[發明專利]一種GNSS超快速鐘差預報方法

有效

• 申請號: 202010049690.5
• 申請日: 2020-01-16
• 公開（公告）號: CN111275090B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 徐天河;薛慧杰;孫張振;江楠;艾青松
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/40
• 代理公司: 威海恒譽潤達專利代理事務所(普通合伙) 37260
• 代理人: 鹿剛

本發明提供一種GNSS超快速鐘差預報方法，其改善了現有GNSS鐘差預報方法鐘差實時預報精度較低和穩定性較差的現狀，其包括以下步驟實現：對鐘差數據進行預處理；對鐘差數據進行主成分分析；對主要成分和總的殘差序列分別進行建模預報；得到最終預報值；本發明可廣泛應用于衛星導航技術領域。

技術領域

本發明涉及衛星導航技術領域，尤其是涉及一種GNSS超快速鐘差預報方法。

背景技術

全球導航衛星系統（GNSS）實時導航定位中，衛星鐘差產品的精度會直接影響高精度導航定位授時的服務能力，為進一步提高鐘差預報的精度，以改善當前鐘差實時預報精度較低現狀，國內外學者做了大量預報方法的研究，在現有的鐘差預報方法中，由于星載原子中時頻特征較為復雜，很容易受到外界環境對它的影響，單一模型大部分只是照顧到了鐘差的部分特性，使得單一預報模型仍有不足之處，比如二次多項式模型主要針對的是鐘差中的趨勢項，未考慮到周期項和隨機項對預報的影響；模型指數系數對灰色模型預報精度的影響較大；譜分析模型雖然考慮到了鐘差中的周期項，但是較長的鐘差序列才能較為準確的確定鐘差中的周期，擬合預報的時候也需要較長的鐘差數據建模才能發揮出該模型的優勢；對于小波神經網絡模型來說，確定網絡拓撲結構存在困難；對于衛星鐘差這種異常復雜的非平穩、非線性隨機序列，單一的模型很難準確表達和有效預報，組合模型雖然比單一模型能更多地考慮到隨機項對預報的影響，但是大多數組合模型只是簡單的組合，沒有根據各單一模型的特性進行組合，沒有更好的發揮組合模型的優勢，預報精度和穩定性還有比較大的提升空間。

由此可知，現有模型大多未顧及鐘差特性中的隨機性以及系統噪聲誤差對鐘差預報模型建模的影響，這是造成當前大多鐘差預報模型鐘差實時預報精度較低和穩定性較差的原因之一，鐘差實時預報精度和穩定性還可以進一步提高。

發明內容

本發明就是針對現有GNSS鐘差預報方法實時預報精度較低和穩定性較差的技術問題，提供一種預報精度較高和穩定性較好的GNSS超快速鐘差預報方法。

為此，本發明提供的GNSS超快速鐘差預報方法，通過以下步驟實現：

步驟1：對鐘差數據進行預處理；

步驟2：對鐘差數據進行主成分分析；

步驟3：對主要成分和總的殘差序列分別進行建模預報；

步驟4：得到最終預報值。

優選的，鐘差數據的預處理：把鐘差數據轉換為頻率數據后采用中位數法剔除粗差，并采用線性插值法補齊。

優選的，鐘差數據的預處理：采用多項式模型預報并設置閥值判斷鐘差數據是否存在鐘跳，若存在鐘跳，對鐘差數據進行分段處理。

優選的，鐘差數據的主成分分析：鐘差數據主要由趨勢項、周期項、噪聲構成，采用主成分分析對鐘差進行分解，分離出大部分的噪聲項，只留下鐘差中的趨勢項和周期項，趨勢項和周期項作為主要成分，噪聲作為次要成分A。

優選的，對主要成分和總的殘差序列分別進行建模預報：主要成分采用抗差譜分析模型進行建模預報得到預報值C，同時得到主要成分的擬合殘差B，該擬合殘差同樣對鐘差預報有一定的影響，對鐘差分解后得到的次要成分A擬合殘差進行相加，組成新的殘差序列A+B，然后采用機器學習算法進行建模預報，得到預報值D。

優選的，得到最終預報值：兩個預報值C和D進行相加得到新的預報序列后，利用二次多項式模型和鐘差的最后四個歷元預報的初始值和預報序列C+D中的初始值之間的差值對預報序列進行整體平移得到預報值E；采用二次多項式模型和鐘差數據的最后四個歷元求得新的斜率值，進而求的新的斜率值和整體擬合得到的斜率值的加權平均值，利用新的斜率加權平均值和整體擬合得到的斜率值的差值對所得的預報序列E進行斜率偏差修正，得到最終的預報值F。