排序方式： 共有8条查询结果，搜索用时 140 毫秒
1
1.
随着用户对卫星定位导航精度要求的提高,对流层大气延迟影响将更加明显,需要进行延迟改正.对比分析了对流层大气延迟理论的主要映射函数模型,讨论了我国部分测站NMF(Niell Mapping Function)、VMF1(Vienna Mapping Function 1)和GMF(Global Mapping Function)的静力学映射函数和湿映射函数的分布情况,分别采用上述3种映射函数研究了我国部分城市气象条件下的对流层延迟.从运算结果分布曲线可知,所选测站的VMF1和GMF静力学映射函数曲线呈年周期余弦分布且大致相同,而NMF静力学映射函数值总体大于前两者;VMF1湿映射函数受气候变化影响较大,呈近似余弦函数分布,且VMF1和GMF呈近似夏季最小、冬季最大的分布.10°高度角下,所选测站斜延迟均呈现年周期余弦曲线分布,随着纬度的增加,斜延迟呈减小趋势,且呈夏季最大、冬季最小的分布,最大、最小值差约为2 m. 相似文献
2.
双向时间比对技术广泛应用于高精度时间同步系统中,借鉴卫星双向时间比对和流星余迹双向时间比对原理,本文提出利用对流层散射通信进行双向时间比对的思想。分析对流层散射通信延迟理论及其在高精度时间比对中的重要性,研究对流层双向时间比对技术原理及其时延误差,根据选择的3个观测站的气象数据,详细分析各站在不同计算模型下的延迟误差,并设计了一种多站对流层散射双向时间比对系统。研究表明,在对流层散射双向时间比对中,散射传输时延误差是影响比对精度的最大因素,估计理论上总时延误差在1.2ns左右。 相似文献
3.
在传统灰色系统预报模型的基础上,提出了一种自适应双子群改进粒子群算法（improved particle swarm optimization algorithm by two subgroups,TS-IPSO）和灰色系统相结合的预报模型。首先对钟差序列进行平滑性检验,对不满足平滑条件的序列作对数平滑处理;然后对灰色系统模型进行优化,为避免粒子群算法陷入局部最优,建立了主辅子群协同进化,惯性权重非线性递减机制。通过TS-IPSO优化发展灰数和内生控制灰数,增强了灰色系统模型的泛化能力。选取来自4种不同钟型的卫星钟差数据进行计算分析。结果表明,模型对6 h和24 h的预报精度和稳定性均优于传统模型,特别是对短期稳定性较差的铯钟,实现了6 h预报误差小于1.60 ns,24 h预报误差小于5.71 ns。 相似文献
4.
?????????????????????????????????????????????ARIMA??ANN??????????????????????????ARIMA????ANN???????????????б??????????????????????????????????????????????????????????????????????????????????IGS??????????????????????????????ARIMA????ANN??????????????ж?????????????????????????????????????????????????????????????????棬???????С??50%?? 相似文献
5.
针对导航卫星钟差预报精度不高的问题,该文引入了GM-LSSVM钟差预报模型,采用全局寻优能力较强的遗传算法对模型的参数选取过程进行优化,避免模型陷入局部最优,从而改善了组合模型中惩罚因子和核函数参数选择的盲目性。最后选取国际GPS服务组织提供的卫星钟差数据,分别建立GM(1,1)模型、LSSVM模型、GM-LSSVM模型和遗传算法优化的GM-LSSVM模型进行短期钟差预报分析和仿真实验。仿真结果表明,优化后的模型预报精度小于1.3ns,精度比前3种模型提高了45%~60%,符合钟差预报的要求。 相似文献
6.
针对提高导航卫星钟差预报精度的研究不足的现状,文章结合灰色预报模型和最小二乘向量机预报模型的特点,研究建立灰色系统与最小二乘向量机的结合预报模型:引入惯性权值和加速度因子随优化代数变化的改进粒子群算法,以提高算法的优化能力;并用其对模型惩罚因子和核函数参数选取过程进行优化;选取具有代表性的卫星钟差数据,建立改进粒子群优化的GM-LSSVM模型进行短期钟差预报分析,并与传统的GM(1,1)预报模型和BP神经网络预报模型进行精度比较。仿真结果表明,优化后的模型预报精度优于GM(1,1)预报模型和BP神经网络模型。 相似文献
7.
针对基于数值气象模型获取的对流层天顶延迟精度估计依赖外部基准的问题,本文构建耦合了粒子群算法与扩展径向基函数神经网络的ZTD精度估计模型,模型样本特征集利用NWM自身气象数据和地形特征数据构建,目标集以GNSS ZTD产品为参考值构建,模型规模结构通过层次聚类和模糊C均值聚类确定,模型参数通过粒子群算法优化。以欧洲中期天气预报中心提供的ERA5气压分层产品为NWM特例进行了模型训练和结果验证。结果表明,模型估计精度和泛化能力较好,平均估计精度优于4 mm,可在任意位置实现不依赖于外部参考基准的ZTD精度估计。 相似文献
8.
针对导航卫星短期钟差预报精度不高的问题,文章提出了一种基于果蝇优化算法(FOA)优化灰色神经网络的卫星钟差预报方法.利用FOA较强的全局寻优能力对灰色参数进行迭代动态微调,改善随机初始化所导致网络进化易陷入局部最优的问题,以提高灰色神经网络的预报精度;选取IGS产品中典型的卫星钟差数据,分别采用FOA优化灰色神经网络模型、神经网络模型、灰色系统模型和灰色神经网络模型进行短期钟差预报.仿真结果表明:FOA优化灰色神经网络模型的预报精度优于其他三种模型,性能满足卫星短期高精度钟差预报的要求. 相似文献
1