遗传算法优化的BP神经网络卫星钟差预报

针对BP (Back Propagation)神经网络模型预测卫星钟差中权值和阈值的最优化问题, 提出了基于遗传算法优化的BP神经网络卫星钟差短期预报模型, 给出了遗传算法优化BP神经网络的基本思想、具体方法和实施步骤. 为验证该优化模型的有效性和可行性, 利用北斗卫星导航系统(BeiDou navigation satellite system, BDS)卫星钟差数据进行钟差预报精度分析, 并将其与灰色模型(GM(1,1))和BP神经网络模型预报的结果比较分析. 结果表明: 该模型在短期钟差预报中具有较好的精度, 优于GM(1,1)模型和BP神经网络模型.     

基于ARMA模型的导航卫星钟差长期预报

卫星钟差长期可靠预报是实现卫星自主导航定轨所要解决的重要前提之一.针对多项式模型(PM)、灰色模型(GM)等常用的钟差预报方法存在的预报误差较大的情况,为了有效地进行卫星钟差预报和更好地反映卫星钟差变化特性,将ARMA(Auto-Regressive Moving Average)模型引入到卫星钟差预报中,利用IGS(International GNSS Service)提供的卫星钟差观测数据进行90 d的长期预报,根据各个卫星钟差的变化特性,对其进行模式识别、建模和预报,并与其它3种模型进行了较为细致的比较.计算结果表明,采用ARMA模型可以有效地提高卫星钟差的长期预报精度.     

一种改进钟差二次多项式模型的导航卫星钟差预报方法

为了更好地反映钟差特性并提高其预报精度,建立一种能够同时考虑星载原子钟物理特性、钟差周期性变化与随机性变化特点的钟差预报模型.首先采用附有周期项的二次多项式模型进行拟合提取卫星钟差(Satellite Clock Bias,SCB)的趋势项与周期项,然后根据拟合残差的特点采用时间序列ARIMA(Auto-Regressive Integrated Moving Average)模型对残差进行建模;最后将两种模型的预报结果结合得到最终钟差预报值.使用IGS(International GNSS Service)精密钟差数据进行预报试验,将新方法与二次多项式模型、灰色模型及ARIMA模型进行对比,证明了新方法能够更高精度地预报卫星钟差,且可以一定程度上改善ARIMA存在模型识别与定阶不准的不足.     

北斗三号实时精密轨道钟差估计及精度效率评定（英文）

作为中国自主研发的全球卫星导航系统,北斗卫星导航系统的建设从一开始就确定了三步走的战略。围绕精度和效率等性能指标,进行了几项试验以确定一个合适的地面跟踪网。结果表明,在已有60个测站的情况下,增加跟踪站的数量并不能继续提高北斗三号轨道和钟差产品的精度。进一步的精度提升应该更依赖于天线相位中心改正缺失和太阳光压模型不完善等模型缺陷问题的解决。     

灰色模型用于卫星钟差长期预报的性能研究

利用灰色模型对GPSRb钟和Cs钟进行了长期预报,并与常用的二阶多项式模型预报进行比较,结果表明:灰色模型对GPSCs钟进行长期210d(天)预报时精度高达ns量级,对GPSRb钟的预报精度在10ns量级,明显高于二阶多项式模型的预报精度,满足实际应用中的精度要求。     

基于Takagi-Sugeno模糊神经网络模型的卫星钟差预报方法

卫星钟差预报精度的不断提升是精密导航的关键问题.为了进一步提高钟差的预报精度和更好地反映钟差的变化特性,提出一种基于Takagi-Sugeno模糊神经网络(Fuzzy Neural Network,FNN)的钟差预报方法.该方法首先根据钟差数据的特点对钟差进行预处理,然后以预处理后的数据建立一种高精度预报钟差的Takagi-Sugeno模糊神经网络算法.采用IGS(International Global Navigation Satellite System Service)不同采样间隔的精密钟差数据进行了短期预报试验,并与ARIMA(Auto-Regressive Integrated Moving Average)模型、GM(1,1)模型及QP(Quadratic Polynomial)模型进行了对比试验,分析结果表明:对不同类型原子钟,该方法用于钟差短期预报是可行的、有效的,其获得的卫星钟差预报结果明显优于常规方法.     

基于一次差的灰色模型在卫星钟差预报中的应用

根据星载原子钟钟差的特点,提出一种基于一次差的灰色GM(1,1)钟差预报方法.该方法首先对相邻历元的钟差作一次差,然后以一次差后的值建立灰色模型预报一次差的值,最后将预报的一次差还原即得到钟差预报值.以IGS(International GNSS Service)提供的采样率为5 min的精密钟差为实验数据,通过对不同长度的建模数据和不同预报步长进行对比分析.结果表明:该方法的预报精度较传统的灰色模型有了较大提高,特别是对于PRN01原子钟,其预报效果最好;采用一次差原理可有效改善和提高模型预报的精度和稳定性,应用于钟差较长时间预报是可行的,可靠性较强.     

泛函网络在导航卫星钟差中长期预报中的应用

为了更好地反映导航卫星钟差特性以及提高导航卫星钟差中长期预报精度,在对卫星原子钟差预报建模时,除考虑卫星原子钟频移、频漂和频漂率等物理性质外,还考虑了卫星钟差的周期性变化和随机性等特点.在传统多项式预报模型基础上,采用泛函网络对卫星钟差的周期项和随机项部分进行建模,利用GPS导航卫星钟差数据进行预报实验,并与传统的多项式模型、灰色系统模型、差分自回归滑动平均(ARIMA)模型以及Kalman滤波方法的预报结果进行比对,结果表明,基于泛函网络建立的混合预报模型能有效减小导航卫星钟差的中长期预报误差.     

卫星钟差预报模型中周期项的选取方法及性能分析

针对卫星钟差预报(SCB)中周期项选取方法存在的问题,在分析卫星钟周期波动特性的基础上,给出了正确的周期项选取方法,并与现有方法进行了比较.利用IGS(International GNSS Service)的卫星钟差数据,比较分析了二次多项式加周期项模型与传统模型的预报精度.从理论上分析了周期项对传统模型的改善程度及适用条件.结果表明:按照提出方法得到的周期项更符合实际,将其应用于钟差预报时能获得更高的预报精度,大量仿真实验还表明卫星钟周期性波动相对较大时周期项对传统模型有明显改善.     

基于小波分析和神经网络的卫星钟差预报性能分析

为了有效地进行卫星钟差预报和更好地反映卫星钟差特性,提出了一种基于小波分析和神经网络的4阶段混合模型来实现卫星钟差的预报,并给出了基于小波分析和径向基函数(Radial Basis Function,RBF)神经网络进行卫星钟差预报的基本思想、预报模型和实施步骤.采用"滑动窗"划分数据,利用神经网络预测小波分解和去噪后的钟差序列各层系数,更精确地把握钟差序列复杂细致的变化规律,从而更好地逼近钟差序列.为验证该混合预报模型的可行性和有效性,利用GPS卫星钟差数据进行钟差预报精度分析,并将其与灰色系统模型和神经网络模型进行比较分析.仿真结果显示,该模型具有较好的预报精度,可为实时GPS动态精密单点定位提供较高精度的卫星钟差.     

附有周期项的预报模型及其在GPS卫星钟差预报中的应用研究

为了有效进行GPS卫星钟差预报和更好地反映卫星钟差特性,除了考虑卫星原子钟频移、频漂和频漂率等物理性质外,还应考虑到卫星钟差的周期性变化特点.在二次多项式模型基础上,增加了周期项因素,构造了新的预报模型.选取部分GPS卫星铯钟(Cs.clock)和铷钟(Rb.clock)钟差资料,根据钟差变化趋势分3种情况,按不同时间长度进行钟差预报分析,并与二次多项式模型的预报结果比较分析,大量数据分析表明:附有周期项的二次多项式模型预报精度优于二次多项式模型,铷钟预报精度略优于铯钟.     

地球定向参数预报误差及其对北斗三号卫星定轨精度的影响

地球定向参数(Earth orientation parameters, EOP)是地球参考系到地心天球参考系之间转换的桥梁,是卫星精密定轨过程中不可缺少的重要参数。以国际地球自转服务(International Earth Rotation Service, IERS)和中国科学院上海天文台(Shanghai Astronomical Observatory,SHAO)提供的EOP参数为例,分析了北斗三号仅区域网观测模式和星地星间联合观测模式下的定轨精度与EOP预报误差间的关系。研究表明,对于IERS提供的产品,其预报误差对仅区域站定轨模式的定轨精度影响较小,但是其10 d内的预报误差对星地星间联合定轨模式定轨精度的影响可达到分米级。对于SHAO提供的产品,两种定轨模式的定轨精度均随着EOP预报天数的增大而逐渐衰减。除此之外,不同产品的星地星间联合定轨模式下定轨精度均小于仅区域网监测下的定轨模式下的定轨精度,表明星间链路的加入可以降低卫星定轨对EOP预报误差的依赖。该研究对区域观测条件下的卫星精密定轨工程实现具有重要意义。     

灰色模型修正及其在实时GPS卫星钟差预报中的应用研究

在GPS实时精密单点定位中,卫星钟差的实时可靠预报是实现GPS实时高精度单点定位的关键之一.星载GPS原子钟频率高,非常敏感,极易受到外界及其本身因素的影响,从而很难掌握其复杂细致的变化规律,这些属性符合灰色系统理论的特点.因此,考虑将钟差的变化过程看作一个灰色系统.在探讨二次多项式和灰色模型卫星钟差预报局限性基础上,提出了利用改进的灰色模型实时预报GPS卫星钟差的研究,最后利用3个不同时段的GPS卫星钟差资料进行不同采样间隔钟差预报精度分析、灰色模型指数系数与预报精度的关系、与二次多项式预报精度比较分析,总结不同卫星钟差类型与模型指数系数的一般关系,并与IGS最终钟差星历产品比较,验证本文提出的改进预报模型的可行性和有效性.为实时GPS动态精密单点定位提供较高精度的卫星钟差产品.     

北斗卫星导航系统SISURE初步评估

北斗导航系统自2018年12月27日提供全球服务以来,其服务性能受到了极大关注.以上海天文台iGMAS (International GNSS MonitoringAssessment System)分析中心发布的精密轨道、钟差产品作为基准,评估了2019年年积日3–12 d的北斗二号、北斗三号以及GPS广播星历的轨道、钟差和空间信号用户测距误差(Signal in Space User Ranging Error, SISURE,简称为URE),并且对北斗卫星导航系统结果进行了详细的分析.结果表明:在评估时间段内,北斗三号广播星历轨道精度、URE均明显优于北斗二号,且部分结果优于GPS.北斗三号广播星历轨道径向精度最高,优于0.2 m.北斗三号全部卫星URE均值优于0.4 m, URE RMS (root mean square)优于0.5 m.北斗二号每颗卫星URE均值、95%URE (置信度为95%的URE)、URE RMS小于2 m,北斗三号每颗卫星URE均值、95%URE、URE RMS小于1 m,均达到了系统公开承诺的服务性能标准.     

北斗卫星导航系统服务精度评估

精度是北斗卫星导航系统(Beidou Navigation Satellite System,BDS)服务指标体系的重要内容.给出了北斗卫星导航系统精度指标的含义及精度指标的评估方法,利用实测数据分析了北斗系统实际实现的精度指标,并将其与GPS系统实际实现的精度指标作比较分析.DOP(几何精度因子)值由卫星导航系统空间星座分布决定,是影响用户定位授时精度的重要因素,比较了北斗与GPS在中国区域DOP值分布的差异.GPS系统PDOP(定位几何精度因子)分布均匀,随用户经度和纬度变化不大,在1.0–2.0之间.而受混合星座影响,北斗系统PDOP分布随着测站经度和纬度变化较大,变化范围为1.5–5.0;且随测站纬度增加而变大,由中心经度(东经118?)向两侧不断变大.对于影响用户等效距离误差的空间信号精度进行了比较分析.利用IGS(国际GNSS服务组织)提供的事后精密轨道、激光跟踪数据和北斗双向时频传递测量的卫星钟差评估了北斗基本导航电文的精度.结果表明:北斗IGSO(倾斜地球同步轨道)卫星和MEO(中轨道)卫星轨道径向误差约为0.5 m,大于GPS卫星轨道小于0.2 m的径向误差.北斗GEO(地球同步轨道)卫星激光残差约为65 cm,IGSO卫星和MEO卫星激光残差约为50 cm.受卫星钟差数据龄期影响,MEO卫星钟差参数误差明显大于IGSO卫星和GEO卫星,约为0.80 m.最后,采用MGEX(多GNSS系统试验项目)多模接收机进行了定位试验,分析了北斗系统和GPS在定位精度上的差异.结果表明:受星座构型影响,北斗卫星导航系统定位精度与GPS系统定位精度相比有所差异,但满足水平定位精度优于10 m、高程定位精度优于10 m的设计要求,双系统组合定位精度好于单一系统定位精度.     

北斗系统测站钟差短期预报模型比较及其在单星定轨中的应用

北斗卫星导航系统(BDS)地面跟踪站都配置有高精度的氢原子钟,并基于精密定轨数据处理与主站的时间基准进行同步.在卫星轨道机动以及机动恢复期间,通常采用几何法定轨以及单星定轨确定卫星的轨道.而在这两种定轨模式中,需要提供精确的测站钟差作为输入.为提高定轨的实时性,需要对测站钟差进行预报处理.分析了2次多项式模型、附加周期项模型、灰色模型3种模型对北斗地面跟踪站钟差短期拟合和预报的性能,并将钟差预报结果应用于单星定轨,同时还分析了不同预报钟差用于定轨的精度.试验发现,以上3种模型对6个测站钟差的平均拟合精度分别为0.14 ns、0.05 ns、0.27 ns,预报1 h的平均精度分别为1.17 ns、0.88 ns、1.28 ns,预报2 h的平均精度分别为2.72 ns、2.09 ns、2.53 ns.采用3种模型对测站钟差进行预报并用于单星定轨,采用附加周期项的钟差预报模型轨道3维误差最小,不同模型轨道径向精度差异在3 cm以内.以上结果表明,附加周期项的站钟拟合及预报模型在北斗系统机动期间的轨道恢复数据处理具有最好的效果.     

基于灰色模型和最小二乘支持向量机的卫星钟差预报

提出一种联合灰色模型（Grey Model,GM）和最小二乘支持机（Least-Squares Support Vector Machines,LS-SVM）回归算法的卫星钟差智能组合预报方法。首先根据历史钟差数据建立不同的GM（1,1）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不同GM（1,1）模型的预报结果进行非线性组合,以获得最终预报值。该方法在充分利用灰色模型所需原始数据少、建模简单等优点的基础上,结合最小二乘支持向量机所具有的小样本、非线性、泛化能力强等特性,提高了预报可靠性和精度。实例验证了该组合方法的可行性、有效性和实用性。     

基于修正线性组合模型的原子钟钟差预报

原子钟钟差预报在时频工作中起着重要作用.目前常用的预报模型各有优缺点,为了综合各种预报模型特点,可以考虑组合这些模型预报的结果.针对线性组合模型预报钟差时存在的问题,提出了学习权的概念,以有效地利用各种精度信息,建立了修正组合预报模型.为了验证该方法的有效性,选取了4颗GPS卫星IGS(International GN...     

北斗三号卫星精密定轨中的光压模型研究

对于在轨运行的BDS (BeiDou Navigation Satellite System)卫星, 太阳光压是作用在卫星上主要的非引力摄动. 受多种因素的影响, 太阳光压摄动力难以精确建模, 是BDS卫星精密定轨和轨道预报过程中重要的误差来源. 由于ECOMC (Empirical CODE Orbit Model 1 and 2 Combined)模型兼顾了ECOM1 (Empirical CODE Orbit Model 1)和ECOM2 (Empirical CODE Orbit Model 2)模型的特点, 在模型中引入了较多的待估参数, 使得参数之间存在强相关性. 针对ECOMC模型的这一缺陷, 文中收集了2019年1月至2022年4月武汉大学分析中心提供的BDS-3卫星精密星历, 采用动力学轨道拟合方法得到了ECOMC模型的13个光压参数. 通过对该模型的光压参数进行时间序列分析, 分别给出了BDS-3 IGSO (Inclined Geosynchronous Orbit)和MEO (Medium Earth Orbit)卫星光压模型的参数选择策略. 并利用轨道拟合和轨道预报试验, 验证了光压模型参数选择策略的合理性. 结果表明, 采用改进型ECOMC模型进行BDS-3 IGSO和MEO卫星轨道拟合的效果最佳, 同时, 也能够提升BDS-3 IGSO和MEO卫星中长期轨道预报的精度.