[發明專利]一種基于一次差分的BDS鐘差預測方法

在審

• 申請號: 202010426241.8
• 申請日: 2020-05-19
• 公開（公告）號: CN111626406A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 王建敏;李特;王學斌;宋維黨;呂楠;吳愷;唐彥;李豫
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;H04B7/185
• 代理公司: 北京華夏正合知識產權代理事務所(普通合伙) 11017
• 代理人: 陳曉寧

1.一種基于一次差分的BDS鐘差預測方法，其特征在于，包括以下步驟：

步驟1：獲取BDS衛星系統中t_i時刻和t_i+1時刻的精密鐘差相位數據l_i和l_i+₁，其中，t為任意時刻，i∈[1,n-1]，n為歷元個數；

步驟2：根據t_i時刻和t_i+1時刻所對應的相位數據以及采樣間隔Δt確定與其對應的頻率數據y_i；

步驟3：采用MAD探測法檢驗頻率數據序列{y_i}，對粗差值y_p用其相鄰的數值y_p-1和y_p+1的平均值代替，得到平滑頻率數據序列{z_i}，然后通過{z_i}的波動判定粗差剔除效果，其中p為粗差所在位置數，p∈[1,n-1]；

MAD探測法的公式如下所示：

|y_i|＞a+b·MAD

其中，median為中位數運算符，a為頻率數據序列的中位數，b為根據實際情況所確定的正整數，MAD為頻率序列偏差絕對值的中位數；

步驟4：在得出平滑頻率數據序列{z_i}的前提下，記錄粗差值y_p所對應的相位數據l_p，對l_p用其相鄰的數值l_p-1和l_p+1的平均值代替，得到平滑相位數據序列{x_i}；

步驟5：對平滑相位數據序列{x_i}做一次差分得到差分數據序列{Δx_i-1}；

ΔX_i＝X_i+1-X_i

其中，

步驟6：對差分數據序列{Δx_i}建立RBF神經網絡預測模型，預測{Δx_i}之后的差分序列其中i＝1,2,L,k，j＝k+1,k+2,L,2k，k為建模數據個數；

步驟7：對進行差分逆運算，通過還原得到預測相位數據

步驟8：對鐘差相位數據進行精度評定。

2.如權利要求1所述的基于一次差分的BDS鐘差預測方法，其特征在于，在步驟2中，確定頻率數據y_i的計算公式如下：

其中，Δt為采樣間隔，l為相位數據，l_i和l_i+1是t_i時刻和t_i+1時刻所對應的相位數據，y_i是t_i時刻所對應的頻率數據。

3.如權利要求1所述的基于一次差分的BDS鐘差預測方法，其特征在于，在步驟4中，確定相位數據l_p的計算公式如下所示：

其中，l_p-1、l_p、l_p+1分別為不同時刻的鐘差相位數據。

4.如權利要求1所述的基于一次差分的BDS鐘差預測方法，其特征在于，所述步驟6包括以下步驟：

步驟6.1：解算RBF基函數中心，在進行預測中RBF核函數選擇高斯函數，表達式如下所示：

其中，h為網絡隱含層節點數，||x_i-c_h||為歐式距離范數，c_h為激活函數中心，σ²為方差，i為隱含層節點個數；

步驟6.2：解算隱含層與輸出層之間的權值，計算公式如下所示：

其中，w為隱含層與輸出層之間的權值，k為隱含層節點個數；

步驟6.3：解算RBF網絡輸出：

其中，為與輸入樣本對應的鐘差差分數據，w_ij為權值。

5.如權利要求1所述的基于一次差分的BDS鐘差預測方法，其特征在于，所述步驟8包括以下步驟：

步驟8.1：計算鐘差相位數據殘差，公式如下所示：

其中，Δ_j為預測鐘差相位數據殘差，為預測鐘差相位數據，x_j為真實鐘差相位數據；

步驟8.2：計算鐘差相位數據均方根誤差，公式如下所示：

其中，RMS_j為均方根誤差，q為歷元個數，q∈[1,k]；

步驟8.3：計算鐘差相位數據殘差均值，公式如下所示：

其中，ME_j為殘差均值。