基于多种深度学习算法对卫星钟差预报的效果分析与对比研究

针对卫星钟差预报模型的普遍适用性低，以及预报模型中星载原子钟类型和建模特点结合不充分等问题，提出了四种适用于非线性处理的神经网络模型来预报卫星钟差.首先对钟差数据进行预处理；然后通过基于萤火虫算法(firefly algorithm, FA)优化反向传播(back propagation,BP)神经网络(FA-BP neural networks,FA-BPNN)模型、Elman循环神经网络模型、径向基函数(radial basis function,RBF)神经网络模型以及基于卷积神经网络-长短期记忆(convolutional neural networks-long short term memory,CNN-LSTM)网络模型对1 d和7 d的钟差数据量建立模型；再采用武汉大学国际GNSS服务(International GNSS Service,IGS)数据分析中心(WHU)的GPS精密钟差数据进行钟差预报；最后从不同建模数据量及不同批次卫星的同一类型原子钟和不同批次卫星的不同类型原子钟的角度，将预报效果进行分析与对比.结果表明：1)四种模型在建模特点上，1 d的钟差数据量建...     

基于指数平滑法的GPS卫星钟差预报

提出了一种基于指数平滑法的GPS卫星钟差预报方法。该方法可采用少量数据建模,且计算过程简单、方便,尤其是在缺少相关历史数据或数据变化趋势不明显、不稳定的情况下,用该方法仍可取得较好的效果。通过与GPS卫星钟差预报中常用的二次多项式模型和灰色预测模型的对比分析,结果表明:指数平滑法适用于GPS卫星钟差的中、短期预报,其预报精度可达ns级;在利用小数据量建模的情况下,其预报效果优于二次多项式模型,与灰色模型的预报效果基本相当;该方法还可用于GPS卫星钟差的长期预报,其预报精度可达μs级,与灰色预测模型的精度相当。     

基于GM(1,1)灰色模型卫星钟差短期预报的精度分析

为了提高GPS快速单点定位的精度,必须及时获得高精度的精密星历。基于卫星钟差变化的灰色特性,建立GPS卫星钟差GM(1,1)灰色模型,对卫星钟差进行短期预报。计算结果表明,灰色模型GM(1,1)用于卫星钟差短期预报,只需要使用少数几个历元的已知卫星钟差进行建模,不仅减少建模数据量,提高建模速度,而且预报精度较高,可以满足GPS快速单点定位的实际需要;并对卫星搭载的原子钟精度进行分析,得出基于灰色模型GM(1,1)分析的Rb钟的精度和稳定性要优于Cs钟。     

几种时间预报模型的钟差长期预报效果分析

利用IGS提供的精密钟蔗数据,分别对三种不同时期发射的GPS卫星的卫星钟,利用普通多项式模型、切比雪夫多项式模型、灰色系统模璎预报70 d的卫星钟差,并对三种模型的预报效果进行分析和比较.结果表明,普通多项式模型和切比雪夫多项式模型的预报效果相差较小;灰色系统模型对于观测数据少、预报周期较长的卫星具有明显的优势;利用三...     

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。     

两种GPS卫星钟差预报模型比较及精度分析

利用IGS提供的精密钟差数据,分别采用二次多项式模型和灰色系统模型进行建模,对GPS卫星钟差进行短期和长期预报,并对预报结果进行对比分析.指出在短期预报中,两种模型的预报效果比较接近;在长期预报中,灰色模型的预报精度明显优于二次多项式模型,具有一定的优势.     

BDS精密卫星钟差建模与预报

针对BDS卫星钟差的短期预报问题,该文采用二次多项式模型、灰色模型和线性组合模型来对BDS中3种不同类型卫星10d的精密钟差进行建模与短期的预报。拟合时长增加,预报精度也会逐步增高并趋于稳定。预报精度会随着预报时长的增加而降低,当预报时长为50min以内时,预报精度为亚纳秒级。3种模型的钟差预报精度均在1ns以内,其中二次多项式模型的预报精度优于灰色模型,线性组合模型预报精度介于二者之间。利用3种模型的钟差预报结果进行精密单点定位实验,所得的平均定位精度在E、N方向上误差最大不超过3cm,U方向上误差最大不超过5cm。验证了利用二次多项式模型、灰色模型和组合模型在卫星钟差的短期预报中是可行的。     

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%。     

卫星钟差预报的T-S模糊神经网络法

结合钟差数据的特点,提出了一种基于变化率的T-S模糊神经网络(TSFNN)钟差预报模型。首先计算相邻历元间钟差的变化率值并对其进行建模;然后利用TSFNN模型预报钟差变化率值,再将预报的变化率值还原,得到钟差预报值;最后,通过算例将本文所建模型与IGU-P产品、二次多项式模型(QP)及灰色模型(GM(1,1))进行试验对比。结果表明:在使用变化率方法后,TSFNN模型预报的精度和稳定性分别提高了69.8%和76.3%,而且与IGU-P钟差产品相比,预报的精度高出约10倍,同时模型预报的效果优于两种常用模型。因此,该模型可以实现卫星钟差较高精度的预报。     

一种小波与谱分析结合的GPS精密卫星钟差拟合方法研究

根据卫星钟固有的特性,即频移、频漂和频漂率以及周期性,提出一种新的拟合方法。新方法首先构造一个合理的钟差模型,该模型包含一个二次多项式和多个周期项。然后利用IGS提供的钟差产品数据,先粗略补充缺失数据,用二次多项式拟合;并对拟合后的残差进行小波分析,作降噪处理;最后通过谱分析,确定其主要的周期项,从而构建出适当的拟合模型,实现精密GPS卫星钟差拟合和预报。多天数据的实验结果表明,采用本文提出的新方法能够有效地对卫星钟差进行拟合和预报,满足不同目的的需求。     

改进的多项式+周期项模型的卫星钟差预报

针对现有的超快速钟差产品IGU精度较低以及无法满足实时PPP技术的问题,提出了一种改进的多项式+周期项钟差预报模型。该模型采用多项式+周期项非线性函数对钟差数据进行滑动估计,结合迭代法对拟合模型的随机误差进行自然修正,以实现对卫星钟差的预报估计。通过与常见的多项式模型、灰色系统模型和多项式+周期项模型的对比分析,结果表明:改进的多项式+周期项模型更加适用于卫星钟差预报,在1天内,其预报精度RMS可以达到0.57 ns,最大偏离程度为1 ns,明显优于灰色系统模型和多项式+周期项模型;随着预报时间的增长,多项式模型、灰色系统模型和多项式+周期项模型的预报精度大幅降低,而改进的多项式+周期项模型没有大幅的变化,预报结果比较稳定。      

基于哈达玛总方差的卫星钟差参数估计与预报

钟差参数估计与预报是卫星导航系统应用中的一项关键技术。本文研究了基于哈达玛总方差的钟差参数预报方法。随机部分采用幂律谱模型,利用哈达玛总方差计算Kalman噪声参数,进而得到状态噪声和测量噪声协方差阵。最后利用IGS数据,验证了基于哈达玛总方差进行钟差参数估计与预报的适用性。结果表明,短期预报精度可达到亚纳秒级。     

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。     

北斗三号卫星钟差短期预报与稳定性分析

针对北斗三号(BDS-3)卫星钟短期预报问题,在分析卫星原子钟频率稳定性的基础上,选用时间序列模型(ARIMA)、灰色模型(GM)、一次多项式(LP)以及二次多项式(QP)四种钟差预报模型对30天的数据进行拟合预报分析. 实验结果表明:1) 相对于北斗二号(BDS-2),BDS-3原子钟具有更高的稳定性. 其中BDS-3氢钟的千秒稳定性、万秒稳定性和日稳定性分别达到了4.2×10?14、1.89×10?14、4.14×10?15;2) BDS-3氢钟和BDS-3新型铷钟的预报稳定性和精度相对于BDS-2铷钟有明显提高,并且BDS-3氢钟在3 h、6 h和12 h下的预报精度分别达到了0.12 ns、0.18 ns和0.30 ns;3) 在四种模型中,时间序列模型的预报精度最高,在3 h、6 h和12 h下精度分别为0.26 ns、0.47 ns和0.96 ns.      

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.     

一种北斗卫星钟差短期预报组合方法

针对北斗卫星钟差预报研究较少的情况,基于灰色模型与BP神经网络模型,构建一种全新的组合预测模型. 该组合钟差预测模型通过最优权方法有效结合两种单一模型的优点,实现北斗钟差的短期预报. 最后,以北斗三种型号卫星所携带的原子钟数据为例,计算出每种单一模型的权重,通过构建最优权预报模型实现了钟差的短期预报,预报结果优于两种单一模型,证明了该组合预报模型在钟差短期预测方面有效性与适用性.      

基于MEA-BP神经网络的卫星钟差预报

卫星钟差是影响导航定位精度的重要因素之一,建立高精度的钟差预报模型对高精度定位有重要意义。针对常用模型卫星钟差在短期预报中随时间增加误差积累,以及传统BP神经网络不稳定,容易出现过拟合等问题,本文提出一种基于思维进化算法(MEA)优化的BP神经网络钟差预报模型和算法。首先对原始钟差数据进行一次差处理;然后利用思维进化算法对BP神经网络的初始权值和阈值进行优化,给出该模型进行钟差预报的具体步骤;选用IGS站提供的多天GPS精密钟差产品数据进行试验分析,使用GPS一天中前12 h数据建模,进行2、3、6和12 h的钟差预报。结果表明:利用MEA-BP模型得到的上述4种时段的预报精度分别优于0.36、0.38、0.62和1.56 ns,预报误差曲线变化起伏较小,说明新模型的预报性能优于3种传统模型,新模型在钟差预报短期预报中的实用性及稳定性是较佳的。