论文部分内容阅读
全球导航卫星系统(Global Navigation Satellite System,GNSS)可为用户的导航、定位、授时等提供全天候的服务。对于卫星导航定位而言,其时间的同步是一项关键的技术,可直接影响导航定位的精度。作为导航信号形成和系统测距的星上时间基准的星载原子钟,是GNSS导航系统有效荷载的核心部分,其性能与时频传递的精度休戚相关。而由于星载原子钟本身的敏感性及自身所处的外太空环境的不确定性,使其受到各种因素的影响,使得掌握其复杂细致的变化规律尤为困难。因此迫切需要某种能够预报其变化趋势的模型。基于此,本文针对如何提高导航卫星星载原子钟钟差预报的精度与稳定性,对钟差预报模型进行研究。本文的主要内容如下:(1)详细研究了二次多项式模型(Quadratic Polynomial Model,QP)、灰色模型(Grey Model,GM)以及时间序列分析法等各常用的卫星钟差预报的预报模型,采用GPS钟差数据进行各个常用模型的钟差建模预报实验并进行对比分析。(2)基于QP模型,顾及卫星钟差值本身的周期项与随机波动项,采用SVM建立精化的QP预报模型,以SVM对QP模型拟合残差进行二次建模得到误差补偿项以改进QP模型预报值。采用GPS钟差数据进行建模实验发现,精化模型在预报精度上有一个较大的提升,但其预报精度较为依赖QP模型的拟合效果,具有一定的局限性。(3)提出一种基于差分集合经验模态分解、高次多项式与SVM相结合的预报模型:首先对钟差值进行一次差分以消除趋势项同时减少钟差值有效字数的位数,而后使用集合经验模态分解将其分解为不同频率的IMF子序列以及一个趋势性较强的低频分量项。对低频分量使用高次多项式拟合,而针对IMF序列,以粒子群算法优化SVM参数搜索方法,利用改良后的SVM对各IMF序列进行预报。最后将各分量预报值进行重构得到最终预报值,采用该模型对GPS钟差数据进行实验,结果表明:该方法可行有效,且预报精度优于精化QP模型。(4)利用GNSS系统中不同系统的星载原子钟钟差数据对组合模型与常用模型分别进行短期的建模预报并对结果进行对比分析。实验结果表明:组合模型对不同卫星导航系统、不同类型的卫星原子钟的钟差数据的预报精度优于常用的基础模型,在实际应用中具有可行性以及普适性。