实时卫星钟差基准精化方法

在基于精密单点定位(PPP)的授时方法中,卫星钟差产品的高精度时间基准至关重要.针对实时卫星钟差产品时间基准不够稳定的问题,本文采用一组具有原子钟外部输入的国际全球卫星导航系统(GNSS)服务(IGS)跟踪站建立了顾及原子钟变化特性的基准精化方法.该方法首先采用阿伦方差对不同的IGS跟踪站外接原子钟进行稳定度分析,挑选出一组稳定度高的原子钟用以精化时间基准.在此基础上,利用阿伦方差分析各台原子钟的噪声参数特征,并确定不同原子钟之间的权比关系.最终,建立时间基准改正量的随机模型,并计算出精化后的时间基准.通过实例验证表明:与IGS事后精密钟差产品定义的时间基准比较,改正后的实时钟差基准单天内的标准差(STD)优于0.1 ns,相比于改正前最高提升了93%.同时,基准改正后的天内万秒稳达到10^-15量级,实现了一个量级的提高.此外,通过相对钟差精度的分析,表明钟差基准修正不影响PPP的定位精度.     

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。     

TEXBAT场景的GPS接收机授时欺骗影响分析

针对目前有关GPS欺骗干扰技术的研究较少涉及GPS时间欺骗干扰,且因实验条件限制,难以构建与重放实际欺骗场景,因此不同场景GPS时间欺骗对目标接收机影响仍不明确的问题,基于TEXBAT(Texas Spoofing Test Battery)提供的3组不同场景GPS时间欺骗数据集,建立了GPS时间欺骗模型,分析了欺骗过程中存在的两种相位对齐模式对欺骗行为的影响;利用自编软件对采集的欺骗场景的原始高保真数字实时数据进行数据处理,分别得到目标接收机受欺骗与未受欺骗时的接收机钟差及钟差变化率、多普勒频率与载噪比、载波相位与接收机天线位置随时间的变化情况;深入分析了不同场景GPS时间欺骗对目标接收机的影响。实验结果表明,不同场景GPS时间欺骗将从不同角度有效影响GPS定时结果,所得结论将为GPS时间欺骗与抗欺骗技术提供重要参考。     

GNSS/INS紧组合中的周跳探测方法

讨论了GNSS/INS紧组合算法;依据卡尔曼滤波新息检验理论研究了GNSS/INS紧组合中的周跳探测方法。通过实验论证,对比分析了GNSS/INS紧组合模式和纯GNSS模式下,动态周跳探测与处理的效果。实验结果表明:紧组合模式对周跳的发生更为敏感,可以有效地提升周跳探测的效果。     

一种新的守时型原子钟综合时间尺度方法研究

在这篇文章中, 提出了一种基于改进的指数平滑和Vondrak_Cepek联合平滑的氢铯综合时间尺度产生方法. 以最小误差方法为理论基础, 动态估计氢原子钟频率漂移参数, 提升氢原子钟钟差预测准确度; 基于改进的二次指数平滑产生氢原子钟组时间尺度、加权平均方法产生铯原子钟时间尺度, 同时设计Vondrak_Cepek滤波器以结合两类时间尺度长短期稳定度优势, 提升综合时间尺度性能. 实验结果表明, 所提方法产生的氢铯综合时间尺度时稳可达1.60x10^-15,天稳可达3x10^-15,优于ALGOS、AT1和Kalman滤波3种经典方法产生的时间 尺度性能.     

常熟地倾斜观测突跳的深入分析

通过对常熟SQ-70石英丝倾斜仪1996~2005年NS向观测出现的几次显著突跳事件进行深入分析,对地震预报实践中给出的判定意见进行了回顾和反思,同时讨论了该仪器年变幅和M2波潮汐因子的变化,对今后的日常地震预报有较好的参考价值。     

北斗广播电文钟差模型精度评估及改善策略

星载原子钟是北斗卫星导航系统(BDS)的核心设备,其钟差模型是北斗广播电文的重要组成部分,模型精度直接影响BDS的服务性能.本文采用星地双向时频传递(TWSTF)钟差测量为参考,评估了BDS广播电文钟差模型精度,结果表明BDS广播电文钟差模型精度优于2 ns(数据龄期小于12 h).针对BDS广播电文钟差参数解算问题,...     

BDS卫星钟差半参数平差模型异常数据探测与处理

针对北斗卫星钟差数据中出现钟跳、粗差等异常数据频次较高的问题,将半参数平差模型引入BDS的钟差数据的处理过程中。首先,在考虑系统误差的同时,改进了常用的钟差模型;其次,综合考虑异常数据和系统误差,利用补偿最小二乘原理和极值求解方法,详细推导了分离异常数据前后参数和非参数估计值与相应观测值改正数的关系表达式,实现了异常数据的定值、参数求解和系统误差分离。在此基础上,引入Cook距离,给出了利用参数分量和非参数分量的Cook距离及混合Cook距离,去判断异常值的位置,并给出了一些参数的选取方法及相应的处理措施,实现了卫星钟差异常数据的定位和定值以及部分系统误差的分离。最后,采用武汉大学GNSS中心提供的采样间隔为5 min的北斗卫星精密钟差数据,将本文方法与常用方法进行了试验对比。试验结果表明,本文方法能够有效地识别并处理卫星钟差数据中的异常值,有效克服了基于经验阈值钟差异常数据探测方法的不足,且该方法对于量级较小的异常钟差数据也有很好的探测效果,一定程度丰富了现有的BDS钟差数据质量控制方法。     

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。