基于AR模型的GPS精密卫星钟差建模与预报

在GPS卫星精密钟差的预报中,短周期预报通常采用二次项拟合模型,长周期预报通常采用灰色模型,但这两种模型都只是考虑趋势项而没有考虑随机项,通过利用AR模型对钟差的随机项进行建模,并作为随机补偿,加入到二次项拟合模型与灰色模型中,以完善钟差预报的短周期与长周期模型。在算例中运用由IGS提供的精密钟差进行预测,结果表明:改进后的模型使钟差预报的精度得到一定程度的提高。     

基于LS+AR模型的极移预报及其周期项影响分析

采用LS+AR预报模型的对极移进行预报,深入分析极移数据中钱德勒项和周年项对预报精度的影响。计算结果显示,极移数据中各周期项具有时变性特点,将已知观测数据确定出的周期项应用到极移预报中会明显提高预报精度。因此,建议在进行极移预报之前首先应进行时间序列分析,确定已有数据的各周期项,在极移预报中加以考虑。     

基于高阶AR模型的陀螺随机漂移模型

陀螺随机漂移是影响惯性导航和组合导航精度的重要因素。首先用周期函数拟合和小波变换两种方法分别对随机漂移中的周期噪声进行分析和处理;然后对相关噪声建立高阶AR模型;最后将该模型应用在GPS／INS组合导航Kalman滤波中,并对结果进行分析和比较。结果表明,相比于周期函数拟合,小渡变换不仅能够更好地削弱周期噪声的影响,还能够削弱高频白噪声的影响;相比于一阶马尔科夫过程,高阶AR模型能够更好地描述随机漂移中的相关噪声;基于小渡变换和高阶AR模型的GPS／INS组合导航具有明显的优势。     

GPS芯片开发及授时性能分析

GPS接收机的核心器件即为GPS OEM板(即GPS芯片),对其直接进行开发,在使用上具有灵活方便、经济实用、便于融合等优点。本文以Motorola M12MT+TIMING ONCORE型GPS OEM板为例,论述了GPS OEM板的具体开发使用过程和相关注意事项,并对其授时性能、1pps(秒脉冲)输出的特点等进行了研究,提供了用其实现精确授时的方法,并对授时精度进行了分析,对于测量中精确数字授时的实现具有一定的实际意义。     

电波观测中的GPS授时应用研究

由于卫星时钟的准确性和稳定性,GPS能够全球性连续不断地传递时间,且定时精度比传统方法有很大提高。针对电波观测在无线电设计和应用中的重要作用,主要对GPS授时在电波观测中的电离层垂测与斜测中的应用进行了探讨。     

基于卡尔曼滤波的AR模型及应用

时间序列参数估值的时变性与预报模型的定常性之间的差异,使得预报精度随着预报步数的增加而显著降低。基于此,构建基于卡尔曼滤波和自适应卡尔曼滤波的AR模型以实时更新其参数估值,取得了较好的拟合效果并提高了预报精度。     

单站GPS载波平滑伪距精密授时研究

给出了单站GPS载波相位平滑伪距授时的原理和数学模型,详细分析了单站GPS载波相位平滑伪距授时的技术难点和授时精度评定的表征量,并编程对IGS站观测数据进行处理。实验结果表明,单站GPS载波相位平滑伪距精密授时的绝对钟差精度可达到ns级。     

桥梁变形的AR预报模型研究

基于时间序列分析卵论,提出以统一的AR模型对平稳可逆的随机时间序列建模的新方法.结合桥梁沉降监测的具体实例应用AR模型进行预报.结果表明,应用AR模型预报桥梁变形,具有模型形式简单、计算量和存储量较小、便于上机实现、模型顶测精度高等优点.     

AR模型中AO类异常值探测及其在GPS卫星钟差预报中的应用

基于EM算法,提出一种AR模型中AO类异常值(additive outlier)探测的算法。该算法可同时进行AR模型拟合与AO类异常值探测,并可有效地解决成片AO类异常值探测时所产生的掩盖和淹没问题。最后,将本文算法应用于GPS卫星钟差预报之中。本文算法可以准确探测出钟差历史观测序列中的AO类异常值,并可对卫星钟差进行精确预报。     

变形分析中AR模型的精化

在变形分析中,为了考虑输入信号对变形体的影响及模型误差的干扰,提出顾及输入信号影响的半参数AR模型,并通过实验分析取得较好的建模和预报效果,达到对现有AR模型精化的目的.     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题.首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率.然后运用Bayes方法对异常值进行了估算.最后通过卫星钟差实测数据计算,比较了模型修正前后预报的...     

LS+AR组合模型在大坝变形预报中的应用

针对大坝变形监测数据的年周期性特点,建立了大坝变形监测序列的拟合外推模型,提出了利用最小二乘外推(LS)与自回归(AR)组合模型预报大坝变形监测数据的方法。通过实验比较说明,LS+AR组合与AR模型相比,在大坝变形监测的预报精度上有一定程度的改善。     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便,在变形分析中,目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值,变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型,利用观测数据建立AR模型,即建立观测方程;以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型,动态计算出AR模型的参数以便预测。此方法快速、实时,且占有较少内存,充分利用了AR模型和卡尔曼滤波二者的优点。     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题。首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率。然后运用Bayes方法对异常值进行了估算。最后通过卫星钟差实测数据计算,比较了模型修正前后预报的情况,验证了新方法的有效性。     

电磁干扰对 GPS／北斗设备授时精度的影响

分析了G PS和北斗授时的基本原理,并对授时设备的授时精度进行了测试和分析;通过设置卫星授时信号载频干扰环境,对授时设备在不同干扰环境下的授时精度进行了测试和分析,研究了载频干扰对测量装备授时精度的影响程度,为授时设备在复杂电磁环境下的可靠应用提供了参考和依据。     

GPS精密授时系统在电信同步网中的应用

GPS授时系统具有技术先进、定时性能优良、可靠性良、安全性能好、维护管理方便等优点；在价格上较传统的同步设备有更大的竞争力，因此在许多领域正日益取得广泛的应用。本文分析了电信网的组成，同步网在电信网中的作用，讨论了GPS同步系统的现实方式及精度要求，并进一步分析了GSP精密授时系统在电信网中的市场前景。     

基于观测值质量指标的GPS观测量随机模型分析

卫星高度角、载噪比及信号强度是反映GPS观测值质量的重要指标,基于这些指标的随机模型可进一步削弱GPS残余大气延迟、衍射以及多路径效应等误差的影响,但这些随机模型对不同误差的处理效果具有一定差异。为合理利用这些随机模型,利用实际观测数据进行了比较计算,结果表明信号强度和载噪比随机模型的效果基本一致,当观测数据中载噪比输出时,可用信号强度代替载噪比建立随机模型;信号强度和载噪比随机模型对削弱衍射误差十分有效,而高度角随机模型能更有效地削弱残余对流层延迟误差。     

GPS授时和GPS载波相位远程时间比对

GPS栽波相位(GPS Carrier-phase：GPS CP)在大地测量中已达到极高的精度，而在远程时间比对中的研究应用尚在起步阶段。本文介绍了我国远程时间比对的主要手段达到的精度，GPS CP远程时间比对研究现状及理论技术难点等问题。欧洲建立自己的导航定位授时系统——Galileo，我们国家也应该建立自己的卫星导航定位授时系统，发展多手段多层次的授时技术。     

利用端部效应改正的LS+AR模型进行日长变化预报

针对LS+AR模型在日长变化预报过程中存在的端部效应现象,采用时间序列分析方法对日长变化的序列进行外推,形成一个新的序列,用这个新序列求得LS模型的系数,然后再用LS+AR模型对日长变化原始序列进行预报。实验结果表明,利用端部效应改正的LS+AR模型与LS+AR模型相比,在日长变化的预报精度上有一定的改善,尤其在跨度为中长期时改善更为明显。