CN112630805B - 卫星钟差预报方法及其系统 - Google Patents

卫星钟差预报方法及其系统 Download PDF

Info

Publication number
CN112630805B
CN112630805B CN201910904548.1A CN201910904548A CN112630805B CN 112630805 B CN112630805 B CN 112630805B CN 201910904548 A CN201910904548 A CN 201910904548A CN 112630805 B CN112630805 B CN 112630805B
Authority
CN
China
Prior art keywords
clock error
model
sequence
gray
clock
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910904548.1A
Other languages
English (en)
Other versions
CN112630805A (zh
Inventor
颜雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qianxun Spatial Intelligence Inc
Original Assignee
Qianxun Spatial Intelligence Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qianxun Spatial Intelligence Inc filed Critical Qianxun Spatial Intelligence Inc
Priority to CN201910904548.1A priority Critical patent/CN112630805B/zh
Publication of CN112630805A publication Critical patent/CN112630805A/zh
Application granted granted Critical
Publication of CN112630805B publication Critical patent/CN112630805B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • G01S19/27—Acquisition or tracking or demodulation of signals transmitted by the system creating, predicting or correcting ephemeris or almanac data within the receiver
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain

Abstract

本申请涉及卫星定位领域，公开了一种卫星钟差预报方法及其系统。该方法包括：获取原始钟差数据，得到对应的钟差序列；根据所述钟差序列构建灰色钟差预报模型；根据半参数核估计法解算所述灰色钟差预报模型的参数，以修正所述灰色钟差预报模型的模型误差；根据修正后的灰色钟差预报模型进行卫星钟差预报。本申请的实施方式有效地改善灰色钟差预报模型中的模型误差，提升了模型的拟合及预报精度，预报效果更佳。

Description

卫星钟差预报方法及其系统
技术领域
本申请涉及卫星定位领域，特别涉及卫星钟差预测技术。
背景技术
导航卫星是以时间为基准的测距系统，高精度的星载原子钟是全球导航卫星系统的基础，通过对星载原子钟的星钟参数进行估计和预报，获取精确星载原子钟的时间参数，对于导航系统的时间同步以及提升其相关的服务性能意义重大。由于星载原子钟在卫星高速运动过程中，极易受到外部环境及自身因素的影响，从而很难掌握其细致的变化规律，因而建立起精确的原子钟运行模型十分困难，相应地导致准确预报卫星钟差也十分困难。
近年来，为了提高卫星钟差的预报精度，国内外已有很多学者进行了大量研究，提出了多种钟差预报模型和方法。其中灰色模型最为常用且具有代表性，因为其所需建模样本小，计算简便及较强的抗干扰能力等。但是，灰色模型(GM(1,1))自身存在较大的模型误差，目前对灰色模型的改进方法中，由于灰色模型本质上的所含有的模型误差没有被有效顾及，从而限制了灰色模型的拟合及预报精度。
发明内容
本申请的目的在于提供一种卫星钟差预报方法及其系统，有效地改善灰色钟差预报模型中的模型误差，提升了模型的拟合及预报精度，预报效果更佳。
本申请公开了一种卫星钟差预报方法，包括：
获取原始钟差数据，得到对应的钟差序列；
根据所述钟差序列构建灰色钟差预报模型；
根据半参数核估计法解算所述灰色钟差预报模型的参数，以修正所述灰色钟差预报模型的模型误差；
根据修正后的灰色钟差预报模型进行卫星钟差预报。
在一个优选例中，所述根据半参数核估计法解算所述灰色钟差预报模型的参数，以修正所述灰色钟差预报模型的模型误差之后，还包括：
将拟合钟差序列的终点或起始点作为模型初始定解的条件，以再次修正所述灰色钟差预报模型的模型误差。
在一个优选例中，所述根据修正后的灰色钟差预报模型进行卫星钟差预报时，还包括：
采用谱分析模型、时间序列模型、卡尔曼预报模型、神经网络模型和多项式模型中的任一模型，对所述修正后的灰色钟差预报模型进行补偿修正。
在一个优选例中，所述采用频谱分析模型，对所述修正后的灰色钟差预报模型进行补偿修正，进一步包括：
根据所述修正后的灰色钟差预报模型计算所述钟差序列的拟合残差；
对所述拟合残差进行频谱分析得到对应的显著性主周期改正项；
根据所述显著性主周期改正项对所述修正后的灰色钟差预报模型进行补偿修正。
在一个优选例中，所述根据所述钟差序列构建灰色钟差预报模型，进一步包括：
根据所述原始钟差序列对基本灰色模型的背景值进行重构，构建灰色钟差预报模型。
在一个优选例中，所述根据所述钟差序构建灰色钟差预报模型之前，还包括：
判断所述钟差序列是否满足构建灰色钟差预报模型的条件；
如果所述原始钟差序列不能满足所述条件，则给所述钟差序列加上一个常量，使之满足所述条件。
在一个优选例中，所述获取原始钟差数据，得到对应的钟差序列进一步包括：
获取原始钟差数据，并对钟差历元的跳变情况进行统计；
根据统计结果中缺失数据点的多少确定一次修补的方法，并根据所确定的一次修补的方法对所述原始钟差数据进行一次修补；
对卫星钟差数据中的粗差进行探测，并使用滑动线性内插法进行二次修补，得到所述钟差序列。
在一个优选例中，该根据半参数核估计法解算所述灰色钟差预报模型的参数的步骤中，采用GCV法确定窗宽参数，并选取如下形式的核函数：
Figure BDA0002212888810000031
本申请还公开了一种卫星钟差预报系统，包括：
构建模块，用于获取原始钟差数据，得到对应的钟差序列，根据所述钟差序列构建灰色钟差预报模型；
修正模块，用于根据半参数核估计法解算所述灰色钟差预报模型的参数，以修正所述灰色钟差预报模型的模型误差，根据修正后的灰色钟差预报模型进行卫星钟差预报。
在一个优选例中，所述修正模块，还用于将拟合钟差序列的终点或起始点作为模型初始定解的条件，以再次修正所述灰色钟差预报模型的模型误差。
在一个优选例中，所述修正模块，还用于采用谱分析模型、时间序列模型、卡尔曼预报模型、神经网络模型和多项式模型中的任一模型，对所述修正后的灰色钟差预报模型进行补偿修正。
在一个优选例中，所述修正模块，还用于根据所述修正后的灰色钟差预报模型计算所述钟差序列的拟合残差，对所述拟合残差进行频谱分析得到对应的显著性主周期改正项，根据所述显著性主周期改正项对所述修正后的灰色钟差预报模型进行补偿修正。
在一个优选例中，所述构建模块，还用于根据所述原始钟差序列对基本灰色模型的背景值进行重构，构建灰色钟差预报模型。
在一个优选例中，还包括预处理模块，用于判断所述钟差序列是否满足构建灰色钟差预报模型的条件，如果所述原始钟差序列不能满足所述条件，则给所述钟差序列加上一个常量，使之满足所述条件。
在一个优选例中，所述预处理模块，还用于获取原始钟差数据，并对钟差历元的跳变情况进行统计，根据统计结果中缺失数据点的多少确定一次修补的方法，并根据所确定的一次修补的方法对所述原始钟差数据进行一次修补，以及对卫星钟差数据中的粗差进行探测，并使用滑动线性内插法进行二次修补，得到所述钟差序列。
在一个优选例中，所述修正模块，还用于在根据半参数核估计法解算所述灰色钟差预报模型的参数时，采用GCV法确定窗宽参数，并选取如下形式的核函数：
Figure BDA0002212888810000041
本申请还公开了一种卫星钟差预报系统包括：
存储器，用于存储计算机可执行指令；以及，
处理器，用于在执行所述计算机可执行指令时实现如前文描述的方法中的步骤。
本申请还公开了一种计算机可读存储介质所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。
本申请实施方式中，首先获取原始钟差数据，对钟差历元的跳变情况进行统计，并根据统计结果对原始钟差数据进行修补，提高钟差序列的光滑度，以提升预测模型的预测精度；并且对建模的卫星钟差数据进行必要的检验处理，以考量灰色模型的建模可行性，对不满足建模条件的钟差序列进行预处理使之满足条件，提高了建模所需的钟差序列的可靠性和有效性。
同时，对基本灰色模型(GM(1,1))的建模过程进行了详细推导，从模型的数学特性角度对基本灰色模型的背景值进行了重新构建，得到了修正的灰色钟差预报模型，提高了预测模型的预测效果和精度。
进一步充分考虑了导致灰色模型误差的因素，对该一次修正的灰色模型进行了改进，利用核估计并综合最小二乘，解算出了该预报模型的相应参数解及其模型误差的估值，实现了钟差序列及模型误差的再次修正，这对灰色钟差预测模型的静态模型误差进行了修正，较大程度地提高了预测模型的拟合精度和预测精度；同时，选取拟合钟差序列的终点(或起始点)作为初始定解的条件，这样不仅缩小预报数据与拟合终点的偏差，而且兼顾卫星钟差预报的实际需求。
进一步地，考虑到该预报模型拟合后的残差序列中周期特性较为显著，对相应模型进行显著性主周期项修正，进一步修正了预报过程中的系统误差，有效的提升了灰色钟差预报模型的拟合精度及预报精度。
为了说明本申请的实施方式的有效性，基于本申请的卫星钟差预报方法，采用武汉大学IGS数据中心提供的采样间隔为5min的北斗卫星精密钟差数据，进行钟差预测试验，并同时将预测结果与基本灰色模型进行对比试验，钟差预测试验及对比试验的结果表明：本申请的实施方式的卫星钟差预报系统可以对预报中背景值构造等原因所引起的模型误差进行补偿，同时对其他导致的模型误差的因素进行有效地修正，相应模型的预报精度及模型提升率较基本灰色模型有较显著的提升，约提升了70％以上。
本申请的说明书中记载了大量的技术特征，分布在各个技术方案中，如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话，会使得说明书过于冗长。为了避免这个问题，本申请上述发明内容中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征，都可以自由地互相组合，从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载)，除非这种技术特征的组合在技术上是不可行的。例如，在一个例子中公开了特征A+B+C，在另一个例子中公开了特征A+B+D+E，而特征C和D是起到相同作用的等同技术手段，技术上只要择一使用即可，不可能同时采用，特征E技术上可以与特征C相组合，则，A+B+C+D的方案因技术不可行而应当不被视为已经记载，而A+B+C+E的方案应当视为已经被记载。
附图说明
图1是根据本申请第一实施方式的卫星钟差预报方法流程示意图；
图2是根据本申请第一实施方式的一个实施例的卫星钟差预报方法流程示意图；
图3是根据本申请第二实施方式的卫星钟差预报系统结构示意图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
部分概念的说明：
FFT：fast Fourier transform,快速傅里叶变换法。
GCV：General ized Cross-Validation,广义交叉验证。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请的实施方式作进一步地详细描述。
目前，在卫星钟差预报领域中，提出的对灰色模型进行了改进，如朱陵凤就钟差预报中的灰色模型本身的构造缺陷给出了建议；陆晓峰通过对灰色模型的参数a与b进行动态调整，以此来提高模型的预报精度；郑作亚引入指数系数变量λ来改进模型，并取得了较好的拟合及预报效果，李晓宇也沿用了该思路来对灰色模型进行优化等。这些改进对预报精度虽有所提升，但由于灰色模型本质上的所含有的这些模型误差没有被有效顾及，从而限制了灰色模型的拟合及预报精度，同时也与精密钟差预报及卫星导航定位的高精度要求相矛盾。
针对以上问题，本申请的第一实施方式提出一种卫星钟差预报方法，其流程如图1所示，该方法包括以下步骤：
在步骤101中，获取原始钟差数据，得到对应的钟差序列。
可选地，步骤101进一步包括以下步骤ⅰ、ⅱ和ⅲ。其中，在步骤ⅰ中，获取原始钟差数据，对钟差历元的跳变情况进行统计；之后执行步骤ⅱ，根据统计结果中缺失数据点的多少确定一次修补的方法，并根据所确定的一次修补的方法对该原始钟差数据进行一次修补；之后执行步骤ⅲ，对卫星钟差数据中的粗差进行探测，并使用滑动线性内插法进行二次修补，得到该钟差序列。
需要指出，在上述步骤i中，可以进一步采用图示法对钟差历元的跳变及情况进行统计。在上述步骤ⅱ中，如果缺失数据点很多，可视情况进行处理，以避免通过拟合或插值的方法，引入了过多外部数据而使得原钟差序列可靠性降低；如果钟差数据点缺失较少，可通过滑动线性插值法进行内插处理。在上述步骤ⅲ中，可以进一步采用中位数探测法(MAD)对卫星钟差数据中的粗差进行探测，并使用滑动线性内插法进行相应修补，从而得到“干净”的钟差序列。其中，对于卫星钟差数据的探测，一般采用中位数探测法，但是也有其他的异常数据探测法探测方法可用，比如拟准检定法，稳健估计法，小波探测法，Score统计法，Cook探测法，小波分析法等；且不限于此。而且，在步骤ⅲ中，也可以采用除滑动线性内插法以外的其他方法对钟差数据进行二次修补。
之后，进入步骤102，根据该钟差序列构建灰色钟差预报模型。
在步骤102之前，需要对建模的卫星钟差数据进行必要的检验处理，以考量建模方法的可行性。可选地，在步骤102之前还包括以下步骤a和b。其中，在步骤a中，判断该钟差序列是否满足构建灰色钟差预报模型的条件；之后执行步骤b，如果该原始钟差序列不能满足该条件，则给该钟差序列加上一个常量，使之满足该条件。
可选地，步骤102进一步包括以下步骤：
根据该原始钟差序列对基本灰色模型的背景值进行重构，构建灰色钟差预报模型。
之后，进入步骤103，根据半参数核估计法解算该灰色钟差预报模型的参数，以修正该灰色钟差预报模型的模型误差。
在步骤103的根据半参数核估计法解算该灰色钟差预报模型的参数的过程中，首先需要同时考虑到核函数的选取以及相应的窗宽的确定。优选地，该窗宽参数采用GCV法确定，并选取如下形式的核函数：
Figure BDA0002212888810000091
在步骤103之后，即在求得修正后的灰色钟差预报模型的精确参数解后，为了使卫星钟差数据的新信息能尽可能利用，同时缩小预报数据与拟合终点的偏差。可选地，将拟合钟差序列的终点或起始点作为模型初始定解的条件，以再次修正该灰色钟差预报模型的模型误差。需要说明是，该初始定解条件可以选择终点或者起始点；优选地，选择拟合终点作为初始定解条件；可选地，选择拟合起始点作为初始定解条件。
可选地，步骤103之后，还包括以下步骤：
采用谱分析模型、时间序列模型、卡尔曼预报模型、神经网络模型和多项式模型中的任一模型，对该修正后的灰色钟差预报模型进行补偿修正。优选地，采用谱分析模型或神经网络模型对该修正后的灰色钟差预报模型进行补偿修正。
在一个实施例中，该采用频谱分析模型对该修正后的灰色钟差预报模型进行补偿修正，进一步地包括以下步骤A、B和C。其中，在步骤A中，根据该修正后的灰色钟差预报模型计算该钟差序列的拟合残差；之后执行步骤B，对该拟合残差进行频谱分析得到对应的显著性主周期改正项；之后执行步骤C，根据该显著性主周期改正项对该修正后的灰色钟差预报模型进行修正。
之后，进入步骤104，根据修正后的灰色钟差预报模型进行卫星钟差预报。
为了能够更好地理解本申请的技术方案，下面结合一个具体的实施例来进行说明，该实施例中罗列的细节主要是为了便于理解，不作为对本申请保护范围的限制。该实施例的流程示意图如图2所示，具体包括：
在步骤201中，获取钟差数据。
在步骤202中，对钟差数据进行数据质量控制。具体的，采用图示法对钟差历元的跳变及情况进行统计，若缺失数据点很多，可视情况进行处理，以避免通过拟合或插值的方法，引入了过多外部数据而使得原钟差序列可靠性降低；若钟差数据点缺失较少，可通过滑动线性插值法进行内插处理；采用中位数探测法(MAD)对卫星钟差数据中的粗差进行探测，并使用滑动线性内插法进行相应修补，从而得到“干净”的钟差序列。
在步骤203中，对建模的卫星钟差数据进行必要的检验处理，进行建模可行性分析。具体的，令所述的满足GM(1,1)建模要求的卫星钟差序列为x(0)＝{x(0)(1),x(0)(2),…,x(0)(n)}，则λ(k)为历元k时的级比，x(0)(k-1)、x(0)(k)分别为历元k-1与k时的卫星钟差值；n为参与建模的钟差数据个数且n≥4；计算原始钟差序列的级比
Figure BDA0002212888810000101
若所有级比都落入可容覆盖
Figure BDA0002212888810000102
内，则钟差序列x(0)可以进行灰色模型的预测，否则可给原始钟差序列加上一常量c即进行相应的平移变化后，使之满足条件。
在步骤204中，对模型灰色背景值进行重构，得到灰色钟差预测模型。具体的，令x(0)的一次累加生成序列为x(1)＝{x(1)(1),x(1)(2),…,x(1)(n)}，其中
Figure BDA0002212888810000103
根据模型(GM(1,1))的数学特性可设x(1)(k)＝BeAk，其中A、B为任意非零常数，因而模型实际背景值为：
Figure BDA0002212888810000104
又通过
Figure BDA0002212888810000105
可得到重构后的灰色背景值解z(1)(k)。
在步骤205中，采用半参数核估计法对步骤204中得到的灰色钟差预测模型的模型参数进行解算以修正模型误差。具体包括以下步骤：
步骤①：建立灰色微分方程：x(0)(k)+az(1)(k)＝b,k＝2,3,…,n，并令：
Figure BDA0002212888810000111
则灰色微分方程的向量形式为Y＝ZX+Δ。其中a、b为灰色模型的参数(或灰参数)，a为发展系数，b为灰作用量，
Figure BDA0002212888810000112
分别为相应灰参数的估计值，Δi为对应方程的模型残差；i＝1,2,…,m且m＝n-1。
步骤②：为顾及建模中存在的模型误差，引入半参数平差模型，据此将上述步骤①中的向量式改写为Y＝ZX+S+Δ。
步骤③：采用半参数核估计法进行灰色钟差预报模型参数的解算。令tk为相对于参考时刻t0的任意历元时刻，则对于选定时刻tk，定义核权函数Wi(tk)：
Figure BDA0002212888810000113
其中K(·)为选取的核函数；hm为相应的窗宽参数且hm＞0。
为求解灰色钟差预报模型参数，假设X已知，基于
Figure BDA0002212888810000114
可以对非参数分量S作出的核估计形式如下：
Figure BDA0002212888810000115
由
Figure BDA0002212888810000116
可计算观测值yi的残差为：
Figure BDA0002212888810000117
令Mk＝(Wi(tj))m×m，则观测值yi的残差的矩阵形式为：V＝(I-Mk)(ZX-Y),P；其中I为单位矩阵；P为权矩阵，是根据钟差解的精度设定，若没有此信息，可设置为单位阵。
根据最小二乘准则，有：(ZX-Y)T(I-Mk)TP(I-Mk)(ZX-Y)＝min，则可转化为如下方程：
ZT(I-Mk)TP(I-Mk)ZX＝ZT(I-Mk)TP(I-Mk)Y；
若rank(Z)＝t，t为相应修正模型中未知参数的个数，即Z为满秩矩阵，有ZT(I-Mk)TP(I-Mk)Z非奇异，令
Figure BDA0002212888810000121
为参数X的估值，则X的估计值为：
Figure BDA0002212888810000122
将
Figure BDA0002212888810000123
带入
Figure BDA0002212888810000124
中，即可得到
Figure BDA0002212888810000125
的估计值：
Figure BDA0002212888810000126
在上述求解模型参数分量与非参数分量的估计值(即
Figure BDA0002212888810000127
与
Figure BDA0002212888810000128
)中，首先需要同时考虑到核函数K(·)的选取以及相应的窗宽hn(hn＞0)的确定。其中，经过大量钟差试验，本文窗宽参数采用GCV法确定，并选取如下形式的核函数：
Figure BDA0002212888810000129
在步骤206中，求得修正预报模型的精确参数解后，为了使卫星钟差数据的新信息能尽可能利用，同时缩小预报数据与拟合终点x(0)(n)的偏差，将拟合钟差数据终点x(0)(n)作为模型初始定解的条件，便得到了再次修正灰色模型。
在步骤207中，由步骤206所得到模型求其钟差序列的拟合残差vi，i＝1,2,…,n。
在步骤208中，使用FFT对拟合残差vi进行频谱分析，得到对应的显著性主周期改正项
Figure BDA00022128888100001210
其中ω为所附加的周期项次序。p为周期项总数。Aω、fω、
Figure BDA00022128888100001211
分别为对应周期改正项的振幅、频率与相位。
在步骤209和步骤210中，迭代计算所加入的显著性主周期改正项的个数ω，其中，迭代终止的条件为加入第ω个显著性主周期改正项时，拟合残差vi经显著性主周期改正项改正后的残差序列vi'通过了白噪声检验，并根据最小二乘准则，确定此时各显著性主周期改正项的振幅(系数)Aω，由此便得到了最终修正后的卫星钟差预报模型。
在步骤211中，根据实际需求，根据步骤210得到的最终修正后的卫星钟差预报模型对相应卫星钟差的预报。
本申请的第二实施方式提出一种卫星钟差预报系统，其结构如图3所示，该卫星钟差预报系统包括构建模块和修正模块。
具体的，该构建模块用于获取原始钟差数据，得到对应的钟差序列，根据该钟差序列构建灰色钟差预报模型。
可选地，该预处理模块还用于获取原始钟差数据，对钟差历元的跳变情况进行统计，根据统计结果中缺失数据点的多少确定一次修补的方法，并根据所确定的一次修补的方法对该原始钟差数据进行一次修补，对卫星钟差数据中的粗差进行探测，并使用滑动线性内插法进行二次修补，得到该钟差序列。
需要说明，该预处理模块对卫星钟差数据的探测方法有多种，一般采用中位数探测法，但是也有其他的异常数据探测法探测方法可用，比如拟准检定法，稳健估计法，小波探测法，Score统计法，Cook探测法，小波分析法等；且不限于此。且该预处理模块也可以采用除滑动线性内插法以外的其他方法对钟差数据进行二次修补。
可选地，该卫星钟差预报系统还包括预处理模块，用于判断该钟差序列是否满足构建灰色钟差预报模型的条件，如果该原始钟差序列不能满足该条件，则给该钟差序列加上一个常量，使之满足该条件。
可选地，该构建模块还用于根据该原始钟差序列对基本灰色模型的背景值进行重构，构建灰色钟差预报模型。
进一步地，该修正模块用于根据半参数核估计法解算该灰色钟差预报模型的参数，以修正该灰色钟差预报模型的模型误差，根据修正后的灰色钟差预报模型进行卫星钟差预报。
可选地，该修正模块在根据半参数核估计法解算所述灰色钟差预报模型的参数的过程中，采用GCV法确定窗宽参数，并选取如下形式的核函数：
Figure BDA0002212888810000141
可选地，该修正模块还用于将拟合钟差序列的终点或起始点作为模型初始定解的条件，以再次修正该灰色钟差预报模型的模型误差。这可以使得卫星钟差数据的新信息能尽可能利用，同时缩小预报数据与拟合终点的偏差。
可选地，该修正模块还用于采用谱分析模型、时间序列模型、卡尔曼预报模型、神经网络模型和多项式模型中的任一模型，对该修正后的灰色钟差预报模型进行补偿修正。
在一个实施例中，该修正模块用于采用频谱分析模型对该修正后的灰色钟差预报模型进行补偿修正。进一步地，该修正模块还用于根据该修正后的灰色钟差预报模型计算该钟差序列的拟合残差，对该拟合残差进行频谱分析得到对应的显著性主周期改正项，根据该显著性主周期改正项对该修正后的灰色钟差预报模型进行修正。
具体的，该修正模块首先通过修正后的灰色钟差预报模型求其钟差序列的拟合残差vi，i＝1,2,…,n，然后使用FFT法对对拟合残差vi进行频谱分析，得到对应的显著性主周期改正项
Figure BDA0002212888810000142
其中，ω为所附加的周期项次序；p为周期项总数；Aω、fω、
Figure BDA0002212888810000143
分别为对应周期改正项的振幅、频率与相位。在步骤C中，迭代计算所加入的显著性主周期改正项的个数ω，其中，迭代终止的条件为加入第ω个显著性主周期改正项时，拟合残差vi经显著性主周期改正项改正后的残差序列vi'通过了白噪声检验，并根据最小二乘准则，确定此时各显著性主周期改正项的振幅(系数)Aω。
第一实施方式是与本实施方式相对应的方法实施方式，第一实施方式中的技术细节可以应用于本实施方式，本实施方式中的技术细节也可以应用于第一实施方式。
需要说明的是，本领域技术人员应当理解，上述卫星钟差预报系统的实施方式中所示的各模块的实现功能可参照前述卫星钟差预报方法的相关描述而理解。上述卫星钟差预报系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现，也可通过具体的逻辑电路而实现。本申请实施例上述卫星钟差预报系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。
相应地，本申请实施方式还提供一种计算机可读存储介质，其中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于，相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
此外，本申请实施方式还提供一种卫星钟差预报系统，其中包括用于存储计算机可执行指令的存储器，以及，处理器；该处理器用于在执行该存储器中的计算机可执行指令时实现上述各方法实施方式中的步骤。其中，该处理器可以是中央处理单元(CentralProcessing Unit，简称“CPU”)，还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，简称“DSP”)、专用集成电路(Application Specific IntegratedCircuit，简称“ASIC”)等。前述的存储器可以是只读存储器(read-only memory，简称“ROM”)、随机存取存储器(random access memory，简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
需要说明的是，在本专利的申请文件中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中，如果提到根据某要素执行某行为，则是指至少根据该要素执行该行为的意思，其中包括了两种情况：仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中，以便在必要时可以作为修改的依据。此外应理解，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。

Claims (18)

1.一种卫星钟差预报方法，其特征在于，包括：
获取原始钟差数据，得到对应的钟差序列；
判断所述钟差序列是否满足构建灰色钟差预报模型的条件，如果满足则根据所述钟差序列构建灰色钟差预报模型；
根据半参数核估计法解算所述灰色钟差预报模型的参数，以修正所述灰色钟差预报模型的模型误差；
根据修正后的灰色钟差预报模型进行卫星钟差预报。
2.如权利要求1所述的卫星钟差预报方法，其特征在于，所述根据半参数核估计法解算所述灰色钟差预报模型的参数，以修正所述灰色钟差预报模型的模型误差之后，还包括：
将拟合钟差序列的终点或起始点作为模型初始定解的条件，以再次修正所述灰色钟差预报模型的模型误差。
3.如权利要求1或2所述的卫星钟差预报方法，其特征在于，所述根据半参数核估计法解算所述灰色钟差预报模型的参数，以修正所述灰色钟差预报模型的模型误差之后，还包括：
采用谱分析模型、时间序列模型、卡尔曼预报模型、神经网络模型和多项式模型中的任一模型，对所述修正后的灰色钟差预报模型进行补偿修正。
4.如权利要求3所述的卫星钟差预报方法，其特征在于，采用频谱分析模型对所述修正后的灰色钟差预报模型进行补偿修正，进一步包括：
根据所述修正后的灰色钟差预报模型计算所述钟差序列的拟合残差；
对所述拟合残差进行频谱分析得到对应的显著性主周期改正项；
根据所述显著性主周期改正项对所述修正后的灰色钟差预报模型进行补偿修正。
5.如权利要求1所述的卫星钟差预报方法，其特征在于，所述根据所述钟差序列构建灰色钟差预报模型，进一步包括：
根据所述原始钟差序列对基本灰色模型的背景值进行重构，构建灰色钟差预报模型。
6.如权利要求1所述的卫星钟差预报方法，其特征在于，所述根据所述钟差序构建灰色钟差预报模型之前，还包括：
如果所述原始钟差序列不能满足所述条件，则给所述钟差序列加上一个常量，使之满足所述条件。
7.如权利要求1所述的卫星钟差预报方法，其特征在于，所述获取原始钟差数据，得到对应的钟差序列进一步包括：
获取所述原始钟差数据，并对钟差历元的跳变情况进行统计；
根据统计结果中缺失数据点的多少确定一次修补的方法，并根据所确定的一次修补的方法对所述原始钟差数据进行一次修补；
对卫星钟差数据中的粗差进行探测，并使用滑动线性内插法进行二次修补，得到所述钟差序列。
8.如权利要求1所述的卫星钟差预报方法，其特征在于，所述根据半参数核估计法解算所述灰色钟差预报模型的参数的步骤中，采用GCV法确定窗宽参数，并选取如下形式的核函数：
Figure FDA0003661934360000021
9.一种卫星钟差预报系统，其特征在于，包括：
构建模块，用于获取原始钟差数据，得到对应的钟差序列，以及判断所述钟差序列是否满足构建灰色钟差预报模型的条件，如果满足则根据所述钟差序列构建灰色钟差预报模型；
修正模块，用于根据半参数核估计法解算所述灰色钟差预报模型的参数，以修正所述灰色钟差预报模型的模型误差，根据修正后的灰色钟差预报模型进行卫星钟差预报。
10.如权利要求9所述的卫星钟差预报系统，其特征在于，所述修正模块，还用于将拟合钟差序列的终点或起始点作为模型初始定解的条件，以再次修正所述灰色钟差预报模型的模型误差。
11.如权利要求9或10所述的卫星钟差预报系统，其特征在于，所述修正模块，还用于采用谱分析模型、时间序列模型、卡尔曼预报模型、神经网络模型和多项式模型中的任一模型，对所述修正后的灰色钟差预报模型进行补偿修正。
12.如权利要求11所述的卫星钟差预报系统，其特征在于，所述修正模块，还用于根据所述修正后的灰色钟差预报模型计算所述钟差序列的拟合残差，对所述拟合残差进行频谱分析得到对应的显著性主周期改正项，根据所述显著性主周期改正项对所述修正后的灰色钟差预报模型进行补偿修正。
13.如权利要求9所述的卫星钟差预报系统，其特征在于，所述构建模块，还用于根据所述原始钟差序列对基本灰色模型的背景值进行重构，构建灰色钟差预报模型。
14.如权利要求9所述的卫星钟差预报系统，其特征在于，还包括预处理模块，用于如果所述原始钟差序列不能满足所述条件，则给所述钟差序列加上一个常量，使之满足所述条件。
15.如权利要求9所述的卫星钟差预报系统，其特征在于，还包括预处理模块，所述预处理模块用于获取原始钟差数据，并对钟差历元的跳变情况进行统计，根据统计结果中缺失数据点的多少确定一次修补的方法，并根据所确定的一次修补的方法对所述原始钟差数据进行一次修补，对卫星钟差数据中的粗差进行探测，并使用滑动线性内插法进行二次修补，得到所述钟差序列。
16.如权利要求9所述的卫星钟差预报系统，其特征在于，所述修正模块，还用于在根据半参数核估计法解算所述灰色钟差预报模型的参数时，采用GCV法确定窗宽参数，并选取如下形式的核函数：
Figure FDA0003661934360000041
17.一种卫星钟差预报系统，其特征在于，包括：
存储器，用于存储计算机可执行指令；以及，
处理器，用于在执行所述计算机可执行指令时实现如权利要求1至8中任意一项所述的方法中的步骤。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如权利要求1至8中任意一项所述的方法中的步骤。
CN201910904548.1A 2019-09-24 2019-09-24 卫星钟差预报方法及其系统 Active CN112630805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910904548.1A CN112630805B (zh) 2019-09-24 2019-09-24 卫星钟差预报方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910904548.1A CN112630805B (zh) 2019-09-24 2019-09-24 卫星钟差预报方法及其系统

Publications (2)

Publication Number Publication Date
CN112630805A CN112630805A (zh) 2021-04-09
CN112630805B true CN112630805B (zh) 2022-06-28

Family

ID=75282557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910904548.1A Active CN112630805B (zh) 2019-09-24 2019-09-24 卫星钟差预报方法及其系统

Country Status (1)

Country Link
CN (1) CN112630805B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114265094B (zh) * 2021-12-06 2023-07-18 中国人民解放军海军工程大学 基于初始条件优化gm模型的gps卫星钟差预报方法及系统
CN114265093B (zh) * 2021-12-06 2023-07-18 中国人民解放军海军工程大学 一种卫星时钟钟差预报方法、系统、介质、设备及终端
CN116050483B (zh) * 2023-01-10 2024-02-13 辽宁工程技术大学 一种ssa-bp神经网络与灰色模型卫星钟差预报方法
CN117111110B (zh) * 2023-07-11 2024-03-08 武汉纺织大学 一种卫星钟差数据短期预报方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106126961A (zh) * 2016-07-28 2016-11-16 上海交通大学 灰色粒子群卫星钟差自适应预测方法及系统
CN108229746A (zh) * 2018-01-08 2018-06-29 唐山学院 卫星钟差数据的多项式预报模型的最优化改正方法
CN108387915A (zh) * 2018-03-05 2018-08-10 中国人民解放军空军工程大学 一种融合钟差预报方法
CN109034491A (zh) * 2018-08-15 2018-12-18 长沙学院 一种卫星钟差预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107807371B (zh) * 2017-09-14 2019-10-01 北京航空航天大学 基于北斗卫星观测数据的数据相关性处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106126961A (zh) * 2016-07-28 2016-11-16 上海交通大学 灰色粒子群卫星钟差自适应预测方法及系统
CN108229746A (zh) * 2018-01-08 2018-06-29 唐山学院 卫星钟差数据的多项式预报模型的最优化改正方法
CN108387915A (zh) * 2018-03-05 2018-08-10 中国人民解放军空军工程大学 一种融合钟差预报方法
CN109034491A (zh) * 2018-08-15 2018-12-18 长沙学院 一种卫星钟差预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Zuoya Zheng et al..Improved Grey Model and Application in Real-Time GPS Satellite Clock Bias Prediction.《2008 Fourth International Conference on Natural Computation》.2008, *
周敏等.正规矩阵选取半参数灰色模型改进的预测建模.《测绘科学》.2016,第41卷(第08期),全文. *
徐长海等.基于半参数最小二乘核估计的卫星精密钟差预报方法.《测绘工程》.2017,第26卷(第01期),全文. *
蒲仁虎等.改进灰色系统在卫星钟差预报中的应用.《科技创新与应用》.2016,(第28期),全文. *

Also Published As

Publication number Publication date
CN112630805A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN112630805B (zh) 卫星钟差预报方法及其系统
CN113254873B (zh) 卫星钟差预报方法及其系统
CN110008080B (zh) 基于时间序列的业务指标异常检测方法、装置和电子设备
Frescura et al. Significance of periodogram peaks and a pulsation mode analysis of the Beta Cephei star V403 Car
Santamaría-Gómez SARI: interactive GNSS position time series analysis software
Battaglia et al. Outlier detection and estimation in nonlinear time series
US20160300630A1 (en) Method of synthesizing axial power distributions of nuclear reactor core using neural network circuit and in-core monitoring system (icoms) using the same
JPWO2016147722A1 (ja) 推定装置、推定方法およびプログラム
CN114265093B (zh) 一种卫星时钟钟差预报方法、系统、介质、设备及终端
CN116757378A (zh) 需求响应评估模型训练方法、应用评估方法及相关设备
JP6756603B2 (ja) 電力系統の状態推定装置および状態推定方法
JP2017015594A (ja) バッテリー、電源管理装置、及び電源管理方法
Keizer et al. The acceleration of sea-level rise along the coast of the Netherlands started in the 1960s
CN113917500A (zh) 一种卫星钟差预报方法
CN112987043B (zh) 卫星钟差基准平滑方法及其系统
Bisio et al. Temporal disaggregation by dynamic regressions: Recent developments in Italian quarterly national accounts
CN112924996B (zh) 一种增强北斗时序分析可靠性的方法、设备及存储介质
CN115409245A (zh) 电力系统的预测辅助状态估计方法、装置、设备及介质
CN114580151A (zh) 一种基于灰色线性回归-马尔科夫链模型的需水预测方法
CN114911306A (zh) 精密钟差预报方法、装置、计算设备及存储介质
CN113917501A (zh) 一种bds-3卫星超快速钟差预报方法
Keizer et al. The acceleration of sea-level rise along the coast of the Netherlands started in the 1960s
CN112329197A (zh) 一种基于灰色模型的综合原子时建立方法
JP6213166B2 (ja) 未知パラメータ推定方法、未知パラメータプログラム及び未知パラメータ推定装置
CN117111110B (zh) 一种卫星钟差数据短期预报方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant