的导航卫星钟差预报方法。根据卫星钟差序列变化的非线性特征,选用高斯径向基函数(RBF)建立卫星钟差LSSVR预测模型。针对LSSVR模型的参数选择问题,引入GA对不同星座以及原子钟类型预测模型的参数进行搜索寻优。该方法能够在较大范围内自动确定优化参数,提高LSSVR的泛化性能。将所提出的方法用于GPS卫星钟差的短期预报,并与常规预报方法进行对比。结果表明,GA-LSSVR模型对不同星座以及原子钟类型钟差预报均表现出良好的稳健性,能够在一定程度上抑制钟差预报误差随时间延长不断增大的问题,整体预报精度优于常规方法。     

北斗卫星轨道预报方法分析

针对动力学模型预报轨道误差随弧长增加而发散的问题,用深度学习长短期记忆神经网络模型对预报误差进行补偿,且对LSTM模型逐点迭代产生的误差积累问题,提出了总体经验模态分解和LSTM模型组合的EEMD-LSTM预报模型。采用LSTM模型补偿GEO、IGSO和MEO轨道误差较BP神经网络更能完备地学习误差特性,在短、中和长期预报中,两者均方根误差差值随预报弧长增大而增大,同时误差平均改进率■也明显提高,30 d内预报中增大的■高达28.6%。且EEMD-LSTM模型较好地抑制LSTM模型误差累积,在中长期的预报中RMSE和■的差值再变化,前者高达到21.13 m,后者高达到4.24%。EEMD-LSTM组合模型补偿功能的实现对未来GNSS卫星轨道预报方法研究提供了一种参考。     

星地跟踪网的导航卫星精密轨道确定及预报

针对区域跟踪网不能覆盖导航卫星全弧段从而导致卫星定轨精度低的问题,简述了导航卫星和低轨卫星联合定轨模型,然后利用星地跟踪网观测数据同时确定了低轨卫星和导航卫星精密轨道,并根据实验结果详细分析了低轨卫星在联合定轨中所起到的作用。计算结果表明,引入低轨卫星之后,全球网和区域网定轨精度分别平均提高了20.0%和44.3%,区域网6h和24h的轨道预报精度分别优于10cm、13cm,利用星地跟踪网观测数据联合定轨方案是一种提高定轨精度并削弱对地面站依赖性的有效方法。     

基于SDP4模型的导航卫星仰角及方位角预报

地面站可控天线可以不借助接收机而直接监测导航卫星的信号质量,地面天线伺服系统根据卫星的实时位置计算出仰角及方位角来确定天线的指向。广播星历及历书等常用的计算卫星位置的方法虽误差较小,但其误差随时间迅速扩大,基于该问题,论文论述了双行星历（TLE）结合SDP4模型进行卫星轨道预报方法,利用SDP4模型计算GPS导航卫星的实时位置并预报卫星的仰角及方位角,采用IGS 事后精密星历对其角度预报误差进行了评估,同时,还将该方法的预报误差与广播星历、历书、STK高精度轨道预报等方法的预报误差进行了对比。实验结果表明：采用SDP4模型对导航卫星进行位置预报可满足误差要求,且时间有效性长、通用性好,具备实际应用价值。     

北斗导航卫星位置计算方法研究

为了提高北斗卫星轨道的精确性和实时性,在分析星历文件中的开普勒轨道参数和轨道摄动参数的基础上,阐述了卫星轨道计算方法,用VisualC＋＋语言编程实现了卫星轨道位置计算,并用2013年1月13日的北斗导航文件计算出1、5号GEO卫星和6、9号MEO／IGSO卫星位置及其它们外推时刻卫星的位置,通过对比分析,验证了该算法的可行性。     

SDP4模型用于北斗导航卫星轨道预报的精度分析

为了实现对北斗导航卫星的监测与跟踪,需要对其轨道进行预报。利用双行星历(TLE)采用SDP4模型对北斗导航系统的3类卫星(GEO、IGSO、MEO)进行轨道预报,并对比了Trimble公司的接收机历书星历和HPOP高精度轨道外推模型预报出的星历,采用GFZ公布的北斗精密星历对其预报精度进行了评估。分析表明,SDP4模型计算速度快,可以实现对于北斗导航卫星的轨道预报,满足跟踪和监测的精度要求,具有实用价值;该模型对于MEO卫星轨道预报效果最好,IGSO卫星次之,GEO卫星最差;3日以内的短期轨道预报可以采用历书星历或者HPOP外推模型预报的星历,但是3日以上轨道预报利用SDP4模型更好;对不同预报时间下的预报轨道可以使用的领域提出了建议。     

卫星导航接收机抗欺骗干扰方法研究

在分析各种可能的欺骗干扰方法的基础上,研究了欺骗干扰信号的特性,并从信号体制设计和接收机信号处理两个不同层面提出了一系列通用的抗欺骗措施,可直接用于关键民用基础设施GNSS接收机的抗欺骗设计。     

全球导航卫星系统地面监测站优化设计方法

地面监测站数量和分布直接影响全球卫星导航系统的星历精度,其优化布设是提高系统性能的前提,也是系统建设需要重点关注的环节。给出了评价监测站布设性能的综合指标,提出了一种用于监测站覆盖性能评估的模型,并通过对MEO卫星半长轴的长期变化和回归经度漂移的分析,验证了该模型用于评价全球导航系统监测站优化布设的合理性。最后,综合利用覆盖性能指标和精密定轨精度指标对全球监测站不同布局方案进行了分析比较,给出了监测站优化布设方案。     

卫星导航接收机测距精度评价方法研究

卫星导航接收机测距精度的好坏是制约接收机性能优劣的一个关键因素。从卫星导航的一个重要的观测量伪距入手,从分析伪距的观测方程的角度给出了四种卫星导航接收机测距精度评价的方法：钟差测定法、通道问单差法、零基线双差法和定位精度反推法,并对评价方法中涉及到的几个关键技术进行了阐述分析。测距精度评价方法的建立为卫星导航设备测距精度性能优劣的合理评估提供了一个参考依据。     

导航卫星轨道拟合方法与仿真研究

提出利用虚拟现实技术加强对导航卫星星座的三维仿真模拟,用于系统的设计与监控。考虑到GPS系统的成熟性和与北斗系统的相似性,以GPS精密星历为基础,深入研究利用GPS精密星历拟合卫星三维坐标的方法,对两种常用方法——拉格朗日多项式内插和切比雪夫多项式拟合的处理效果进行分析和比较,给出两种拟合方法得到的卫星位置误差与阶数的关系,探讨短时间外推的效果,确定切比雪夫多项式拟合为最佳的卫星轨道拟合方法,并据此求得任意时刻的卫星坐标,构建了导航卫星三维标准化轨道虚拟运行场景。     

卫星导航定位卡尔曼滤波时延平滑方法研究

为进一步提高卫星导航定位精度和性能,介绍和讨论了卡尔曼滤波延时平滑方法,并建立了一种卡尔曼滤波延时平滑定位模型与算法。与经典卡尔曼滤波类似,该算法同样具有状态系统与测量系统两类方程,能够根据后续历元测量值及定位结果向前进行逆向预测与更新,从而达到对整体定位过程再次平滑的目的,更大程度地获得定位结果跟随性与平滑性之间的平衡。通过多种不同情况下的GPS实测试验,对方法的正确性和可行性进行了分析与验证。结果表明,卡尔曼滤波延时平滑定位方法能够适用于多种静态、动态导航应用领域,使输出结果更为平滑和准确,在有效提高定位精度的同时具有更强的抗多径和抗干扰性。     

基于卡尔曼滤波算法的卫星导航高精度定位方法

为保证卫星导航的定位精准性,降低定位误差,提出基于卡尔曼滤波算法的卫星导航高精度定位方法。该方法采用支持向量机分类卫星导航信号,获取信号中不含伪距的直达信号,依据该信号获取终端接收机的三维空间坐标;将该坐标和接收机的时钟偏差以及频率漂移作为核心,采用改进的卡尔曼滤波算法获取终端接收机的位置坐标,即卫星导航的定位结果;并采用粒子群算法优化卡尔曼滤波算法获取的定位结果,以此提升卫星导航定位精准性。测试结果显示：该方法具有较好的应用性能,在X、Y、Z三个方向上的定位误差结果均在5 m以内;高程定位误差均在3.5 m以内,可精准完成导航载体所在位置的定位,掌握导航载体的运动轨迹。     

卫星导航可用性监测技术

随着全球卫星导航系统（GNSS）的不断完善和在各领域的不断推广运用,导航系统的重要性日益增大,导航系统是否可用,直接影响到用户的体验甚至用户的安全.本文论述了卫星导航系统可用性监测相关技术,主要从卫星系统完好性监测、电离层闪烁监测技术和电磁环境监测三个方面分别进行论述.      

利用最小一乘法改进的灰色模型的导航卫星钟差预报

在卫星钟差波动较大的情况下,为了克服基于最小二乘法估计灰色模型参数对卫星钟差预报精度的不足,本文利用最小一乘法对传统灰色模型进行了改进。在建模的过程中,采用以误差绝对值之和最小为优化原则,针对目标函数不可微的特点,运用线性规划的方法对灰色预报模型的模型参数进行了估计。此外,将改进后的预报模型应用到卫星钟差波动较大情况下钟差的预报中,并将预报结果与传统灰色模型的预报结果进行了对比分析。结果表明：在卫星钟差波动较大的情况下,该方法相比传统灰色模型的预报结果有显著改善,为高精度的卫星钟差预报提供了一种新思路。