共查询到19条相似文献，搜索用时 125 毫秒
1.
低轨道地球卫星(LEO)的精度直接影响到LEO卫星的应用领域,因此研究合适的模型提高LEO卫星轨道插值/预报精度是一项很有意义且必要的工作. 本文详细研究了滑动切比雪夫多项式、克里金算法在不同类型LEO轨道的拟合、预报精度. 结果表明:采用合适的拟合策略,两种算法均能获得毫米级的插值精度;相较于滑动切比雪夫多项式,克里金算法拟合轨道的空间误差分布更为集中,未随着历元变化出现大幅波动. 克里金算法预报轨道的精度低于滑动切比雪夫多项式;采用克里金算法预报60 s,各颗LEO卫星轨道预报的精度在1~2.5 m;采用滑动切比雪夫多项式预报120 s,各颗LEO卫星可获得优于5 m的轨道精度. 相似文献
2.
快速高效且高精度的轨道数值积分算法是多系统GNSS卫星联合快速精密定轨的重要基础。本文从自适应变换Admas积分步长和多卫星同步积分两方面研究了多系统GNSS卫星轨道快速积分方法。为了验证该方法的精度和效率,利用武汉大学(WHU)与欧洲定轨中心(CODE)发布的事后精密星历进行轨道动力学拟合。试验结果表明:GPS/GLONASS/BDS/Galileo 4个系统卫星平均三维RMS均优于20mm;在不损失传统方法精度的前提下,单颗卫星平均积分与拟合耗时仅需0.09s,较传统逐颗卫星固定步长积分算法提升了14倍,并且随着卫星数的增加,效率提升越明显。 相似文献
3.
针对目前多数低轨道地球卫星(LEO)设计处于初步论证阶段,LEO轨道无法精确获取,轨道误差难以准确表述的问题,提出了一种傅里叶级数拟合LEO轨道误差下的BDS/GPS/LEO 精密单点定位(PPP)分析方法. 该方法根据LEO精密定轨后的轨道误差呈现准周期正弦特性,利用傅里叶级数拟合LEO轨道误差,并仿真生成LEO观测数据和星历产品,分析了LEO轨道误差对BDS/GPS/LEO PPP精度与收敛时间影响. 仿真结果表明:BDS/GPS/LEO PPP定位误差随着LEO轨道误差的增加而逐渐增大,但与测站纬度和LEO星座构型无明显关联. 且为保证全球区域BDS/GPS/LEO PPP收敛时间均短于BDS/GPS PPP收敛时间,引入6×10、12×10、18×10 LEO星座后,其LEO轨道误差均方根(RMS)应小于5 cm、11 cm、12 cm. 相似文献
4.
在GPS定位中需要不断地计算卫星的坐标,实时的卫星坐标是根据接收到的广播星历来计算的,而每次计算卫星坐标都需要占用大量内存,影响计算速度。根据GPS卫星轨道标准化的必要性及要求,本文简要介绍了轨道标准化的原理和算法,并通过实例分析了利用切比雪夫多项式进行GPS卫星轨道标准化的精度,拟合时间间隔及节点数选取等问题,得出了一些有益的结论。 相似文献
5.
LEO卫星精密轨道预报是LEO导航增强系统中重要的技术环节之一,本文使用多种算法来实现不同任务需求下的轨道预报。对于在地面处理系统实现的LEO轨道预报,算法1采用定轨预报同时处理的策略,算法2将离散轨道点进行动力学拟合再进行积分外推。GRACE-C卫星预报5、10、15 min的URE平均精度分别为5.25、5.67、6.25 cm;HY2A卫星为7.83、8.69、9.66 cm;SWARM-A卫星为8.88、9.22、9.63 cm;SWARM-B卫星为8.49、8.98、9.63 cm。对于计算条件受限的LEO星上轨道预报,本文利用单个轨道点及简单动力学模型进行轨道积分外推的算法。该算法主要考虑地球中心引力及非球形引力摄动,因此地球重力场阶次对轨道预报精度产生较大影响。平均高度为500 km的LEO卫星选取60阶重力场,高度为1000 km的LEO卫星选取30阶重力场,可实现预报10 min轨道优于10 cm的预报精度。 相似文献
6.
轨道预报是地球探测卫星顺利执行科学任务的一个重要环节。为了实现对低轨卫星长弧段、高精度的轨道预报,文中运用动力学轨道拟合的方法进行轨道预报。选用GRACE A卫星、HY 2A卫星和JASON 2卫星为例进行预报处理,分析了卫星的轨道高度和拟合弧长对轨道预报结果的影响。结果表明,GRACE A卫星预报4 h和8 h轨道的3D RMS分别优于3 m和10 m,HY 2A卫星和JASON 2预报4 h轨道的3D RMS分别优于2 dm和1 dm,24 h轨道预报结果3D RMS分别优于2.5 m和2 m. 相似文献
7.
8.
随着静止轨道卫星影像空间分辨率的大幅度提升,静止轨道卫星的高程修正问题越来越被关注。根据新一代静止轨道卫星投影方式和成像模式的特点,针对传统的迭代搜索算法在某些特殊地面点无法收敛的问题,提出了一种在视向量上直接搜索地面遮挡点的算法,并结合直接搜索算法稳定性强、迭代搜索算法计算效率高的优势,设计了一套静止轨道卫星的高程修正解决方案,通过模拟实验,验证了该方案的有效性。 相似文献
9.
卫星轨道作为构建高分辨率遥感影像严密几何成像模型的必要参数,其精度对卫星影像几何定位精度有直接影响,故研究如何获取卫星成像时刻的精确位置具有重要意义.本文分别基于最佳平方逼近多项式和最佳一致逼近多项式对ZY-3卫星实时轨道与事后精密轨道进行拟合与平滑,进一步探讨实时轨道预报的可行性.研究结果表明,最佳平方逼近多项式拟合结果明显优于最佳一致逼近多项式拟合结果,且事后精密轨道拟合精度为厘米级,可以改善并提高实时轨道精度及进行轨道短期预报,为遥感影像高精度几何处理提供精确可靠的外方位线元素. 相似文献
10.
静止轨道共位卫星相对轨道的确定,对于多星共位任务是十分重要的.根据静止轨道的特性,推导了标准静止轨道定点经度坐标系下共位卫星的相对运动状态方程,提出了采用微波测距和比相测角法获取多颗共位卫星星间测量信息;利用自适应Kalman滤波进行了相对轨道估计.仿真结果表明,利用该算法能够获得较理想的相对位置精度,且自适应滤波解好于标准滤波解. 相似文献
11.
利用改进的TurboEdit算法与Chebyshev多项式探测与修复周跳 总被引：1，自引：0，他引：1
根据利用TurboEdit方法对GPS观测数据进行周跳探测的特点,设计了固定弧段长度的滑动窗口拟合模型,对其中的Geometry-Free组合法进行改进;在探测出周跳后,利用最小二乘Chebyshev多项式拟合来修复周跳。实验结果表明,改进后的TurboEdit算法可以探测出等周的1周小周跳、等周的大周跳和连续的小周跳、大周跳,同时,最小二乘Chebyshev多项式拟合可以精确修复以上周跳对。 相似文献
12.
13.
GNSS高程拟合常用的是二次曲面拟合法,该方法需要控制点位分布均匀,针对实际作业中受观测条件的影响部分控制点位数据无法获取,影响到GNSS高程测量精度问题,引入期望极大算法(EM算法),提出高斯分布下的EM算法与二次曲面拟合法相结合的组合算法模型,运用高斯分布下的EM算法的二次曲面拟合法对缺失数据的控制点进行建模分析。该组合算法可以获得缺失数据下未知参数的最佳估值,可有效提高水平面的拟合精度。将某区域的高程拟合控制点作为实验数据,结果表明,组合算法模型可以对缺失数据进行高程拟合,检核点最大误差为0.8 cm,组合模型拟合精度较高。 相似文献
14.
15.
超大视场太阳敏感器图像质心提取算法 总被引：3，自引：0，他引：3
太阳图像质心提取是利用太阳敏感器进行天文导航的关键技术之一,直接决定了太阳敏感器的观测精度。针对超大视场太阳敏感器非圆形太阳图像质心提取问题,首先提出像面椭圆拟合算法,较好地解决了椭圆及近似椭圆形太阳图像的质心提取问题,然后进一步提出了球面圆拟合算法。该算法根据相机的投影和畸变模型,将太阳图像的边缘点映射到物方空间,对物方空间的边缘点进行球面圆拟合,从而确定太阳质心位置。在估计球面圆拟合算法的精度时,需要将太阳质心位置映射回像面。理论上,球面圆拟合算法不再需要顾及太阳图像的形状,算法更为严谨。将椭圆拟合算法和球面圆拟合算法应用到实测的太阳图像质心提取中。结果表明,椭圆拟合算法更适合处理半视场角70°~80.3°的太阳图像,平均精度约为0.075pixels;球面圆拟合算法更适合处理半视场角大于80.3°的太阳图像,平均精度约为0.082pixels。 相似文献
16.
提出了基于LM-BP神经网络方法转换的GPS高程拟合算法,并与传统拟合方法进行了比较。经实例验证,基于LM-BP神经网络的GPS高程拟合优于传统拟合方法,特别是在拟合点较少的大范围GPS拟合中显著改善了拟合高程的精度,具有一定的实用价值。 相似文献
17.
18.
无旋转倾角的NAV/CNAV型GEO广播星历拟合 总被引：1，自引：1，他引：0
目前北斗GEO的星历拟合算法和用户卫星位置算法均引进了人为设置的5°倾角旋转,此外,少数星历参数还有超限现象。取消GEO的旋转倾角和抑制参数超限能够统一北斗混合星座的用户算法。基于第一类无奇点根数,分析了无旋转倾角的GEO两步法星历参数拟合算法。讨论了GEO的参数超限原因,提出采用固定1至2个超限参数取值的缩减参数拟合法。北斗GEO卫星在非地影期和地影期的拟合试验表明,拟合成功率和拟合精度能够保证,拟合用户距离误差(URE)的平均值优于3mm;缩减参数拟合法能够抑制特定时段下的参数超限问题,但是拟合URE放大到2cm。 相似文献
19.
本文提出了一种球面圆拟合算法,解决了月球视面中心的确定问题。结合该算法,利用仿真测量数据,研究了月相及月相姿态对月球视面中心拟合精度的影响。通过观测实验验证了球面圆拟合算法的正确性,并与原有的算法进行了定向结果的比较。结果显示,球面圆拟合算法与原有算法的拟合内符合精度相当,但外部检核精度提高了大约0.5″,建议在工程实践中采用本文提出的算法进行测月定向。 相似文献