论文部分内容阅读
在各类卫星导航定位系统中,时间的测量精度决定着导航定位精度,星载原子钟不仅是导航卫星的重要组成部分,更维持着系统的整体运行。分析星载原子钟性能可掌握卫星钟运行状况,也是提升钟差建模预报精度的重要前提。随着被动式氢原子钟的出现,其被认为是最适合于太空环境的星载原子钟,而伽利略卫星导航系统携带的被动式氢钟已运行2年,研究长期性能具有十分重要的意义,而且也可为我国北斗三代卫星被动式氢钟提供参考和借鉴。本文采用Galileo系统钟差产品,对其被动式氢钟长期性能和钟差预处理及预报方法进行系统研究和分析。（1）提出了一种基于稀疏贝叶斯算法的钟差预处理方法,用于恢复钟差缺失数据。通过为每一个权值分别设置一个独立的超参数,增加模型的稀疏性,既避免了机器学习中过学习现象也减少了核函数的使用,缩短了学习时间。通过对不同钟差数据缺失情况进行仿真分析,验证表明该方法对恢复缺失数据具有有效性。（2）研究分析了Galileo系统携带的所有被动式氢原子钟。通过钟差模型残差、频率准确度、频率漂移率和频率稳定度4个指标的变化,发现IOV型和FOC型卫星的模型残差均保持在12ns之间。准确度处于10-12量级,个别卫星达到10-13量级。IOV卫星的频率漂移率处于10-17量级,而FOC卫星大部分处于10-16量级。IOV与FOC卫星的天稳均达到了10-14量级,且其天稳优于万秒稳和千秒稳,说明Galileo被动式氢钟长期稳定性较好。（3）设计了一种改进的灰色模型卫星钟钟差预报算法。该算法可以避开传统灰色模型通过背景值求解辨识参数的过程。并引入一个新的变量,重构初始值,改善预测精度。使用不同钟型的钟差数据验证了算法的短期和长期预报性能,结果表明其更适合对被动式氢钟和铷钟的预报,而对铯钟的预报精度不高;长期预报精度更具优越性,相较于传统灰色模型,精度提高了20%左右;短期预报性能与传统灰色模型精度相当,在钟差数据波动较大时,预报精度优于二次多项式模型。分析了不同建模数据量对改进模型预报精度的影响,发现铷钟的预报精度随建模数据量增大而降低,当建模数据量与待预报数据量之比为25%35%时,被动式氢钟和铯钟预报精度最高。