基于人工鱼群优化LS-SVM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,提出了一种基于人工鱼群(AFSA)优化最小二乘支持向量机(LS-SVM)的卫星钟差预报方法。利用人工鱼群算法较强的全局寻优能力优化LS-SVM模型的惩罚参数和核宽度参数,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取IGS产品中4颗典型卫星的钟差数据,分别采用人工鱼群优化LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明:人工鱼群优化LS-SVM模型的预报精度优于其它2种模型,尤其是在铷钟方面,预报误差在0.5 ns内,运行时间在5 min内。     

基于通用钟差模型的北斗卫星钟预报精度分析

卫星钟差参数的预报精度直接影响卫星导航系统的服务性能.影响卫星钟预报精度的因素有很多,其中钟差序列的建模质量是一个很重要的影响因子,只有最能反映星载原子钟自身物理特性和运行状态的模型才能获得更高的卫星钟预报精度.本文分析了北斗系统钟差序列的特性,提出了一种通用的钟差模型,该模型同时包含线性项、周期项和随机项,并且利用了AR模型对随机项进行建模,给出了周期项和AR模型参数的确定方法,该模型还能够根据实际星载钟特性进行退化与扩展.本文还给出了基于该模型的卫星钟预报方法,最后利用北斗实测数据进行了卫星钟预报精度分析试验,试验结果表明:所提出的通用模型能够最大限度地拟合钟差序列,从而大大提高卫星钟的预报精度,特别是针对一些稳定度较差的星载钟,实现了6 h预报精度2 ns,12 h预报精度5.5 ns.     

基于灰色BP网络的卫星钟差预报

精密卫星钟差是精密定轨的重要因素之一.将BP神经网络模型引入卫星钟差预报,分别对少量及大量的卫星钟差数据进行预报,将其预报精度和灰色模型GM(1,1)预报结果进行分析比较,证明BP神经网络模型适于卫星钟差预报.通过对IGU超快速星历中的卫星钟差进行预报,发现前期预报精度很高,验证了其实际有效性.     

北斗新一代试验卫星星钟及轨道精度初步分析

北斗卫星导航系统新一代试验卫星星座由2颗高轨倾斜地球同步轨道卫星和3颗中轨地球轨道卫星组成,2016年2月全部发射入轨,其任务是验证北斗系统从目前区域导航定位授时服务走向全球服务的新技术体制设计及指标性能.导航卫星星载原子钟是最重要载荷之一,负责星上时间频率基准信号维持和产生,本文利用星地双向时频传递设备观测的星地钟差数据,评估了试验星配置的新型高精度铷钟和被动型氢钟的实际性能,定量比较了相对于北斗区域系统卫星钟的性能提升.结果表明新一代试验星与北斗区域系统卫星钟差预报精度相比较有较大提高,地球倾斜静止卫星(Inclined Geosynchronous Orbit,IGSO)短期预报误差从0.65ns减小到0.30ns,中轨道卫星(Medium Orbit,MEO)短期预报误差从0.78ns减小到0.32ns,IGSO/MEO卫星中期预报误差均从2.50ns减小到约1.50ns.星间链路(Inter-Satellite Link,ISL)是北斗全球系统最重要的技术体制设计之一,本文评估了试验卫星实现的星间伪距测量对提升空间信号精度,即轨道和钟差的贡献,得到在地面监测网无法连续覆盖到的境外弧段,高精度星间链路测量对轨道确定和钟差测定精度的提升尤为明显.加入星间伪距测量,MEO卫星重新入境时钟差预报误差由3ns减小至1ns以内.采用星地星间联合定轨方法估计的卫星轨道径向重叠弧段互差优于0.1m,三维位置重叠互差优于0.5m,预报24h径向重叠弧段互差优于0.2m,三维位置重叠互差优于1m,均较区域监测网L波段定轨结果有较大提升.为解决多星定轨处理时卫星钟差与轨道高度耦合问题,本文提出了卫星钟差半约束模式定轨处理方法.用户等效距离误差分析结果表明采用卫星钟差半约束的定轨模式,卫星轨道预报4h用户等效距离误差由1.04m减小至0.82m.     

灰色模型与自回归模型组合在钟差短期预报中的应用研究

研究卫星钟差预报的精度及稳定性对增强卫星导航系统的导航、授时等功能有重要作用。针对GM(1,1)模型在卫星钟差短期预报时存在的问题,引入AR模型对其预报结果进行修正,以提高钟差预报结果的精度和稳定性。实验结果表明：组合模型的预报精度较单一GM(1,1)模型有一定提高,其中铷钟的精度提高较为明显,铯钟的精度则提高较少;此外,组合模型的误差变化趋势与GM(1,1)模型相似,但稳定性相对更高。     

转发式测距和直发式伪距的GEO卫星联合定轨

GEO卫星是区域卫星导航系统空间段的重要组成部分.仿真模拟表明,在星座组网运行时通过差分策略可消除卫星钟差,但对只有GEO在轨运行的单星模式需要引进其他测轨技术才可能获得高精度的GEO轨道和钟差信息.本文提出联合转发式测距和直发式伪距数据的GEO卫星联合定轨和钟差估计方案,克服了转发式跟踪站数量和测距数据有限的问题,实现了对直发式伪距跟踪站星地组合钟差的估计,并且保持了卫星星历与钟差的自洽性.利用我国区域跟踪网对GEO卫星的实测数据进行了联合定轨试验,开展了详细的误差协方差分析说明了转发式和直发式两种测轨技术的贡献,结果表明：转发式测距数据的定轨残差为0.203m,直发式伪距的定轨残差为0.408m.定轨弧段内激光外符视向精度为0.076m,预报2h激光外符视向精度为0.404m,星地钟差估计精度约为1.38ns.对于基于单个转发跟踪站的转发直发联合定轨,激光外符视向精度为0.280m,预报2h激光外符视向精度为0.888m,星地钟差估计精度约为1.55ns.相关指标满足了导航服务的需求.     

时钟校准过程中的组合钟差预报模型

时间同步技术在分布式系统中应用广泛,时钟校准是时间同步的前提。针对时间校准过程中所需的时间信号可能出现传递失效等问题,在时间校准过程中引入钟差预报技术。同时为提高钟差预报模型的预报精度,提出一种GM-BP神经网络的钟差预报组合模型,首先利用已测钟差数据建立多个不同维数的GM(1,1)钟差预报模型,并对某时段的钟差进行预报,发挥多个不同GM(1,1)模型的优点;然后利用训练好的BP神经网络对预报结果进行非线性组合,最终的预报结果为BP神经网络非线性组合后的钟差。利用衰减器模拟对流层散射信道,设计对流层散射单向时钟校准试验,利用试验过程中实测的钟差数据进行组合模型精度验证。仿真结果表明,组合模型较单一预报模型,预报误差更加平稳,精度上提高53%~95%。     

北斗卫星星载原子钟的短期钟差预报模型参数选取分析

高精度实时卫星钟差改正数据的获取一直是实现精密单点定位技术的关键问题.针对短期钟差预报模型参数设定对预报精度的影响,详细分析了多项式模型和灰色模型的基本原理,通过对精密星历文件中钟差数据的计算,分析阶数和已知数据个数对2种预报模型精度的影响,评估了此2种预报模型的优劣.实验结果表明:多项式模型应采用的已知点数量和阶数分别为7和2,而灰色模型的已知点数量应设为11;灰色模型总体上优于多项式模型.     

双变权缓冲GM(1,1)模型在GPS卫星钟差预报中的应用

GPS卫星钟差预报时,传统GM(1,1)模型对存在跳变和扰动因素的卫星钟差数据预报效果较差,为了提高模型的预报精度,提出应用缓冲算子改善原始数据的光滑度,而现实中传统的缓冲算子大都是固定不变的,作用强度不可调,适用性较差。针对这些问题,引入变权缓冲算子结合加权背景值,通过搜索寻优算法以拟合值和实际值的误差平方和最小为目标,选择最优变权缓冲系数和背景权值,从而构建双变权缓冲GM(1,1)模型。通过理论分析和算例结果表明,对不同类型GPS卫星钟,优化的模型相比传统GM(1,1)模型的预报精度改善效果不同,其中对铯钟提高不明显,对铷钟均有所提高。     

导航星座激光/微波星间链路协同时间同步方法研究

时间同步是卫星导航系统提供定位、导航以及授时服务的关键.星座自主运行模式下需要通过星间链路组网进行星座整网时间同步,以支持正常的导航定位服务.相比于微波链路,连续建链的激光链路可以提供时标统一的、更高精度的钟差测量结果.本文提出一种星座自主运行模式下激光/微波星间链路协同时间同步方法.通过连续观测的激光星间链路建立时间比对网络,基于加权平均算法生成星间时间基准;激光比对网络外卫星通过时分体制微波链路,利用分布式卡尔曼滤波算法溯源至星间时间基准,实现星座整网时间同步.基于新一代北斗星座进行整网时间同步性能仿真,激光/微波协同时间同步方法生成的时间基准相比微波星间链路生成的时间基准,短期、中期稳定度均有明显提高,整网时间同步误差标准差优于0.05 ns.     

A satellite clock error correction method in the wide area differential system

Based on the deep analysis of the wide area differential principle on the separation of satellite ephemeris errors and clock errors, the similarities and differences between the absolute separation of satellite ephemeris errors under time synchronization among the differential stations and relative separation of them under no time synchronization among them are analyzed. A one-station correction method of satellite clock errors including the 1st and the 2nd step correction is given under no time synchronization among these secondary stations, and the backward inference algorithm of the second correction of satellite clock errors is proposed. Through simulation analysis, satellite time service accuracy with code phase measurement can reach 5―7 ns, and that with carrier phase smoothing pseudo-range can reach 1―3 ns.     

一种全球导航卫生系统钟差估计优化方案的量化研究

摘要：针对卫星钟差解算策略的优化问题,本文基于BERNESE GNSS数据处理软件,设计了卫星估计钟差解算方案。提出了“单位时间误差梯度”的概念,量化了解算精密钟差的效率。采用基于TIN的选站法选取参考站,利用历元参数在历元间的独立性,分步解算各类参数。既减少了因大量历元参数存在引起的时间迟滞,又消除了单历元观测离群值对非历元参数估计的影响,从而提高了GNSS卫星钟差估计效率。利用IGS跟踪站作为参考站对以上解算过程进行实验,结果表明估计钟差与IGS精密钟差的符合精度达到0.1ns,陆态网精密单点定位（PPP）动态解最大偏差小于10cm,能够满足动态定位厘米级的精度要求,为估计钟差时参考站的数量和几何分布的选择提供了参考。     

大气传输对量子纠缠时钟同步测量精度影响分析

采用量子纠缠进行时钟同步的测量精度在理想信道传输中可以达到飞秒级;但纠缠光子在非理想信道(大气层)传输中将产生传输时延。分析了因大气吸收效应和散射效应产生的衰减和散射效应引起的时延,重点分析了两者对于量子时钟同步测量结果的影响。仿真表明,经过大气传输后量子时钟同步测量精度为0.01 ns,传输经验模型造成误差为1 ns。     

星载原子钟磁致频移影响在轨评估

星载原子钟作为磁敏感设备,外界磁场变化会导致星载原子钟输出频率发生变化.本文采用星载主备原子钟比相法评估了10颗配置星载氢原子钟的MEO导航卫星原子钟频率稳定度,短期稳定度平均值优于1×10^?12τ^?1/2,天稳均优于7×10^?15.基于该稳定度水平,本文针对导航卫星原子钟磁致频移进行了初步评估,得到磁力矩器工作情况下原子钟磁致频移达到1×10^?13量级,磁力矩器持续工作1 h将引起钟差预报误差0.4 ns.本文将在轨磁力矩器工作状态等效为磁致频移噪声,仿真分析了其对星载原子钟稳定度的影响,仿真结果表明,该磁致频移噪声将恶化星载原子钟长期稳定度,尤其对稳定度更高的原子钟恶化更明显.本文最后就如何降低磁致频移对星载原子钟的影响进行了讨论.     

北斗导航卫星氢原子钟性能分析评估

星载原子钟是导航卫星最重要的载荷之一,负责星上时间基准的产生和维持.我国北斗三号导航试验卫星首次配置了23 kg级被动型星载氢原子钟,验证了氢原子钟的空间环境适应性和在轨性能,实现在轨运行误差小于1 ns/d.在北斗三号全球导航卫星系统中,氢原子钟已作为主钟应用至GEO,IGSO和MEO三类导航卫星,对系统的运行发挥至关重要的作用.本文从氢原子钟的机理和性能评估方法出发,比较了铷钟、铯钟和氢钟三类原子钟的性能差异,根据地面和在轨测试数据,给出氢原子钟在轨运行性能评估结果;最后利用卫星遥测数据建模,对氢原子钟健康状况和寿命进行了初步分析.     

计及误差修正的VMD-LSTM短期负荷预测

精确地短期负荷预测为电力系统经济调度和机组最优负荷分配交易奠定基础。因此,提出了一种将变分模态分解（variational mode decomposition,VMD）和长短期记忆神经网络（long short-term memory,LSTM）结合的短期负荷预测模型,并使用支持向量回归（support vector regression,SVR）构建修正后的误差序列对初始预测序列补偿。首先,运用VMD算法将非平稳的负荷序列分解为多个相对平稳的模态分量;然后,将每个模态分量输入LSTM模型进行预测,并将各分量预测结果合并得到VMD-LSTM的预测结果;最后将残差值输入SVR模型中构造误差序列,来修正后一日的VMD-LSTM预测结果。通过实际案例测试,实验结果对比其他模型结果有更低的预测误差,证明所提方法的有效性。     

基于贝叶斯优化注意力机制LSTNet模型的短期电力负荷预测

为更充分挖掘多元负荷序列间的有效信息,从而提高预测精度,提出了一种集成贝叶斯超参数优化算法、注意力机制的长期和短期时间序列网络（long and short-term time-series network with attention,LSTNet-attention）以及误差修正的短期负荷预测模型。首先,构建基于贝叶斯优化的LSTNet-attention模型进行初步预测,利用贝叶斯算法优化模型多个结构参数,降低人工设置参数的随机性,并通过注意力机制合理分配特征权重;然后,通过基于贝叶斯参数优化的极端梯度提升算法(extreme gradient boosting,XGBoost)误差修正模型来挖掘初步预测误差序列中潜在、未被利用的有效信息,进行误差预测和修正,进而得到最终的预测结果。通过使用澳大利亚某地真实负荷数据进行实证分析,实验结果表明,所提预测模型相较于其它模型具有更好的预测效果,可为负荷预测等工作提供一定参考。