排序方式: 共有5条查询结果,搜索用时 78 毫秒
1
1.
2.
针对多种分布形式混合的观测数据,建立了p范混合模型,考虑到模型中混合数属于不完全数据,引入期望最大化(expectation-maximum, EM)算法,对该混合模型的参数进行估计,详细推导了p范混合模型参数估计的迭代公式,并给出了相应的迭代步骤。采用混合高斯分布数据、拉普拉斯分布与高斯分布混合数据及实测GPS观测值残差数据,验证了公式的正确性和适应性。算例结果表明,与单一概率分布相比,p范混合模型能够准确反映数据分布的实际情况,同时利用EM算法估计的模型参数具有较高的精度。 相似文献
3.
4.
为探究BDS-2卫星钟在当前阶段的运行状态及性能情况,采用国际GNSS监测评估系统(iGMAS)2018年共365 d的精密钟差数据,将Score检验量引入钟差异常探测,并结合中位数法进行数据质量控制,弥补了中位数法部分粗差漏探的缺陷;再从频率准确度、频率漂移率、频率稳定度、模型拟合残差、周期特性、噪声类型等6个方面对BDS-2卫星钟的相关性能进行全面评估。结果表明,现阶段BDS-2在轨卫星钟的运行状态良好,各项性能指标均正常,可继续提供相应的系统服务。其中,BDS-2卫星钟的频率准确度为3.15×10-11,日漂移率为1.59×10-13,万秒稳为5.72×10-14,模型拟合残差平均精度为0.596 ns;GEO、IGSO和MEO三类卫星的钟差序列周期特性显著,第1、2主周期与其各自卫星轨道周期相关,分别为其轨道周期的0.5倍或1倍左右;不同平滑时间下的BDS-2卫星钟主要受调频白噪声(WFM)、调频闪烁噪声(FFM)和调频随机游走噪声(RWFM)的影响。 相似文献
5.
提出一种基于EM算法优化相关向量机(RVM)的BDS-3超快速钟差预报算法。首先,利用组合MAD法预处理钟差数据,并进行一次差分计算;然后,利用钟差一次差分数据对RVM模型进行训练,通过EM算法迭代求取模型的超参数;最后,利用优化后的RVM模型进行数据预测,将钟差一次差分预测值还原,得到钟差预报值。采用iGMAS中心提供的实测BDS-3超快速钟差数据进行预报实验,并将本文模型与QP模型、SA模型及iGMAS超快速钟差预报产品(ISU-P)结果进行对比分析。结果表明,对于6 h、12 h和24 h预报,本文模型预报BDS-3卫星钟差数据的平均精度均优于0.61 ns;与ISU-P、QP模型和SA模型相比,本文模型预报24 h时精度分别提升64.1%、50.0%和49.2%。 相似文献
1