导航卫星星载原子钟异常监测分析

通过对星载原子钟钟差数据进行双差处理构建平稳时间序列,利用基于平稳时间序列的2χ检验法监测星钟异常扰动。通过分析得出,历元间双差检测法对于快变的相位异常比较敏感,而对慢变的频率异常效果不佳;而基于平稳时间序列的2χ检验法对快变的相位异常和慢变的频率异常均比较有效。     

一种卫星钟差异常实时监测算法

卫星钟差在精密定位中占有重要地位,应当对卫星钟差异常进行实时监测。本文在建立卫星钟差模型的基础上,提出了一种基于递推遗忘因子最小二乘算法(RFFLS)的卫星钟差异常实时监测算法,并利用IGS事后精密钟差产品,对比分析了RFFLS算法与最小二乘算法(LS)、遗忘因子最小二乘算法(FFLS)的卫星钟差预报精度、预报耗时和对卫星钟差异常的监测性能。实验结果表明, RFFLS算法计算时间仅为LS算法和FFLS算法的十分之一,且RFFLS算法钟差异常监测能力最优。该方法简便易行,应用灵活,在实时应用中具有明显优势。     

利用不同时间同步体制钟差评估北斗三号星载原子钟性能

全球卫星导航系统(global navigation satellite system,GNSS)星载原子钟性能的优劣直接影响GNSS观测信号质量、测距精度、钟差预报与卫星自主导航能力,从而间接影响整个导航系统的服务性能。结合北斗三号系统独特的星间链路(inter-satellite link, ISL)和星地时间双向比对(two-way time transfer,TWTT)体制以及常用的精密轨道与钟差确定(orbit determination and time synchronization,ODTS)体制所估计的精密钟差数据,分析评估了北斗三号在轨原子钟服务性能。结果表明,3种钟差确定体制评估的频率准确度和漂移率结果基本一致,所有卫星频率准确度在(-4～2)×10^-11范围以内,氢钟频率准确度优于铷钟,ISL钟差评估的频率漂移率精度略优于ODTS。在评估原子钟稳定度方面,3种钟差确定体制各有优势,短期稳定度方面,ODTS钟差评估优于ISL钟差,基于ODTS评估的3 000 s稳定度可达3×10^-14,且氢钟的短期稳定性优于铷钟;中长期...     

基于GT的钟差预测模型辅助GPS定位算法研究

为了解决在强干扰环境下由于GPS卫星信号被遮挡而无法定位的问题,从灰色理论(GT)的角度探讨了接收机的钟差序列,提出一种利用灰色理论的钟差预测模型辅助GPS定位的方法。对预测模型的基本思想和具体实现步骤作了详细的介绍,并且将钟差预测值引入到GPS接收机中,实现信号遮挡情况下GPS接收机的定位解算。通过对实测数据的验证分析表明,该钟差预测模型对钟差序列有很好的预测效果,能够在仅有3颗可观测卫星的情况下实现接收机的定位解算。     

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。     

IGS精密卫星钟差插值算法的精度比较与分析

采用IGS提供的30 s、5 min和15 min间隔的精密卫星钟差产品,比较、分析了线性插值、拉格朗日插值、三次样条插值和两点三次埃尔米特插值等精密卫星钟差插值算法的精度。结果表明,线性插值精度最高,其余算法精度相当。拉格朗日插值存在奇偶性质,奇数阶插值比相邻偶数阶精度高,插值精度随阶数的增加有降低的趋势。钟差插值精度与卫星本身的钟差抖动程度有关,钟差抖动越大,精度越低。使用间隔较小的钟差产品插值精度更高。     

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...     

利用改进灰色模型的钟差预报算法及其精度分析

灰色模型在钟差长期预报中虽具有一定的优势,但是预测的精度还有进一步提高的可能。在本文中,采用经过数据预处理和残差修正对一阶灰色模型进行了改进,再对GPS卫星钟差进行不同时间尺度上的预报。算例利用IGS提供的精密钟差产品,建立了一个基于改进灰色模型的预报算法,改进灰色模型的预报精度较传统的二次项模型有了很大的提高,且预报结果的收敛性也获得了一定程度的改善。     

基于接收机钟差约束的精密单点定位时间传递研究

精密单点定位(PPP)技术起初主要面向定位与导航等位置应用.近年来,PPP技术逐渐成为时间传递等非定位应用的一种重要且有效的手段.如今,具有更高稳定性的氢原子钟也被越来越多的测站用来提供时间频率基准.而传统的PPP时间传递方法通常在数据处理时将接收机钟差参数视为白噪声(WN)参数进行处理,并未充分利用原子钟的高稳定特性...     

异常值对钟差预报模型的影响分析

为了分析异常值对钟差预报模型的影响程度,首先,通过对钟差数据进行绘图分析来识别钟差数据中的异常值;其次,利用中位数法(MAD)和一种基于中位数的小波阈值法钟差数据预处理策略(WMAD)分别对钟差数据中的异常值进行处理;最后,利用处理前、后的钟差数据建模预报钟差,并分析各模型预报的效果。结果表明:较小的异常值对二次多项式和灰色模型2种模型预报的效果影响不大,但会影响时间序列、卡尔曼滤波及小波神经网络3种模型的预报精度。     

一种卫星钟自相关的实时钟差预报算法

针对实时精密单点定位(RT-PPP)中实时数据流存在中断、延迟等问题,该文构建了顾及卫星钟自相关的随机模型,提出了一种基于方差分量估计的自适应卡尔曼滤波钟差超短期/短期预报算法,评估了连续27d实测法国空间研究中心(CNES)实时数据流CLK93产品完整率和精度水平,利用哈达玛方差对比分析了该实时产品与德国地学研究中心(GFZ)事后GBM产品的频率稳定性。利用本文算法与传统卡尔曼算法对两类产品进行预报,结果显示:CLK93产品BDS系统(C)、GPS系统(G)、GLONASS系统(R)、Galileo系统(E)30s和1min预报精度分别平均提升了8.50%、8.44%、7.20%、6.96%;GBM产品相应4个系统12h和24h预报精度分别平均提升了3.14%、3.53%、0.96%、10.01%。     

基于边缘分析的海面溢油检测

提出一种基于边缘检测的快速溢油信息提取方法, 首先对溢油图像进行ROA(radio of average)边缘检测, 根据检测结果进行AOI(area of interest)提取, 然后使用改进的Weibull-CFAR检测算法对AOI进行溢油检测, 并与全局CFAR检测结果进行对比。实验结果证明, 所提出的方法对于非均匀灰度SAR图像溢油检测准确性较好、效率较高, 特别适用于大图像的快速溢油检测。     

一种基于灰色神经网络的卫星钟差预报策略

针对钟差预报中灰色神经网络模型种类较多、性质和适用范围尚未具体分析的问题,根据其预报特点,该文提出了一种基于灰色神经网络的自适应钟差预报策略。基于MGEX精密钟差数据进行预报实验,采用不同建模钟差数据量进行相同时间段钟差预报,对3种不同的灰色神经网络模型钟差预报效果进行对比,总结了几种预报模型的性质与适用范围。该文提出的自适应预报策略较好地平衡了几种灰色神经网络模型的特点,提升了钟差预报效果。基于该文策略的实验结果表明:所提策略能够有效利用不同灰色神经网络模型特点,提高钟差预报精度。在1d预报中,该策略较本文提及的其他可靠方法精度提升1%~3%;6h预报中,该策略较较灰色模型等精度提高0.02~0.09ns。     

基于小波变换和神经网络的卫星钟差预报分析

目前IGS提供的实时钟差精度不够,事后精密钟差也有13d的延迟,有必要对钟差预报进行研究。文中利用小波神经网络模型进行钟差预报,首先利用小波对原始钟差序列进行分解、降噪,然后利用神经网络进行建模并预报,将得到的结果同灰色模型和二次多项式模型的结果进行对比分析,得出小波神经网络模型可以更好地进行钟差预报的结论。     

A local Mahalanobis-distance method based on tensor decomposition for hyperspectral anomaly detection

Recently, some tensor decomposition-based algorithms are proposed and performed well for hyperspectral anomaly detection (AD). This paper proposes a tensor decomposition-based local Mahalanobis-distance (Tensor-LMD) method for hyperspectral AD. First, a three-order tensor is employed to represent hyperspectral data-set and the Tucker decomposition technology is used to decompose such tensor into a core tensor and three factor matrices. Then, the minor PCs are used to eliminate anomaly and noise information along each mode and the more pure background data-set is obtained. Finally, the sliding dual-window strategy is used for both the background data-set and the original hyperspectral data-set, and the local Mahalanobis-distance detector is employed for the final results. The experimental results demonstrate that the proposed Tensor-LMD can achieve a better performance when compared with the comparison algorithms.     

Numerical prediction methods for clock deviation based on two-way satellite time and frequency transfer data

Three functional models, polynomial, spectral analysis, and modified AR model, are studied and compared in fitting and predicting clock deviation based on the data sequence derived from two-way satellite time and frequency transfer. A robust equivalent weight is applied, which controls the significant influence of outlying observations. Some conclusions show that the prediction precision of robust estimation is better than that of LS. The prediction precision calculated from smoothed observations is higher than that calculated from sampling observations. As a count of the obvious period variations in the clock deviation sequence, the predicted values of polynomial model are implausible. The prediction precision of spectral analysis model is very low, but the principal periods can be determined. The prediction RMS of 6-hour extrapolation interval is 1 ns or so, when modified AR model is used.     

基于卫星双向时间频率传递进行钟差预报的几种方法

Three functional models, polynomial, spectral analysis, and modified AR model, are studied and compared in fitting and predicting clock deviation based on the data sequence derived from two-way satellite time and frequency transfer. A robust equivalent weight is applied, which controls the significant influence of outlying observations. Some conclusions show that the prediction precision of robust estimation is better than that of LS. The prediction precision calculated from smoothed observations is higher than that calculated from sampling observations. As a count of the obvious period variations in the clock deviation sequence, the predicted values of polynomial model are implausible. The prediction precision of spectral analysis model is very low, but the principal periods can be determined. The prediction RMS of 6-hour extrapolation interval is Ins or so, when modified AR model is used.