电离层层析辅助等离子体泡的TEC空间梯度研究

在严重的电离层活动时,发生的极端电离层扰动会对GNSS地基增强系统(Ground-based Augmentation Systems, GBAS)的用户构成完好性威胁,例如中国低纬地区出现的等离子体泡现象。本文针对等离子体泡造成的TEC空间梯度展开研究,提出了一种电离层层析辅助研究等离子体泡造成的TEC空间梯度的方法。首先,通过多分辨率电离层层析成像技术重构中国及周边中低纬地区在2017-09-08T12:00—17:00UT扰动最强烈时段的电离层层析图像,发现该时段内中国低纬地区出现电子密度耗竭的等离子体泡现象;其次,利用短基线双站法和时间步长法两种方法计算等离子体泡附近区域TEC空间梯度;最后,结合两者进行比较研究,验证了较大的TEC空间梯度往往存在于等离子体泡的侧壁周围,如本文在14:06UT出现在香港空域附近的最大TEC空间梯度为133.16 mm/km。同时还可以看出:层析反演的电离层图像不仅能直观地分析等离子体泡的三维电子密度分布,还可以帮助发现TEC空间大梯度产生的原因。

电离层顶部电子含量对GNSS电离层层析的影响分析

卫星信号射线上的总电子含量(slant total electron content, STEC)是像素基全球卫星导航系统电离层层析(computerized ionospheric tomography, CIT)建模的必要数据来源,但电离层层析通常忽略1 000 km以上的顶部电子含量,为弄清这部分电子含量对层析结果的影响,利用NeQuick2模型计算站星视线上的STEC与其在电离层区域内的STEC比值来改正原始数据,并分别利用改正前后的STEC进行电离层层析。结果显示,电离层顶部电子含量占比约为10%,白天占比略大于黑夜,与测高仪站的数据相比,改正后的均方根值比改正前提高了20%以上;与Swarm卫星提供的电子剖面数据对比,改正后的层析结果精度较改正前提升了19.6%左右,且该方法受地磁扰动影响较为明显。总的来说,利用CIT进行小尺度电离层探测,可较直观地看出,顶部电子含量对层析结果的影响较大,需要采取相应手段予以剔除。

基于GNSS的三维电离层层析算法及其应用

电离层电子密度是空间天气研究的重要参数,不仅对卫星导航、通信等有显著影响,还能够在磁层-电离层-热层的耦合过程中起到重要作用。传统的电离层观测手段只能获取一维或二维的电离层信息,难以对电离层三维时空变化进行研究。三维电离层层析技术利用GNSS TEC(total electron content)数据采用重构算法对电离层中的电子密度进行三维反演,为研究大尺度电离层结构和扰动的三维形态提供了可能。论文针对三维层析中GNSS射线几何分布局限性问题和改正量分配问题提出了相应的改进算法。基于论文的层析算法,对日本Tohoku同震电离层扰动和北美地区暴时电子密度增强(storm enhanced density,SED)事件进行了研究,分析了其形成和传播的物理机制。论文的主要研究内容如下。

一种基于截断奇异值分解正则化的电离层层析成像算法

提出了一种基于截断奇异值分解正则化(Truncated Singular Value Decomposition,TSVD)的电离层层析成像算法.该算法选择球谐函数与经验正交函数作为表征电离层电子密度空间变化的基函数,以降低背景模型对层析成像的影响;利用广义交叉验证法来选择合适的截断参数,提高了算法的稳定性和反演精度.基于中国区域23个观测站的电离层层析成像仿真结果表明:与乘法代数重构算法(Multiplicative Algebraic Reconstruction Technique,MART)相比,基于TSVD正则化的电离层层析成像算法能够在不需要背景电离层电子密度作为先验条件的情况下,实现电离层电子密度的有效反演.

一种基于LEO卫星信标的电离层层析成像新算法

LEO卫星信标是电离层监测的重要手段之一.利用电离层层析成像算法,LEO卫星信标能够实现区域电离层电子密度的快速重构.针对LEO卫星信标的特点,本文提出了一种函数基模型与像素基模型组合的电离层层析成像新算法.选择差分相对电离层总电子含量作为输入数据源,先通过函数基模型法获取电离层电子密度初始分布,再利用像素基模型法对初始分布进行二次迭代重构,该方法可有效降低电离层层析成像对背景电离层模型的依赖,同时能够实现电离层小尺度扰动结构的有效反演.利用数值仿真方法及低纬度电离层层析成像网的实测数据的反演结果验证了本文提出的新算法的可行性和可靠性.

电离层层析重构的一种新算法

自适应联合迭代重构算法是电离层层析成像中一种收敛速度较快的反演算法.然而,在电离层电子密度重构过程中,该方法对迭代初值的精度要求较高.针对上述问题,本文提出了一种约束自适应联合迭代重构算法,该方法通过附加合理的平滑约束,减弱了没有观测信息的格网对迭代初值精度的依赖性,有效地提高了反演结果精度.数值模拟实验和实测数据的反演结果证实了该算法的可行性和在重构精度上的优越性.

地基GPS与掩星联合的电离层层析成像方法研究

由于有限视角、稀疏布站等原因,地基GPS电离层层析成像存在垂直分辨率不高的问题,联合掩星进行电离层层析成像是一个重要的解决途径。一方面地基GPS观测能保证电离层层析成像的时间连续性和区域覆盖性;另一方面由于掩星信号能够提供地基GPS没有的水平射线信息,提升了电离层层析成像的垂直分辨率水平。利用地基GPS站与COSMIC卫星的掩星观测进行的仿真结果表明:与仅利用地基GPS相比,联合掩星进行电离层层析成像,不仅在电离层电子密度反演精度方面有明显提升,而且在电离层F2层峰值高度(hmF2)和电离层总电子含量(TEC)的精度方面同样有明显提高。

电离层层析成像及数值模拟

利用正则化反演法,对电离层层析成像技术进行了数值模拟.模拟结果表明,正则化反演法能够准确反演出电离层赤道异常的电子密度分布.对正则化反演误差的原因进行了分析,定义了代表重建结果精度的参数并研究其随信号数量的变化,结果显示造成反演误差的主要原因是信息量不足,在提供充足的数据条件下,正则化反演法能够得到很高精度的重建结果.数值模拟实验进一步证明了电离层层析技术在反演电离层电子密度分布中有很大的应用价值.

地基GNSS电离层层析方法及应用

随着GALILEO、GLONASS和BDS等系统的快速发展,全球导航卫星系统GNSS(Global Navigation Satellite System)为电离层层析技术的应用带来大量的观测数据,可弥补单星座条件下地面观测站点少和观测视角有限等不足。本文利用多星座GNSS的观测数据,通过融合定权的方式,提出一种基于地基GNSS的电离层层析方法,求解出高精度的电离层电子含量值。利用该方法反演出欧洲区域上空的电子密度。实验结果表明,多星座GNSS反演的精度要优于使用单GPS数据的结果。并将该方法应用到磁暴探测中,与垂测仪的观测结果进行比较,验证了多星座GNSS电离层层析方法的可行性和优越性。

一种联合地基GNSS和测高仪数据的电离层层析成像新算法

电离层层析成像(computerized ionospheric tomography,CIT)技术是获取区域大范围电离层三维结构非常重要的手段之一.针对单独使用地基GNSS进行三维CIT的不足,提出了一种联合地基GNSS和测高仪数据的三维CIT方法,其综合了测高仪探测电离层垂直分辨率较高和地基GNSS水平分辨率较高的优点,以测高仪数据驱动更新IRI模型,将更新后的IRI模型作为背景电离层模型,再利用改进的代数重建迭代(algebraic reconstruction technique,ART)算法结合地基GNSS TEC数据进行CIT;基于IGS、中国陆态网地基GNSS台站及全球电离层无线电观测网(global ionospheric radio observatory,GIRO)测高仪数据实现了中国及周边区域三维CIT,分别采用Madrigal TEC数据和中国区域独立的测高仪数据对CIT获取的TEC和电子密度进行评估.TEC精度评估结果表明,CIT算法的TEC平均误差和标准差相比IRI模型及CODE GIM数据均有明显降低;电子密度评估结果表明,单纯依赖地基GNSS进行CIT可以提升foF2的精度但无法有效提升hF的精度,而联合测高仪数据后,电离层foF2和hF的重构精度均有明显提升,其中hF的平均误差和标准差从20.6 km和16.5km下降为14.8 km和11.7 km,说明测高仪数据对CIT垂直分辨率的提升作用明显.

基于机器学习集成算法的电离层层析算法迭代初值精化

GNSS电离层层析技术在电离层探测中扮演着重要角色,然而,由于观测数据不足或分布不均,导致层析模型中固有的不适定性问题成为制约该技术推广应用的主要瓶颈,其主要表现在无信号射线像素的反演电子密度对初值比较依赖,而初值通常是由精度不高的经验模型给出,从而拉低了电离层层析的整体精度.针对该问题,本文提出了一种基于机器学习集成算法(XGBoost)的电离层层析新方法(XGB-CIT),即基于传统层析算法,利用多个连续时段中有信号射线像素的特征及其电子密度反演值对机器学习模型进行训练,然后预测后续时段中所有像素的电子密度,并以此作为电离层层析的迭代初值,实现对电离层层析算法迭代初值的精化以及层析精度和效率的提升.利用湖南省连续两天共46个时段的CORS观测数据进行层析反演,并以23个连续时段为滑动窗口构建机器学习模型进行初值预测,并在此基础上利用正演误差和电离层测高仪数据对XGB-CIT的精度和适用性进行检验.其结果表明:相较于IRI2016模型,XGBoost算法提供的迭代初值精度提高了68%,而基于该初值得到的XGB-CIT模型,其精度和效率也比传统层析方法有所提高,其中收敛速度提高了20%,同时根据与测高仪数据的对比分析可知,XGB-CIT对无信号射线像素的电子密度反演结果与实测数据更加吻合.

基于混合罚函数法的多尺度电离层层析确权方法

在利用GNSS进行像素基电离层层析时,多尺度层析方法利用权重因子将反演区域不同像素层析模型结合在一起,最终得到电离层电子密度反演结果,可以有效地解决电离层层析过程中不适应问题和最终的电离层电子密度失真现象。在多尺度电离层层析中,不同像素尺度层析模型之间权重是影响最终的电离层电子密度精度的重要因素。为了获得高精度电离层层析模型,考虑到权重因子存在着等式和不等式限制条件,采用解决最优化问题的罚函数法确定不同像素尺度电离层层析模型之间的权重。通过采用实测GNSS观测数据进行电离层多尺度电离层层析,对比了多尺度层析模型的各个子模型建模精度并进行分析,同时将罚函数法获得的模型精度与其他确权方法进行了对比,该方法可以有效地应用于多尺电离层度层析,且最终的层析模型精度优于其他确权方法,更优于单尺度电离层层析模型精度。

一种改进的电离层层析投影矩阵生成算法

正确建立投影矩阵是电离层层析的必要条件。由于反演区域较大且观测数据繁多,同时考虑到离散后格网的复杂性,传统的投影矩阵的计算算法中存在大量的重复计算,严重影响计算效率。文中对传统算法流程进行调整,在不改变计算结果的情况下,消除冗余计算,大大提高了计算效率。

一种基于传统MART的电离层层析新算法

层析算法研究是电离层层析技术的关键。针对传统的乘法代数重构算法(MART)存在精度不高的问题,提出了一个改进的电离层层析算法(IMART)。该算法一方面将像素内的截距值与电子含量作为组合量,构造了新的组合量;另一方面改变了松弛因子的获取方式,削弱了噪声对反演结果的影响。利用GPS实测数据,对该算法的可靠性和优越性进行了仔细验证。根据统计分析和定量比较的结果,发现该算法表现出显著的重构精度且相较于其他经典层析算法有18%的提高。

基于局部加权线性回归的电离层层析重构

电离层层析重构的精度和穿过电离层的观测射线的分布和数量息息相关,由于地面观测站与卫星数量和分布的局限性,电离层大量格网内没有射线通过,进而使得没有射线穿过的格网迭代收敛后的像素值与初始值相同;然而实际反演过程中,初始值通常是由精度不高的经验电离层模型给出,从而使得电离层层析重构的精度不高。围绕这一问题,将机器学习领域的局部加权线性回归算法拓展应用到电离层层析重构技术中,依据电离层格网空间内像素的电子密度空间平滑分布特性,为没有射线穿过的格网通过局部加权线性回归算法计算格网像素值,解决了没有观测射线穿过的格网对初值的过度依赖问题,进而提高电离层层析重构的精度。数值模拟实验和实测数据的仿真结果表明新算法相比于传统层析算法更加有效、可靠和优越。

使用EOF垂直基函数的像素基电离层层析重构

在传统像素基电离层层析成像中,直接将每个格网内的电离层电子密度作为未知数进行反演,容易出现由于未知数数目庞大而导致反演效率下降的问题。通过利用国际参考电离层(IRI)模型提取经验正交函数(EOFs)作为垂直方向基函数,将每个高度剖面的EOF系数作为未知数,可以显著减少未知数的数目,结合乘法代数重构算法(MART)进行电离层电子密度的重构,有效提升了反演计算效率。通过模拟数据和实测数据对该算法的反演结果进行验证,并将反演结果与测高仪实测数据和传统MART算法进行比较,结果表明该算法可以更加高效、准确地反演区域电离层电子密度。

一种附加尺度因子的电离层层析新方法

用乘法代数重构方法反演电离层电子密度时,没有GPS测量射线穿过的电离层网格的反演精度依赖于迭代初值。就此,提出一种改进的代数重构算法——附加尺度因子的代数重构算法(Scaling-ART)。将实测STEC与迭代中当前电子密度计算的STEC的比值作为基本尺度,依据电子密度的空间相关性和网格中心到观测射线的距离,对没有信号穿过的网格也计算出对应尺度进行调整,使其向真值逐渐逼近,提高反演精度。实验证实,改进的新算法相比于原有的乘法代数重构算法能够取得更好的反演精度。

虚拟射线辅助的三维电离层层析方法

针对三维电离层层析反演中部分格网由于无射线穿过而无法有效反演的问题,提出一种虚拟射线辅助的三维电离层层析方法。通过在地面缺乏观测站的区域设立虚拟观测站,进而建立一系列的虚拟射线,利用二维薄壳电离层模型结合投影函数计算虚拟射线斜向总电子含量虚拟观测值,有效提高了射线穿过格网的覆盖率,进而提高电离层反演精度。实测数据层析结果与测高仪观测数据比较表明,该方法能够有效反演三维电离层电子密度,且在缺乏射线穿过的区域的反演精度有明显提升。

电离层层析VTEC投影函数模型

目前通用的电离层投影函数在电离层垂直总电子含量(VTEC)向倾斜总电子含量(STEC)转换的过程中仅考虑高度角的影响,未考虑方位角的影响。针对此问题提出了一种基于电离层层析技术的新模型。该模型通过分析电离层电子密度分布的特点,对电子密度进行合理分层;并利用各层电子含量所占总电子含量比例确定权值。通过对穿刺射线的STEC进行分段计算,并对每段电子含量与对应权的乘积求和来确定最终的STEC值。最后,将新方法和传统方法得到的STEC值分别与"STEC真值"进行比较,验证了新算法的精度和可靠性。

一种基于LSTM与IRI模型的电离层层析TEC组合预测方法

电离层总电子含量(total electron content,TEC)作为评估无线电波穿过电离层时产生误差的主要物理量,对其准确的估算以及预测具有重要的研究意义.本文结合电离层层析算法反演重构的TEC数据,提出一种基于长短期记忆(long short-term memory,LSTM)与国际参考电离层(international reference ionosphere,IRI)模型的组合预测模型,实现了对欧洲上空平静态电离层的TEC预测,并与IRI梯度法、LSTM网络预测结果进行对比.实验结果表明:IRI梯度法提前1 h能够产生理想的预测结果,提前2 h与3 h的预测精度明显下降;LSTM模型在提前2 d的预测结果表现良好,但随着迭代预测时长的增加预测结果中出现较多异常值.统计误差显示,本文所提出的组合预测模型相比于IRI梯度法预测性能更为稳定,对单一LSTM模型修正效果明显,消除了预测结果中大部分异常值,有效提高了单一模型的预测精度.组合预测模型与实际层析TEC之间的预测均方根误差(root mean squared error,RMSE)为1.1 TECU,与欧洲定轨中心提供的TEC预测RMSE为1.7 TECU.