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。     

数据预处理对最小二乘支持向量机预报钟差的影响

分析在基于最小二乘支持向量机的卫星钟差预报中样本数据预处理的必要性,列举了归一化、标准化和相邻历元一次差3种数据预处理方法。然后结合实例,对比分析不同数据预处理方法对基于最小二乘支持向量机的钟差预报精度的影响,得出不同方法对钟差预报精度的影响不同,其中,基于一次差方法的预报精度最高。最后,将基于一次差方法的最小二乘支持向量机预报模型与常用的二次多项式模型和灰色系统模型进行比较,结果表明,最小二乘支持向量机模型的预报效果明显优于两种常规模型。     

果蝇优化算法优化灰色神经网络的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,文章提出了一种基于果蝇优化算法(FOA)优化灰色神经网络的卫星钟差预报方法.利用FOA较强的全局寻优能力对灰色参数进行迭代动态微调,改善随机初始化所导致网络进化易陷入局部最优的问题,以提高灰色神经网络的预报精度;选取IGS产品中典型的卫星钟差数据,分别采用FOA优化灰色神经网络模型、神经网络模型、灰色系统模型和灰色神经网络模型进行短期钟差预报.仿真结果表明:FOA优化灰色神经网络模型的预报精度优于其他三种模型,性能满足卫星短期高精度钟差预报的要求.     

基于小波变换和最小二乘支持向量机的卫星钟差预报

提出了一种基于小波变换和最小二乘支持向量机的卫星钟差预报方法。首先通过小波变换把钟差时间序列分解成具有不同频率特征的分量,然后根据各分量的特点构建不同的最小二乘支持向量机模型进行预报,最后将各分量的预报结果进行叠加得到最终的钟差预报值。实验结果表明,该方法的预报效果优于单一的最小二乘支持向量机模型以及常规的二次多项式模型和灰色系统模型。     

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。     

最小二乘支持向量机回归的卫星钟差非线性组合预报

针对应用单一方法预报卫星钟差的局限性,文章提出了基于最小二乘支持向量机回归的卫星钟差非线性组合预报方法:首先根据历史钟差数据建立二次多项式模型和灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对两种模型的预报结果进行非线性组合,以获得最终预报值;对比了RBF核函数、线性核函数和多项式核函数对组合预报性能的影响,并将本文组合预报方法与经典权组合方法进行比较。结果表明,本文方法优于经典权法,且线性核函数更适合组合预报。     

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。     

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。     

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。     

附加误差修正的GM(1,1)模型在卫星钟差预报中应用

提出一种附加误差修正的GM(1,1)模型卫星钟差预报方法:首先采用GM(1,1)模型利用已有观测值建模,然后利用已有的多余观测值得到预报残差,提出一个误差修正模型,最后利用该修正模型对预报结果进行改正。同时,为保证其可靠性,给出一个修正的阈值。计算结果表明,该方法能够大幅度地提高预报精度,尤其是当GM(1,1)模型预报结果有较大系统偏差时。     

利用中位数的GPS卫星钟跳探测方法

GPS卫星钟跳是导航卫星钟差数据处理中的一种常见的数据异常。针对由钟差数据量较大引起的粗差探测效率低下,影响用户定位精度的问题,该文对基于中位数的粗差探测方法进行研究;并在分析钟差数据特性的基础上将此方法进行扩展,使其不仅能够探测卫星钟差数据中的粗差,还能探测卫星钟跳。实验结果表明,该文方法能够较好地进行粗差探测和钟跳探测。     

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。     

基于灰色系统模型的IGS精密钟差预报

钟差是精密单点定位中的重要误差源,IGS及其分析中心能够提供高精度卫星钟差改正信息,但其具有滞后性,一般要13d后才能获取。基于此,在讨论灰色系统建模的基础上,利用12d的IGS钟差文件进行GM(1,1)建模与预报,并将其结果与二次多项式的预报结果进行比较分析,同时对Rb钟和Cs钟的GM(1,1)模型预报效果进行讨论,得出一些有益的结论。     

多星定轨条件下北斗卫星钟差的周期性变化

基于地面监测网的多星精密定轨可以同时解算出北斗卫星轨道和卫星钟差。由于轨道和钟差的耦合影响,卫星钟差时序难免会出现周期性波动。此外,受限于目前并不完善的北斗全球监测网络分布、系统导航文件缺失以及定轨后处理软件的设置问题,3类卫星的钟差均存在大量数据间断问题。本文利用适用于间断数据的谱分析方法,对多星定轨条件下的北斗卫星钟差数据进行了周期项提取,并利用周期项改进后的钟差预报模型评估了24h以内的预报精度。基于近一年的数据分析表明,北斗GEO卫星钟差3个主周期依次为12、24和8h,IGSO卫星钟差的3个主周期依次为24、12和8h,而MEO卫星钟差的3个主周期依次为12.91、6.44和24h。与改进前相比,周期项改进后的钟差预报模型将北斗卫星钟差在24h以内的预报精度提高了20%~40%。     

QZSS MICHIBIKI卫星实时轨道和钟差数据的精度评估

以日本宇宙航空研究开发机构(JAXA)提供的精密星历为参考,对QZSS MICHIBIKI卫星发布的实时轨道和钟差数据进行了评估。数值结果表明,QZSS MICHIBIKI卫星的实时轨道精度优于11 cm,实时钟差优于0.56 ns;GPS卫星的实时轨道精度优于5 cm,实时钟差优于0.4 ns。通过比较得知,QZSS MICHIBIKI卫星的实时轨道和钟差精度明显低于GPS卫星。     

GPS精密卫星钟差估计研究

随着精密单点定位技术的发展,对于精确的卫星坐标以及卫星钟差改正精度的要求越来越高,精密卫星星历以及精密卫星钟差的求解成为制约精密单点定位技术发展的瓶颈。本文基于修复周跳的载波相位观测值与相位平滑伪距观测值,采用无电离层延迟星间单差精密卫星钟差估计模型,在先估计出整周模糊度后,进行了精密卫星钟差的估计,并采用与IGS事后精密钟差作二次差的方法进行精度分析,这对于提高精密单点定位精度具有一定的意义。