混合模型在短弧跟踪卫星钟差预报中的应用

当卫星在空间轨道飞行到地面监测站观测不到的弧段时,卫星钟与系统时间之间的同步只能由卫星钟自己维持,为了得到连续的卫星钟差结果,必须对卫星钟差进行预报。本文针对地面站频繁观测不到卫星导致的卫星钟差数据频繁中断这一特殊情况,提出多项式加AR混合模型,以GPS星载原子钟差时间序列为实例进行钟差预报分析,并与GPS常用的二阶多项式模型预报结果进行比较,结果表明:短弧跟踪条件下,多项式加AR混合模型对GPS星载原子钟进行8~20 h钟差预报时精度均优于1ns,明显高于二阶多项式模型预报精度,满足实际应用中短弧跟踪条件下的钟差预报精度要求。这一结论为短弧跟踪条件下的星载原子钟差预报做了理论上的铺垫。     

多项式模型在导航卫星钟差预报中的应用研究

为了解决导航卫星钟差预报精度随时间不断衰减问题,提出了基于多项式的卫星钟差预报模型优化方法。该方法通过优化预报采用的数据资料长度和多项式模型阶次,实现了高精度的卫星钟差短/中/长期预报。为验证该方法的可行性和有效性,利用实测的COMPASS导航卫星钟差数据进行钟差预报精度分析。结果表明,当多项式模型满足资料长度和模型阶次的最佳配置时,可有效解决导航卫星钟差预报精度随时间不断衰减的问题。     

基于小波变换的GPS接收机钟差序列预测

针对高精度GPS接收系统时钟稳定度对其性能影响,传统的方法是直接利用钟差数据的关联性建立钟差预报模型,即ARMA模型。利用小波分析对钟差进行消噪,得到更加平稳的时间序列,然后再对钟差进行建模,并对消噪钟差模型进行了误差分析。用真实数据进行仿真验证,表明对原始数据进行小波变换可以有效提高GPS接收机钟差预测的准确性。     

基于时间序列预报模型的船摇前馈量计算

船摇前馈控制是船载雷达克服船摇扰动的主要手段之一,而船摇数据的精确预报是决定船摇前馈补偿量计算精度和补偿效果的关键因素.该文建立了船摇数据的时间序列AR(P)模型,介绍了模型定阶和参数识别方法,给出了船摇数据滤波值和预报值的计算公式.通过对时间序列船摇预报的精度和实时应用性能分析,结果表明该AR(P)模型船摇预报方法可提高一个数量级的精度,并且满足工程应用的实时性要求.在时间序列船摇预报的基础上,最后给出了船摇前馈补偿量的计算方法.     

GLONASS与GPS在轨卫星钟的特性分析

随着GLONASS和GPS系统卫星钟的老龄化和现代化,卫星钟的特性指标会发生相应的变化并存在一定的差异性。鉴于此,本文提出了一种组合探测粗差的方法,然后采用二次多项式拟合卫星钟差模型,得到了GLONASS与GPS在轨卫星钟的相位、频率、频漂以及残差序列,最后采用改进总方差和哈达玛总方差分别计算了Cs钟和Rb钟的稳定度指标,进而分析了在轨卫星钟特性指标的变化规律。通过实例,发现组合探测粗差的方法能够更有效地发现粗差;揭示了GLONASS和GPS在轨卫星钟的相位、频率、频漂及残差指标的变化规律;发现GPS BLOCK IIF型卫星钟稳定度最高,其次是GPS BLOCK IIR-M&IIR型Rb钟和在轨时间较短的GLONASS卫星钟,然后是GPS BLOCK IIA型Cs钟和在轨时间较长的GLONASS卫星钟,稳定度最差的是GPS BLOCK IIA型Rb钟。同时,本文也发现卫星钟的稳定度和残差有一定的数值关系。     

GM（1，1）灰色模型用于卫星钟差预报的精度分析

利用GM（1，1）灰色模型对不同类型的卫星钟差进行预报分析，实验结果表明：GM（1,1）灰色模型进行卫星钟差短期预报时精度很高。但是，在卫星钟差长期预报中该模型对于不同类型卫星不具有普遍性．     

BDS在轨卫星钟性能评估与对比

从卫星钟基本特性、频率稳定度、钟差预报精度等方面对 BDS 三种类型卫星钟 (RAFS-1、RAFS-2、PHM)进行综合对比分析，结果表明：PHM 卫星钟性能指标显著优于 RAFS； RAFS-2 卫星钟性能指标显著优于 RAFS-1，频率稳定度指标和钟差预报精度提升了 1 倍左右，且 RAFS-2 卫星钟增加了相位连接功能，保证了在轨卫星钟在调整过程中不会影响时间频率服务。     

北斗三号B1C/B2a新信号精密卫星产品估计及PPP-AR性能研究

为分析北斗卫星导航系统(Beidou Navigation Satellite System, BDS)B1C/B2a新信号的服务水平,基于混合差分的方法,结合全球均匀分布的观测站数据解算得到BDS精密钟差,进一步估计宽窄巷未校准相位延迟(Uncalibrated Phase Delay, UPD)。使用二次差法对所估计的BDS-3钟差精度进行评估分析,验证估计产品的准确性;通过UPD产品长期序列来研究其稳定性;将估计的钟差和UPD等产品应用于精密单点定位浮点解和固定解(Precise Point Positioning-Ambiguity Resolution, PPP-AR)进行验证。根据数据处理结果可知,地球静止轨道(Geosynchronous Earth Orbit, GEO)、倾斜地球同步轨道(Inclined Geosynchronous Satellite Orbit, IGSO)和中地球轨道(Medium Earth Orbit, MEO)3种轨道类型的估计卫星钟差平均精度分别为0.209、0.095、0.087 ns; BDS-3宽巷UPD长期序列标准差(Stand...     

三元阵被动定位中时延差估计算法研究

为了提高三元阵被动定位精度,该文对互谱法时延差估计进行了研究改进。改进算法解决了单独采用互谱法进行时延差估计存在的相位模糊问题,增强了互谱法在实际应用的鲁棒性。该算法所得时延差由周期值和修正值构成;时延差周期值是通过对阵元间互谱信号进行时延补偿所得,时延差修正值是采用最小二乘法对补偿后互谱信号拟合所得。理论分析和实验结果表明:采样率为103 Hz时的时延差估计精度可以达到10-6 s,该方法具有很强的实用性。能有效提高三元阵被动定位精度。     

基于灰色模型和混沌时间序列的卫星钟差预测算法

为了提高非线性卫星钟差预测的精度,降低单一钟差预测模型对钟差预测的风险,提出了一种组合模型的卫星钟差预测算法.该算法首先采用db1小波对卫星钟差序列进行3层多分辨率分解和单支重构,得到一个趋势分量和三个细节分量,然后运用灰色预测模型对重构后的趋势分量和混沌一阶加权局域预测法对重构后的细节分量分别进行预测,最后将各分量预测结果相加后得到总的钟差预测值.以GPS卫星钟差数据做算例分析,在6小时的钟差预测中,算法绝对误差最大值比单一的灰色预测模型误差小1.3ns以上.将该组合预测模型用于非线性卫星钟差预测中,可以提高钟差预测的精度和可靠性.     

支持向量机在飞机状态监控中的应用

在详细分析飞参数据的基础上,阐述了支持向量机在时间序列预测中应用的理论基础,给出了时间序列预测分析的基本框架,同时将支持向量机预测模型应用于某型航空发动机飞参数据预测,并与时间序列AR预测模型进行了比较.由于支持向量机采用了新型的结构风险最小化准则而表现出优秀的推广能力,可预测区间较长且具有较高的准确度,对于飞机状态监控研究具有重要的指导意义.     

Frequency and time stability of GPS and glonass clocks

The frequency stability and reliability of the clocks are critical to the success of the GPS and GLONASS programs. We will show some of the similarities and differences between the clocks involved in these two systems. Because both systems plan to be operational in the next few years, the data leading up to this operational stage is of significant interest. On-board clocks and the stability of the master control clocks for these systems are analysed. We will discuss the attributes of these two systems as time and frequency references. Their relationship to UTC will also be illustrated. More data over a longer period of time was available for the authors from GPS than from GLONASS. Even so it is obvious that both systems have matured. Though the GLONASS system was developed later, its overall clock performance has improved more rapidly. Some of the more recent GLONASS clock performance is at about the same level as that of the GPS clocks. The analysis has yielded some very interesting contrasts, comparisons and changes in these systems that should be of great interest for time and frequency users, as well as for clock vendors and receiver vendors.     

LMS-like AR modeling in the case of missing observations

This paper presents a new recursive algorithm for the time domain reconstruction and spectral estimation of uniformly sampled signals with missing observations. An autoregressive (AR) modeling approach is adopted. The AR parameters are estimated by optimizing a mean-square error criterion. The optimum is reached by means of a gradient method adapted to the nonperiodic sampling. The time-domain reconstruction is based on the signal prediction using the estimated model. The power spectral density is obtained using the estimated AR parameters. The development of the different steps of the algorithm is discussed in detail, and several examples are presented to demonstrate the practical results that can be obtained. The spectral estimates are compared with those obtained by known AR estimators applied to the same signals sampled periodically. We note that this algorithm can also be used in the case of nonstationary signals     

Pole-tracking algorithms for the extraction of time-variant heartrate variability spectral parameters

Various algorithms of autoregressive (AR) recursive identification make it possible to evaluate power spectral distribution in correspondence with each sample of a time series, and time-variant spectral parameters can be calculated through the evaluation of the pole positions in the complex z-plane. In traditional analysis, the poles are obtained by zeroing the denominator of the model transfer function, expressed as a function of the AR coefficients. Here, two algorithms for the direct updating and tracking of movements of poles of an AR time-variant model on the basis of the innovation given to the coefficients are presented and investigated. The introduced algorithms are based upon (1) the classical linearization method and (2) a recursive method to compute the roots of a polynomial, respectively. Here, applications in the field of heart rate variability (HRV) signal analysis are presented and efficient tools are proposed for quantitative extraction of spectral parameters (power and frequency of the low-frequency (LF) and high-frequency (HF) components) for the monitoring of the action of the autonomic nervous system in transient pathophysiological events. These computational methods seem to be very attractive for HRV applications, as they inherit the peculiarity of recursive time-variant identification, and provide a more immediate comprehension of the spectral process characteristics when expressed in terms of poles and AR spectral components     

基于粒子滤波的动态自回归预测模型方法

针对自回归模型以固定历史观测序列建模,模型不能随时间序列新的观测值实时更新,导致预测中对序列趋势变化适应性差,预测精度低的问题,提出以粒子滤波动态优化调整自回归模型的方法,通过对模型参数蒙特卡洛采样得到粒子,以粒子描述模型状态变量的演变,采用递推贝叶斯方法估计粒子权重,由粒子及其权重近似模型参数的后验滤波值,从而随观测序列的动态获得不断更新模型参数,提高了模型预测结果的精确性,并能给出预测结果的置信区间。最后以NASA艾姆斯中心锂离子电池试验数据为例,验证了该方法的有效性。     

卫星钟差的仿真研究

目前常用的卫星钟差仿真模型中，没有考虑卫星钟差本身的随机噪声特性，或是只是简单地用白噪声代替。实际上，卫星钟的随机噪声主要由5种独立的随机噪声组成。不同种类卫星钟的噪声构成不同，同一种类卫星钟的噪声特征也不完全相同。本文使用修正Allan方差对实际钟差数据的频域稳定度进行评估。在此基础上，结合二次多项式钟差模型和5种随机噪声模型进行高逼真度的卫星钟差仿真。     

一种基于插值和卡尔曼滤波的接收机钟差预测方法

针对多模多频接收机面临同时处理大量数据的压力,提出了一种基于插值和卡尔曼滤波的接收机钟差预测方法。插值方法分别用拉格朗日和三次样条,三次样条端点的一阶导数采用“差分法代替求导法”来确定。首先由插值方法得出每隔1s的卫星坐标、速度、钟差、频漂和伪距测量值,然后基于单星授时方法计算出静止接收机钟差,接着用卡尔曼滤波算法对接收机钟差和频漂进行预测,最后将预测的接收机钟差与加拿大空间参考系统( CSRS )提供的精密接收机钟差数据进行比较。结果表明,拉格朗日插值由于存在龙格效应,其接收机钟差的抖动幅度比三次样条略大,它们与CSRS钟差数据相比,均方根误差在3 ns之内。