一种卫星钟差组合预测方法技术

本发明专利技术公开了一种卫星钟差组合预测方法，包括：步骤1、收集精密卫星钟差数据，并进行数据预处理；步骤2、采用多项式模型拟合卫星钟差，获取卫星钟差的拟合残差；步骤3、采用短时傅里叶变换方法提取卫星钟差显著周期项；步骤4、利用显著周期项构建谱分析模型，提取模型拟合残差；步骤5、利用ARIMA模型对谱分析模型拟合残差进行建模；步骤6、将根据谱分析模型得到的卫星钟差预测结果和ARIMA模型得到的卫星钟差预测结果相加，获得最终的预测卫星钟差。本发明专利技术更为充分的考虑了时变周期和非平稳噪声对卫星钟差预测的影响，获得更加准确的预测卫星钟差。星钟差。星钟差。

【技术实现步骤摘要】
一种卫星钟差组合预测方法


[0001]本专利技术属于卫星导航
，涉及一种卫星钟差组合预测方法，特别是一种顾及时变周期和非平稳噪声的卫星钟差组合预测方法。

技术介绍

[0002]RT
‑
PPP不受基准站作用距离的限制，基于单台接收机可实现全球用户高精度定位，是目前卫星导航定位领域的研究热点之一。RT
‑
PPP的实现依赖于高精度的卫星钟差产品，因此为用户提供高精度实时卫星钟差产品是实现高精度RT
‑
PPP的关键。目前，国际GNSS服务组织(International GNSS Service,IGS)可向用户提供超快速钟差预测产品和实时服务(Real
‑
Time Service，RTS)产品。其中，超快速钟差预测产品通过建立卫星钟差模型实现卫星钟差预测，产品的稳定性较好，但受卫星钟差预测模型准确度限制，精度较RTS产品差。RTS产品是基于全球IGS观测站的观测数据实时估计得到的，产品精度较高，由于RTS产品通过网络实时播发给用户，用户通信状况较差会导致实时数据流的中断，影响到RT
‑
PPP的准确性和稳定性。为维持卫星钟差实时估计产品的连续性，通常需要卫星钟差预测结果的辅助。因此，提升卫星钟差的预测精度对于RT
‑
PPP十分重要。
[0003]为获取准确的预测卫星钟差，国内外学者提出了多种卫星钟差预测模型，包括多项式模型、谱分析模型、灰色模型、求和自回归滑动平均(Autoregressive Integrated MovingAverage,ARIMA)、卡尔曼滤波模型和神经网络模型等。其中，多项式模型因其建模简单，且物理意义明确，是最常用且最具代表性的模型。然而，星载原子钟物理特性复杂且不稳定，卫星钟差的多项式模型拟合残差中含有除白噪声外的多种有色噪声，使得卫星钟差具有非平稳特性，简单的多项式模型难以拟合这些噪声。除此之外，卫星钟差会与卫星轨道误差耦合，使得卫星钟差中存在与轨道相关的周期性变化。传统谱分析模型基于长期的卫星钟差数据，采用快速傅里叶变换的方法获取周期项，通过对显著周期项进行建模以减弱其对模型精度的影响。然而，卫星钟差的显著周期项随时间变化，传统的快速傅里叶变换无法从时间尺度上反映卫星钟差周期性变化的局部信息，造成周期项建模不准确，一定程度上限制了卫星钟差预测模型精度的提升。

技术实现思路

[0004]针对上述现有技术，本专利技术要解决的技术问题是提供一种顾及时变周期和非平稳噪声的卫星钟差组合预测方法，利用短时傅里叶变换提取时变的卫星钟差显著周期项，构建谱分析模型，基于ARIMA模型对非平稳的模型拟合残差序列建模，克服因卫星钟差的快变特性导致单一的模型无法精准刻画钟差的问题。
[0005]为解决上述技术问题，本专利技术的一种卫星钟差组合预测方法，包括以下步骤：
[0006]步骤1、收集精密卫星钟差数据，并进行数据预处理；
[0007]步骤2、采用多项式模型拟合卫星钟差，获取卫星钟差的拟合残差；
[0008]步骤3、采用短时傅里叶变换方法提取卫星钟差显著周期项；
[0009]步骤4、利用显著周期项构建谱分析模型，提取模型拟合残差；
[0010]步骤5、利用ARIMA模型对谱分析模型拟合残差进行建模；
[0011]步骤6、将根据谱分析模型得到的卫星钟差预测结果和ARIMA模型得到的卫星钟差预测结果相加，获得最终的预测卫星钟差。
[0012]进一步的，步骤1中所述预处理包括采用中位数绝对偏差方法检测并剔除卫星钟差中存在的粗差。
[0013]进一步的，步骤2所述采用多项式模型拟合卫星钟差，获取卫星钟差的拟合残差包括：
[0014]所述多项式模型为二次多项式模型或者线性模型，表达为：
[0015]X
k
＝a0+a1(t
k
‑
t0)+a2(t
k
‑
t0)2+v
1k
[0016]式中，X
k
为t
k
时刻的卫星钟差；t
k
为观测历元；t0为参考历元；a0、a1和a2分别表示相位、频率和频漂，通过最小二乘估计得到，当多项式模型为线性模型时a2＝0，v
1k
是卫星钟差拟合残差。
[0017]进一步的，步骤3所述采用短时傅里叶变换方法提取卫星钟差显著周期项包括：
[0018]卫星钟差拟合残差ν1(k),k＝0,1,2,...,N
‑
1的短时傅里叶变换表示为：
[0019][0020]式中，n,m＝0,1,2,...,N
‑
1，N为总残差序列数，g(n)是有时频局域性的时间窗，设置滑动窗长度和滑动步长，利用快速傅里叶变换将F
STFT
(m,n)转换为幅值：
[0021]A(m,n)＝|F
STFT
(m,n)
[0022]式中，A(m,n)的行对应残差采样时间点、列对应频率值，矩阵元素为对应频谱幅值；基于A(m,n)获取目标时间对应的频率，选取显著周期项对应的频率值作为周期项建模的频率参数。
[0023]进一步的，步骤4所述利用显著周期项构建谱分析模型，提取模型拟合残差包括：
[0024]所述谱分析模型为：
[0025]X
k
＝a0+a1(t
k
‑
t0)+a2(t
k
‑
t0)2+Acos(2πf(t
k
‑
t0))+Bsin(2πf(t
k
‑
t0))+v
2k
[0026]式中，A和B为振幅，f为频率，v
2k
为模型拟合残差；f为步骤3得到的卫星钟差显著周期项对应的频率，其他参数通过最小二乘估计得到。
[0027]进一步的，步骤5所述利用ARIMA模型对谱分析模型的拟合残差进行建模包括：
[0028]设{x
i
},i＝1,2,...n，为非平稳的谱分析模型的拟合残差v
2k
经过d阶差分后得到的平稳时间序列，则ARIMA(p,d,q)模型为：
[0029][0030]式中，x
k
为差分后第k个历元的钟差数据；ε
k
为第k个历元的随机噪声；为待估的AR模型系数；θ1,...,θ
q
为待估的MA模型系数，{θ
k
}～N(0,σ2)；p为AR模型阶数；q为MA模型阶数；
[0031]通过单位根检验方法检验残差序列是否存在单位根来判断差分阶数d，如果d次差分后不存在单位根，则序列平稳，反之则不平稳；在序列平稳后利用AIC信息准则估计阶数
p、q，再利用极大似然估计进行参数估计，确定的值。
[0032]进一步的，所述g(n)为汉宁窗。
[0033]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卫星钟差组合预测方法，其特征在于，包括以下步骤：步骤1、收集精密卫星钟差数据，并进行数据预处理；步骤2、采用多项式模型拟合卫星钟差，获取卫星钟差的拟合残差；步骤3、采用短时傅里叶变换方法提取卫星钟差显著周期项；步骤4、利用显著周期项构建谱分析模型，提取模型拟合残差；步骤5、利用ARIMA模型对谱分析模型拟合残差进行建模；步骤6、将根据谱分析模型得到的卫星钟差预测结果和ARIMA模型得到的卫星钟差预测结果相加，获得最终的预测卫星钟差。2.根据权利要求1所述的一种卫星钟差组合预测方法，其特征在于：步骤1中所述预处理包括采用中位数绝对偏差方法检测并剔除卫星钟差中存在的粗差。3.根据权利要求1所述的一种卫星钟差组合预测方法，其特征在于：步骤2所述采用多项式模型拟合卫星钟差，获取卫星钟差的拟合残差包括：所述多项式模型为二次多项式模型或者线性模型，表达为：X
k
＝a0+a1(t
k
‑
t0)+a2(t
k
‑
t0)2+v
1k
式中，X
k
为t
k
时刻的卫星钟差；t
k
为观测历元；t0为参考历元；a0、a1和a2分别表示相位、频率和频漂，通过最小二乘估计得到，当多项式模型为线性模型时a2＝0，v
1k
是卫星钟差拟合残差。4.根据权利要求1所述的一种卫星钟差组合预测方法，其特征在于：步骤3所述采用短时傅里叶变换方法提取卫星钟差显著周期项包括：卫星钟差拟合残差ν1(k),k＝0,1,2,...,N
‑
1的短时傅里叶变换表示为：式中，n,m＝0,1,2,...,N
‑
1，N为总残差序列数，g(n)是有时频局域性的时间窗，设置滑动窗长度和滑动步长，利用快速傅里叶变换将F
STFT
(m,n)转换为幅值：A(m,n)＝|F
STFT
...

【专利技术属性】
技术研发人员：李慧，李南，崔喜萌，彭文真，李亮，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：