结合EKF与LSTM神经网络的授时/守时算法

本文研究了一种在卫星授时下,提高授时信号的授时精度和守时能力方法,即利用晶振计数器,记录下每个秒脉冲时刻的晶振频率信息;将记录历史信息输入到扩展卡尔曼滤波器(extended Kalman filter,EKF)中进行滤波,消除卫星秒脉冲信号的随机误差,提取北斗卫星前N t_(CN) k fre(k)k v(k)秒秒脉冲的累计时间、时刻的晶振频率、时刻晶振变化速率;并将经过EKF输出的历史数据作为训练集,输入到长短期记忆(long short-term memory,LSTM)神经网络中建立预测模型;通过控制变量法进行算法参数调试,找到最适合的预测模型.试验结果表明:授时算法输出的授时信号精度最大误差为34 ns;授时算法8 h累计误差为1.001μs,平均误差小于0.125μs/h.有效地提高了系统授时和守时精度.