基于GNSS的武汉区域电离层TEC建模

为研究适用于区域电离层总电子含量(total electron content, TEC)建模的方法和估计策略,对传统单层假设下的几种建模方法和估计策略进行了比较分析. 基于我国中纬度武汉地区17个连续运行参考站的数据进行TEC建模,建模方法分别采用4×3阶多项式模型、2阶多项式模型、4阶球谐级数模型,估计策略使用分段常数估计策略和分段线性估计策略. 在传统单层假设的基础上,本文还提出了三层电离层TEC模型,该模型可以分别给出底部电离层、峰高电离层和顶部电离层的TEC. 研究结果表明,几种模型的天顶方向总电子含量拟合效果和欧洲轨道确定中心公布的电离层格网地图均具有较好的一致性,其中4阶球谐级数模型和分段线性估计策略效果最佳. 通过三层电离层模型,可以得到TEC与电离层高度之间的关系,多层电离层模型对空间目标监视和低轨卫星航天测控具有重要应用价值.     

高轨道目标电离层折射修正方法研究

为了满足高轨道目标高精度测控的需要,提出了基于双频GNSS的空间投影法和自适应网格法两种电离层距离折射误差修正方法,并对比分析了两种方法在不同仰角、角径时电离层距离折射误差修正精度. 分析结果显示:对于2.0 GHz电波信号而言,在较高仰角（仰角＞45°）处,空间投影法和自适应网格法修正精度较高,均优于0.2 m;在低仰角和大角径时,空间投影法修正剩余快速增大,修正精度快速降低恶化,达到米量级,而自适应网格法修正精度则不受仰角和角径的影响. 这表明:自适应网格法电离层距离修正精度高,适用性强,且便于工程应用,可为提高高轨道目标的测控精度提供有力支撑.     

基于深度学习的全球电离层TEC预测

电离层总电子含量(total electron content,TEC)是卫星时代以来最重要的电离层参数,具有重要的理论意义和应用价值.文中提出了一种基于深度学习方法的全球电离层TEC预测模型,采用编码器-解码器结构配合卷积优化的长短时记忆(long short-term memory,LSTM)网络来实现全球TEC的...