共查询到10条相似文献，搜索用时 15 毫秒
1.
基于小波分析和神经网络的卫星钟差预报性能分析 总被引：1，自引：0，他引：1
为了有效地进行卫星钟差预报和更好地反映卫星钟差特性,提出了一种基于小波分析和神经网络的4阶段混合模型来实现卫星钟差的预报,并给出了基于小波分析和径向基函数(Radial Basis Function,RBF)神经网络进行卫星钟差预报的基本思想、预报模型和实施步骤.采用"滑动窗"划分数据,利用神经网络预测小波分解和去噪后的钟差序列各层系数,更精确地把握钟差序列复杂细致的变化规律,从而更好地逼近钟差序列.为验证该混合预报模型的可行性和有效性,利用GPS卫星钟差数据进行钟差预报精度分析,并将其与灰色系统模型和神经网络模型进行比较分析.仿真结果显示,该模型具有较好的预报精度,可为实时GPS动态精密单点定位提供较高精度的卫星钟差. 相似文献
2.
附有周期项的预报模型及其在GPS卫星钟差预报中的应用研究 总被引：5，自引：0，他引：5
为了有效进行GPS卫星钟差预报和更好地反映卫星钟差特性,除了考虑卫星原子钟频移、频漂和频漂率等物理性质外,还应考虑到卫星钟差的周期性变化特点.在二次多项式模型基础上,增加了周期项因素,构造了新的预报模型.选取部分GPS卫星铯钟(Cs.clock)和铷钟(Rb.clock)钟差资料,根据钟差变化趋势分3种情况,按不同时间长度进行钟差预报分析,并与二次多项式模型的预报结果比较分析,大量数据分析表明:附有周期项的二次多项式模型预报精度优于二次多项式模型,铷钟预报精度略优于铯钟. 相似文献
3.
《天文研究与技术》2020,(3)
针对全球定位系统(Global Positioning System, GPS)星载原子钟在钟差预报时与不同模型的适应度不同的问题,采用二次多项式(Quadratic Polynomial, QP)模型、灰色(Grey Model, GM(1,1)模型和灰色+自回归(GM(1,1)+Autoregressive, GM(1,1)+AR)模型对不同类型原子钟的钟差进行预报,着重分析不同类型原子钟的预报精度、不同长度钟差序列建模预报效果以及钟差序列波动对预报结果的影响。实验结果表明:(1)钟差预报精度与建模序列长度有一定关系,二次多项式模型受影响最大,灰色+自回归模型受影响最小;(2)不同卫星原子钟在不同预报模型下最佳建模序列长度不同,铷钟受建模序列长度的影响小于铯钟;(3)二次多项式模型对铯钟预报效果较差,对铷钟预报效果可与灰色模型和灰色+自回归模型相当;(4)钟差序列波动时,建模预报精度降低,不同模型的预报结果受钟差波动幅度大小的影响不同。 相似文献
4.
为了提高卫星钟差预报的精度,提出基于Vondrák滤波1阶差分的灰色模型算法.首先,对原始钟差数据序列采用Vondrák滤波处理后,得到1组新的钟差数据序列.然后,对相邻历元的钟差数据序列作1阶差分处理.最后,基于Vondrák滤波后的1阶差分的钟差差值数据序列,建立了GPS钟差预报的灰色模型.此外,采用了IGS(International Global Navigation Satellite System Service)公布的精密卫星钟差数据进行了预报试验,通过与卫星钟差预报中常用的2次多项式模型和直接采用原始钟差数据建立灰色预报模型预报结果的对比分析,结果表明:该方法可以对GPS卫星钟差进行高精度的中短期预报.在12 h、16 h、20 h和24 h的平均预报精度分别为0.50 ns、0.85 ns、1.08 ns和1.27 ns,相比于2次多项式模型的平均预报精度分别提高了24.24%、15.84%、12.90%和11.81%;相比于直接采用原始钟差数据建立灰色预报模型的平均预报精度分别提高了56.14%、49.40%、48.82%和47.80%. 相似文献
5.
针对卫星钟差呈现趋势项和随机项变化的特点,提出了基于GM(1,1)(灰色预报模型)和修正指数曲线法(Modified Exponential Curve Method,MECM)的组合预报模型.该模型首先采用GM(1,1)预报钟差的趋势项,然后利用MECM模型对GM(1,1)残差序列进行建模和预报,最后将GM(1,1)和MECM模型的预报结果相加得到钟差的最终预报值.此外,采用IGS(International Global Navigation Satellite System Service)公布的精密卫星钟差进行预报试验,通过与卫星钟差预报中常用的二次多项式和MECM模型预报结果的对比分析,结果表明:该方法可以对GPS卫星钟差进行高精度的中短期预报.使用12 h钟差建模时,预报6 h、12 h、18 h和24 h的平均预报精度分别为0.43 ns、0.63 ns、0.74 ns和0.79 ns,相比于二次多项式的平均预报精度分别提高了57.43%、69.71%、80.47%和86.74%,相比于MECM模型的平均预报精度分别提高了50.57%、64.41%、76.80%和84.20%;使用24 h钟差建模时,预报6 h、12 h、18h和24 h的平均预报精度分别为0.57 ns、0.61 ns、1.02 ns和1.48 ns,相比于二次多项式的平均预报精度分别提高了32.94%、55.47%、55.07%和53.16%,相比于MECM模型的平均预报精度分别提高了92.98%、66.30%、65.42%和63.99%. 相似文献
6.
7.
《天文学报》2016,(1)
为了更好地反映钟差特性并提高其预报精度,建立一种能够同时考虑星载原子钟物理特性、钟差周期性变化与随机性变化特点的钟差预报模型.首先采用附有周期项的二次多项式模型进行拟合提取卫星钟差(Satellite Clock Bias,SCB)的趋势项与周期项,然后根据拟合残差的特点采用时间序列ARIMA(Auto-Regressive Integrated Moving Average)模型对残差进行建模;最后将两种模型的预报结果结合得到最终钟差预报值.使用IGS(International GNSS Service)精密钟差数据进行预报试验,将新方法与二次多项式模型、灰色模型及ARIMA模型进行对比,证明了新方法能够更高精度地预报卫星钟差,且可以一定程度上改善ARIMA存在模型识别与定阶不准的不足. 相似文献
8.
针对BDS(BeiDou Navigation Satellite System)/GPS(Global Positioning System)星载原子钟特性和卫星钟差预报模型研究中存在的若干问题,在介绍4种单一模型(多项式模型(QR)、灰色模型(GM)、时间序列模型(ARMA)和广义回归神经网络模型(GRNN))的基础上,引入了经典权组合模型(CM)和修正经典权组合模型(Modified CM).利用武汉大学卫星导航定位技术研究中心的卫星精密钟差产品对BDS/GPS星载原子钟的短期钟差预报模型进行研究,并对比了不同卫星钟和不同模型的预报效果.试验结果表明:单一模型对于BDS卫星钟(C04(GEO Rb)、C07(IGSO Rb)、C14(MEO Rb))的钟差预报精度跳跃性很大;而对于GPS卫星钟(G04(Block IIA Rb)、G09(Block IIA Cs)、G16(Block IIR Rb)、G31(Block II-M Rb)、G27(Block IIF Rb)、G24(Block IIF Cs))的预报精度变化比较平稳;同一种预报模型应用在不同类型的卫星钟序列中,预报精度差异较大.然而,修正经典权组合模型在保证预报可靠性的前提下提高了预报精度,在一定程度上优于其他模型. 相似文献
9.
泛函网络在导航卫星钟差中长期预报中的应用 总被引：1，自引：0，他引：1
为了更好地反映导航卫星钟差特性以及提高导航卫星钟差中长期预报精度,在对卫星原子钟差预报建模时,除考虑卫星原子钟频移、频漂和频漂率等物理性质外,还考虑了卫星钟差的周期性变化和随机性等特点.在传统多项式预报模型基础上,采用泛函网络对卫星钟差的周期项和随机项部分进行建模,利用GPS导航卫星钟差数据进行预报实验,并与传统的多项式模型、灰色系统模型、差分自回归滑动平均(ARIMA)模型以及Kalman滤波方法的预报结果进行比对,结果表明,基于泛函网络建立的混合预报模型能有效减小导航卫星钟差的中长期预报误差. 相似文献
10.
北斗卫星导航系统(BDS)地面跟踪站都配置有高精度的氢原子钟,并基于精密定轨数据处理与主站的时间基准进行同步.在卫星轨道机动以及机动恢复期间,通常采用几何法定轨以及单星定轨确定卫星的轨道.而在这两种定轨模式中,需要提供精确的测站钟差作为输入.为提高定轨的实时性,需要对测站钟差进行预报处理.分析了2次多项式模型、附加周期项模型、灰色模型3种模型对北斗地面跟踪站钟差短期拟合和预报的性能,并将钟差预报结果应用于单星定轨,同时还分析了不同预报钟差用于定轨的精度.试验发现,以上3种模型对6个测站钟差的平均拟合精度分别为0.14 ns、0.05 ns、0.27 ns,预报1 h的平均精度分别为1.17 ns、0.88 ns、1.28 ns,预报2 h的平均精度分别为2.72 ns、2.09 ns、2.53 ns.采用3种模型对测站钟差进行预报并用于单星定轨,采用附加周期项的钟差预报模型轨道3维误差最小,不同模型轨道径向精度差异在3 cm以内.以上结果表明,附加周期项的站钟拟合及预报模型在北斗系统机动期间的轨道恢复数据处理具有最好的效果. 相似文献