一种新型GNSS超快速钟差预报方法技术

本发明专利技术提供一种新型GNSS超快速钟差预报方法，其改善了现有GNSS钟差预报方法钟差实时预报精度较低和稳定性较差的现状，其包括以下步骤实现：对钟差数据进行预处理；对钟差数据进行主成分分析；对主要成分和总的残差序列分别进行建模预报；得到最终预报值；本发明专利技术可广泛应用于卫星导航技术领域。

A new super fast clock difference prediction method for GNSS

【技术实现步骤摘要】
一种新型GNSS超快速钟差预报方法
本专利技术涉及卫星导航
，尤其是涉及一种新型GNSS超快速钟差预报方法。
技术介绍
全球导航卫星系统(GNSS)实时导航定位中，卫星钟差产品的精度会直接影响高精度导航定位授时的服务能力，为进一步提高钟差预报的精度，以改善当前钟差实时预报精度较低现状，国内外学者做了大量预报方法的研究，在现有的钟差预报方法中，由于星载原子中时频特征较为复杂，很容易受到外界环境对它的影响，单一模型大部分只是照顾到了钟差的部分特性，使得单一预报模型仍有不足之处，比如二次多项式模型主要针对的是钟差中的趋势项，未考虑到周期项和随机项对预报的影响；模型指数系数对灰色模型预报精度的影响较大；谱分析模型虽然考虑到了钟差中的周期项，但是较长的钟差序列才能较为准确的确定钟差中的周期，拟合预报的时候也需要较长的钟差数据建模才能发挥出该模型的优势；对于小波神经网络模型来说，确定网络拓扑结构存在困难；对于卫星钟差这种异常复杂的非平稳、非线性随机序列，单一的模型很难准确表达和有效预报，组合模型虽然比单一模型能更多地考虑到随机项对预报的影响，但是大多数组合模型只是简单的组合，没有根据各单一模型的特性进行组合，没有更好的发挥组合模型的优势，预报精度和稳定性还有比较大的提升空间。由此可知，现有模型大多未顾及钟差特性中的随机性以及系统噪声误差对钟差预报模型建模的影响，这是造成当前大多钟差预报模型钟差实时预报精度较低和稳定性较差的原因之一，钟差实时预报精度和稳定性还可以进一步提高。
技术实现思路
本专利技术就是针对现有GNSS钟差预报方法实时预报精度较低和稳定性较差的技术问题，提供一种预报精度较高和稳定性较好的新型GNSS超快速钟差预报方法。为此，本专利技术提供的新型GNSS超快速钟差预报方法，通过以下步骤实现：步骤1：对钟差数据进行预处理；步骤2：对钟差数据进行主成分分析；步骤3：对主要成分和总的残差序列分别进行建模预报；步骤4：得到最终预报值。优选的，钟差数据的预处理：把钟差数据转换为频率数据后采用中位数法剔除粗差，并采用线性插值法补齐。优选的，钟差数据的预处理：采用多项式模型预报并设置阀值判断钟差数据是否存在钟跳，若存在钟跳，对钟差数据进行分段处理。优选的，钟差数据的主成分分析：钟差数据主要由趋势项、周期项、噪声构成，采用主成分分析对钟差进行分解，分离出大部分的噪声项，只留下钟差中的趋势项和周期项，趋势项和周期项作为主成分，噪声作为次要部分A。优选的，对主要成分和总的残差序列分别进行建模预报：主要成分采用抗差谱分析模型进行建模预报得到预报值C，同时得到主要成分的拟合残差B，该拟合残差同样对钟差预报有一定的影响，对钟差分解后得到的次要成分A拟合残差进行相加，组成新的残差序列A+B，然后采用机器学习算法进行建模预报，得到预报值D。优选的，得到最终预报值：两个预报值C和D进行相加得到新的预报序列后，利用二次多项式模型和钟差的最后四个历元预报的初始值和预报序列C+D中的初始值之间的差值对预报序列进行整体平移得到预报值E；采用二次多项式模型和钟差数据的最后四个历元求得新的斜率值，进而求的新的斜率值和整体拟合得到的斜率值的加权平均值，利用新的斜率加权平均值和整体拟合得到的斜率值的差值对所得的预报序列E进行斜率偏差修正，得到最终的预报值F。本专利技术提出新型的GNSS超快速钟差预报方法，不但顾及了随机性误差，而且减弱了随机性误差对建模的影响，通过对预报序列进行起点偏差修正和斜率偏差修正，延缓了预报误差的累积，采用各导航定位系统的超快速和精密钟差产品进行了实验，其在预报精度方面有了比较大的提高，稳定性也有了一定程度的提高，并且能够控制异常误差或者数据预处理后部分偏差较大的钟差数据对预报精度的影响。附图说明图1为本专利技术的流程示意图。具体实施方式下面参照附图详细说明本专利技术的具体实施方式。如图1所示，本专利技术提供一种新型GNSS超快速钟差预报方法，其通过以下步骤实现：步骤1：对钟差数据进行预处理由于外界环境的影响，钟差数据不可避免的存在粗差，粗差的存在会严重影响预报的精度，因此要剔除粗差，把钟差数据转换为频率数据后采用中位数法剔除粗差，并采用线性插值法补齐，此外采用多项式模型预报并设置阀值判断钟差数据是否存在钟跳，若存在钟跳，对钟差数据进行分段处理。步骤2：对钟差数据进行主成分分析因为钟差数据主要由趋势项、周期项、噪声构成，利用谱分析模型进行建模时噪声对建模有一定的影响，为了减弱噪声对钟差建模的影响，所以考虑采用主成分分析对钟差进行分解，分离出大部分的噪声项，几乎只留下钟差中的趋势项和周期项，趋势项和周期项作为主成分，噪声作为次要部分A。步骤3：对主要成分和总的残差序列分别进行建模预报主要成分采用抗差谱分析模型进行建模预报得到预报值C，同时也可以得到主要成分的拟合残差B，该拟合残差同样对钟差预报有一定的影响，对步骤2中分解后得到的次要成分A和拟合残差B进行相加，组成新的残差序列A+B，然后采用机器学习算法进行建模预报，得到预报值D。步骤4：得到最终预报值将步骤3中得到的两个预报值C和D进行相加得到新的预报序列后，利用二次多项式模型和钟差的最后四个历元预报的初始值和预报序列C+D中的初始值之间的差值对预报序列进行整体平移得到预报值E；采用二次多项式模型和钟差数据的最后四个历元求得新的斜率值，进而求的新的斜率值和整体拟合得到的斜率值的加权平均值，利用新的斜率加权平均值和整体拟合得到的斜率值的差值对所得的预报序列E进行斜率偏差修正，得到最终的预报值F。本专利技术的技术方案把主成分分析分解预报、抗差谱分析模型、机器学习算法、起点偏差修正、斜率偏差修正关键方法结合了起来，最终预报效果有了明显提升。惟以上所述者，仅为本专利技术的具体实施例而已，当不能以此限定本专利技术实施的范围，故其等同组件的置换，或依本专利技术专利保护范围所作的等同变化与修改，皆应仍属本专利技术权利要求书涵盖之范畴。本文档来自技高网...

【技术保护点】
1.一种新型GNSS超快速钟差预报方法，其特征在于，通过以下步骤实现：/n步骤1：对钟差数据进行预处理；/n步骤2：对钟差数据进行主成分分析；/n步骤3：对主要成分和总的残差序列分别进行建模预报；/n步骤4：得到最终预报值。/n

【技术特征摘要】
1.一种新型GNSS超快速钟差预报方法，其特征在于，通过以下步骤实现：
步骤1：对钟差数据进行预处理；
步骤2：对钟差数据进行主成分分析；
步骤3：对主要成分和总的残差序列分别进行建模预报；
步骤4：得到最终预报值。


2.根据权利要求1所述的新型GNSS超快速钟差预报方法，其特征在于所述步骤1通过以下方式实现，具体为：把钟差数据转换为频率数据后采用中位数法剔除粗差，并采用线性插值法补齐。


3.根据权利要求2所述的新型GNSS超快速钟差预报方法，其特征在于所述步骤1通过以下方式实现，具体为：采用多项式模型预报并设置阀值判断钟差数据是否存在钟跳，若存在钟跳，对钟差数据进行分段处理。


4.根据权利要求3所述的新型GNSS超快速钟差预报方法，其特征在于所述步骤2通过以下方式实现，具体为：钟差数据主要由趋势项、周期项、噪声构成，采用主成分分析对钟差进行分解，分离出大部分的噪声项，只留下钟差中的趋势项和周期项，趋势项和周...

【专利技术属性】
技术研发人员：徐天河，薛慧杰，孙张振，江楠，艾青松，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37