Developing an Innovative High-precision Approach to Predict Medium-term and Long-term Satellite Clock Bias

A new prediction method based on the nonlinear autoregressive model is proposed to improve the accuracy of medium-term and long-term predictions of Satellite Clock Bias(SCB).Forecast experiments for three time periods were implemented based on the precision SCB published on the International GNSS Server(IGS)server.The results show that the medium-term and long-term prediction accuracy of the proposed approach is significantly better compared to other traditional models,with the training time being much shorter than the wavelet neural network model.

异常值对钟差预报模型的影响分析

为了分析异常值对钟差预报模型的影响程度,首先,通过对钟差数据进行绘图分析来识别钟差数据中的异常值;其次,利用中位数法(MAD)和一种基于中位数的小波阈值法钟差数据预处理策略(WMAD)分别对钟差数据中的异常值进行处理;最后,利用处理前、后的钟差数据建模预报钟差,并分析各模型预报的效果。结果表明:较小的异常值对二次多项式和灰色模型2种模型预报的效果影响不大,但会影响时间序列、卡尔曼滤波及小波神经网络3种模型的预报精度。

BD/GPS卫星钟差短期预报模型分析

采用GNSS数据中心提供GPS/BDS钟差数据作为实验数据,对二次多项式模型(the Quadratic PolynoMial(QP)model)、灰色模型(the Gray system Model(GM(1,1)))、时间序列模型(the ARIMA time series model)、卡尔曼滤波模型(KF)、小波神经网络模型(Wavelet Neural Network(WNN))五种模型钟差短期预报的效果进行分析和比较,总结了各模型预报钟差的优点与不足。

卫星钟差预报的小波神经网络算法研究

卫星导航系统中星载原子钟的钟差预报在优化导航电文中的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息方面具有重要的作用。根据星载原子钟钟差的特点,提出一种基于一次差方法的小波神经网络钟差预报算法:首先对钟差相邻历元间作一次差后的差值进行建模,根据时间序列预报一次差的值,然后再将预报的一次差还原,得到钟差预报值。该方法使得预报钟差的小波神经网络不但模型结构简单,而且预报精度高。最后,通过算例将本文所建模型与常用的二次多项式模型和灰色模型进行对比,结果表明:一次差方法可以使给定结构的小波神经网络的钟差预报精度得到显著提高,而且所建模型的预报效果优于两种常规模型。

优选小波函数的小波神经网络预报GPS卫星钟差

为了提高卫星钟差预报的精度,针对小波神经网络(WNN)模型未能根据实际情况选取合适的小波函数的问题,本文提出一种基于“Shannon熵-能量比”的优选小波函数的小波神经网络钟差预报模型。首先利用小波函数对钟差一次差分数据进行连续小波变换,得到变换后的小波系数。然后分别计算小波系数的能量值和Shannon熵值,将“Shannon熵-能量比”(SEE)作为最优小波函数选择的评价指标,以指导选择最适合的小波函数作为WNN模型的激活函数。最后利用优选的WNN模型对卫星钟差进行预报,对预报的结果进行对比分析。结果表明:该评价指标能够根据卫星钟差实际情况准确指导WNN模型选择合适的小波函数,提高WNN模型的预报精度和适用性,使该模型可以实现卫星钟差较高精度的预报。

卫星钟差预报模型的分析与比较

为了分析二次多项式模型(QP)、灰色模型(GM (1,1))、时间序列模型(ARIMA)以及小波神经网络模型(WNN)这4种模型钟差预报的效果,采用GPS提供的RTS精密钟差数据作为实验数据,通过不同数量的建模数据对4种常用模型进行建模;并预报接下来的30 min和1 h两个时长的钟差数据。据此对4种模型的钟差预报效果进行分析和比较,总结了各模型预报钟差的优点与不足。

不同采样间隔的钟差数据对钟差预报的影响分析

在卫星导航定位系统中,星载原子钟的钟差预报在维持系统时间同步、满足实时精密单点定位的需求等方面具有重要的作用。目前,钟差预报主要研究的是预报模型,关于钟差数据对钟差预报结果影响的研究还很少。基于IGS提供的30s、5min和15min采样间隔的精密钟差数据,分析和研究在预报条件相同时,不同采样间隔的钟差数据对钟差预报效果的影响。以常用的灰色模型和二次多项式模型对不同类型的卫星钟差进行预报和分析,结果表明,相同预报条件下钟差数据的采样率对预报结果有影响,IGS的15min采样间隔的精密钟差数据较另外两种采样间隔的精密钟差数据能得到更好的预报结果。

基于一次差分预报原理的常用钟差预报模型效果分析

基于15 d的精密卫星钟差数据,从不同角度全面分析6种常用钟差预报模型(LP模型、QP模型、GM模型、SA模型、ARIMA模型、KF模型)基于钟差一次差分预报原理的预报效果,得到以下结论:1)采用钟差一次差分预报原理,可以提高LP模型、SA模型、GM模型及KF模型对于GPS卫星钟差的3 h预报精度,提高QP模型和ARIMA模型对于ⅡF Rb钟的3 h预报精度,提高LP模型和GM模型在6 h和12 h预报中的精度,提高ARIMA模型在6 h、12 h和24 h预报中的精度;2)基于钟差一次差分预报原理的预报结果与卫星及其星载钟类型有关,对于GPS BLOCKⅡF Rb钟,该预报原理可以提高6种模型的短期预报精度,特别是对GM模型、LP模型和ARIMA模型预报效果的改善最为显著;3)对于3 h和6 h的预报,采用钟差一次差分预报原理的LP模型(DLP模型)对应的RMS值都最小,即DLP模型的预报精度最高,说明钟差一次差分数据更适合一次多项式模型的短期预报。