基于改进粒子群优化LS-SVM的卫星钟差预报研究

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化（PSO）最小二乘支持向量机（LS-SVM）的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织（IGS）产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明：LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。     

基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题,将核极限学习机算法引入到北斗超快速钟差预报中。首先,将极限学习机进行优化,引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数;然后,将优化后的方法应用到超快速钟差预报中,并给出了利用该方法进行超快速钟差预报的步骤;最后,在分析iGMAS提供的实测北斗超快速钟差数据的基础上,选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内,利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型,并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比,GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%,其与最终精密钟差的符合程度显著 增强 。     

一种利用泛函网络进行导航卫星钟差预报的方法研究

为提高导航卫星钟差预报的精度和实时性,提出一种基于多项式和泛函网络相结合的钟差预报方法。该方法首先根据卫星钟的物理特性用多项式进行拟合,并用泛函网络对多项式拟合残差进行建模,其中泛函网络的结构是通过小波降噪及相空间重构的方法确定。最后以GPS卫星为例,进行四组短期预报实验。结果表明,所提方法能够实时有效地对导航卫星钟差进行拟合和预报,且精度优于IGUP星历。     

利用GPS非差观测值的GRACE卫星精密定轨

参照GPS精密单点定位（PPP，Precise Point Positioning）模型设计了一种新的卫星定轨方法一组合星载加速度计测量数据和IGS提供的GPS精密星历及精密钟差数据进行低轨卫星的精密定轨。利用星载加速度计提高卫星受力模型准确性，使动力法定轨精度和可靠性都得到提升。同时，采用多种改正技术提高GPS非差观测值测量精度，保证最终高精度卫星定轨。本文建立了卫星定轨的轨道滤波模型，得出了有益的结论，即采用星载加速度计测量卫星非保守力可提高卫星定轨精度，在ITRF2000参考系下三轴精度优于18cm。这种方法不需要在全球建市基准观测站．定轨设备简单．费用低廉．     

单颗MEO卫星定轨中的二阶钟差模型

分析使用简化动力学和观测模型对单颗MEO卫星进行定轨时星地钟差参数化建模问题,建立了一个基于全弧段二阶钟差模型的定轨方案,分析了该钟差模型的精度,及其对定轨精度和卫星钟差预报精度的影响.结合对实测数据处理的结果说明,基于二阶钟差模型的定轨方案的定轨精度好于10m,相对于以往研究中对钟差分段建模的定轨方案精度明显较高,并且其对错误数据有着更好的抗差性.分析同时表明,使用二阶模型作钟差预报的精度好于20ns.     

应用GNSS定位数据的微小卫星自主导航方案设计

为了提高微小卫星的自主能力,设计应用全球卫星导航系统(GNSS)定位数据的微小卫星自主导航方案,可进行自主轨道确定和轨道预报。GNSS接收机生成的定位数据发送给自主导航模块,利用扩展卡尔曼(Kalman)滤波进行导航运算。同时,定位数据发送给星历模型生成器,后者基于解析轨道模型来估计平均轨道参数。当GNSS接收机出现故障后,估计得到的轨道参数可作为备份,确保卫星在轨飞行时能获得轨道信息。利用MATLAB软件进行数学仿真,结果表明:对于700km的近地圆轨道,滤波精度在25m以内,5天内的预报精度在15km以内,证明导航方案具有很好的实用性。     

多星座组合导航自适应信息融合滤波算法

针对多星座卫星组合导航,提出了一种双重自适应联合卡尔曼滤波算法,采用描述机动载体运动的"当前"统计模型,首先建立一种基于载体加速度方差自适应的动态定位卡尔曼滤波模型,并分别对GPS,GLONASS和GALILEO系统设计相应的自适应子滤波器,然后采用有重置的联合自适应滤波器对各个子滤波器进行数据融合处理,各子滤波器的信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节.通过对GPS/GLONASS/GALILEO多星座组合导航系统的仿真,分析对比了加权平均滤波、常规联合滤波和本文提出的双重自适应滤波.结果表明:该双重自适应算法有效提高了组合导航系统的精度和可靠性,能更好地适应于量测噪声不断变化的卫星组合导航系统.     

附加周期和神经网络补偿的实时钟差预报模型

考虑到多项式模型拟合残差中仍存在显著周期信号及其他系统误差影响，提出构建一种多项式结合周期项与BP神经网络的北斗(BDS)超快速钟差预报模型，并利用实测超快速钟差数据进行算法测试验证。数值算例结果显示：利用本文模型得到的北斗超快速钟差产品，相比国内iGMAS超快速钟差产品（ISU）与德国地学中心超快速钟差产品（GBU），预报精度在3 h,6 h,12 h和24 h四个方面分别提升了26.14%,16.46%,12.68%和 10.58% 及10.34%,13.85%,8.17%和14.41%。     

精密卫星钟差分形插值算法研究

研究发现精密GPS卫星钟差时序满足三阶平稳假设,由此提出了计算卫星钟差分形维的多阶分形变差法,进而提出了基于分形维确定垂直比例因子的精密卫星钟差分形插值算法。将新方法应用于2010年8个节气日的32颗GPS在轨卫星钟差分形维计算,并选取Block IIA、IIR和IIR\|M各2颗卫星进行钟差插值精度比较。结果表明,分形维可作为定量描述卫星钟差动力学特征的不变量指标;分形插值算法优于三次样条和切比雪夫算法,可以满足快速与高采样率精密卫星钟差应用需求。     

基于星间测距增强的卫星编队GPS相对导航研究

针对单纯差分GPS系统在精度、连续性、实时性方面存在的问题,提出了一种星间测距增强差分GPS的卫星编队组合相对导航方案。该组合相对导航系统由编队卫星中分别安装的GPS接收机、星间RF测量传感器,以及主星中运行的导航处理器组成,其中星间RF测量传感器集成了窄带通信功能,可在进行星间距离测量的同时同步进行GPS数据的互传。采用扩展Kalman滤波算法,结合简化动力学模型和GPS以及RF测量数据实现卫星编队的相对位置与速度的高精度实时递推解算。用模拟器采集数据进行了仿真验证,结果表明:在星间测距数据辅助下,星间基线长度在星间测距工作的30km范围内时,实时相对导航精度优于1mm;系统在GPS信号中断时仍可连续输出满足精度要求的相对位置、速度数据;系统初始化时间由单纯差分GPS相对导航系统的几十个历元降低到单点。