一种基于温度参数的热层密度修正方法

热层大气的阻力效应是影响低轨航天器大量空间操作的重要因素,尤其是经验密度模式,其固有的至少15%的内符合误差已严重制约航天器轨道计算精度的提高.针对广泛应用的经验密度模式,选择物理背景简明、关联参数较少的JACCHIA71模式,以地磁平静条件下的全球散逸层顶温度最小值T_c及125 km高度拐点温度Tx为对象,建立密度相对于上述温度参数的条件方程,推导密度相对于温度参数的解析偏导数,并给出其最小二乘解.同时,利用CHAMP卫星数据对模式进行修正,模式平均误差从40%降低至3%左右.通过TG01飞行器的轨道预报比较,修正前后轨道预报位置精度从2km提升至1km左右.经过CHAMP卫星和TG01飞行器的实测数据检验,验证了修正算法的正确性和有效性.     

基于实时观测数据的大气密度模式修正

针对国际大气密度模式NRLMSISE-00,以中国神舟飞船探测数据为基础,提出一种基于实时大气密度观测数据的模式修正方法．通过计算分析模式计算结果与探测数据的误差分布特征,针对地磁相对平静期（Ap≤30）模式计算的误差特点,建立了一种平均误差修正方法,即认为在相对平静期,在相同纬度和地方时,模式误差基本相同,某一时刻模式预测误差可以近似用与其相同纬度和地方时的平均误差来替代,从而对模式预测结果进行修正．以神舟4号探测数据为基础,通过对模式预测结果采用两种方式进行修正,可以看到模式误差得到了一定的改善．采用误差库累积准实时修正,修正后的误差由原来的20％降至6％;采用误差库5天滑动预报修正后,模式提前1,2,3天的预测误差由原来的20％分别降至7．8％,9．4％和10．5％．     

电离层薄层高度对电离层模型化的影响

利用IRI2012模型分析了电离层薄层高度的时空变化规律，提出了基于应用中STEC的电离层改正误差分析理论，分析了电离层薄层高度变化的相关影响.结果表明，电离层薄层高度变化对电离层穿刺点位置、投影映射函数值、电离层建模结果、电离层模型精化和电离层模型精度评估结果的影响较大.高度截止角为10°时，电离层薄层高度变化导致电离层穿刺点的经纬度差异最大可达3.2°，投影映射函数最高可引入约15.46%的误差，电离层建模结果差异和建模实用误差最高分别达9.71%，3.64%，采用不同薄层高度数据的电离层模型参数拟合和模型精化结果最大可引入约9.26%的误差，采用不同电离层薄层高度数据进行模型精度评定时最大可引入约9.62%的误差.根据这些研究结果可知:在实际应用中应采用电离层薄层高度模型，并选取较大的卫星高度截止角来减小薄层高度变化引入的误差；采用固定高度时，区域电离层建模采用与实际电离层薄层一致的固定高度；进行精度评估时，参考数据的电离层薄层高度与需要精度评估的电离层模型薄层高度相等.      

高弹道测量数据电波折射误差快速修正算法

飞行器制导精度评估、特别是航天器的姿态与定点控制、落点预报等，都离不开高精度的外弹道测量数据。在影响测量数据精度因素中，折射误差是主要误差源之一。目前折射误差修正方法中，一类精度很高，但计算速度太慢，无法应用于实时计算；一类速度很快，但因为使用的是简化模型，因而精度较差，难以满足未来高精度测控的需要。如何在确保实时计算速度基础上，又能提高其处理精度，正是文章构造出的快速折射修正二步方法所解决的课题。经仿真计算证明，该方法的结果完全满足实际工程对精度和速度的要求。     

利用二维核回归估计的大气密度模式修正

传统经验大气密度模式预测大气密度存在的较大误差会引起低轨卫星轨道预报误差,对卫星的再入轨、控制计划、碰撞规避及精密定轨造成不利影响.利用天宫一号卫星探测数据,针对大气NRLMSISE-00模式计算的误差特点,在地磁相对平静(Ap≤30)的时间段内,对相近地方时和纬度的模式误差分布进行分析发现,相近地方时和纬度的模式误差分布基本相同.利用二维核回归估计方法,对与预测点相近地方时和纬度的样本误差进行加权,估计预测点处的模式误差,进而按距离预测日期天数的长短,采用加权修正法对模式预测结果进行修正,修正后大气模式误差的均方差(RMS)由14.09%降至4.05%.研究结果表明,该修正方法可以显著提高大气密度预报精度.     

大气阻力参数修正对低轨空间目标轨道预报精度的改进

对于低轨空间目标,大气阻力是影响轨道预报精度的主要摄动力.本文提出了一种基于空间环境数据和神经网络模型的空间目标大气阻力参数修正方法,基于目标的历史两行元根数,通过模拟得到外推一天轨道预报中预报结果与观测数据符合最好的阻力调制系数,分析表明其与太阳F_(10.7)指数和地磁Ap指数具有很好的相关性.根据已有数据,构建神经网络模型,实现对阻力调制系数的补偿计算,从而改进低轨目标外推一天的轨道预报.结果表明,神经网络模型相比两行元根数能够更及时地对空间环境变化进行响应.将该方案应用于天宫一号和国际空间站的外推一天轨道预报,验证了方案的正确性和普适性,对地磁扰动引起的较大预报误差改进效果更好,误差能够降低50%~60%;平均而言,预报精度可以提高约30%,改进成功率达到80%左右.     

基于NTCM-BC模型的全球卫星导航系统单频电离层延迟修正

选择NTCM-BC模型作为单频电离层延迟修正模型，通过非线性最小二乘拟合的方法，利用提前一天预测的电离层图（COPG文件），计算得到NTCM-BC模型修正系数；利用Klobuchar模型和IGS发布的GIM数据对NTCM-BC模型进行比较和分析.对太阳活动高、中、低年实测数据的分析结果表明:全球平均水平上，NTCM-BC模型的电离层延迟修正性能明显优于Klobuchar模型，NTCM-BC模型的TEC平均误差和均方根误差比Klobuchar模型分别下降了41%和30%；模型的TEC计算误差与太阳活动剧烈程度成正相关，即太阳活动高年模型误差较大，太阳活动低年误差相对较低.相较于磁静日，磁扰日期间Klobuchar模型和NCTM模型的误差均有一定程度的增加.此外，模型的电离层修正误差同时存在明显的纬度、季节和地方时差异.      

Klobuchar电离层模型误差分析及预测

电离层延迟误差是全球导航卫星系统（global navigation satellite system，GNSS）中的重要误差源之一。目前在电离层延迟改正模型中，应用最广泛的是Klobuchar参数模型，但是该模型的改正率仅能达到60%左右，无法满足日益增长的精度需求。将国际GNSS监测评估系统（international GNSS monitoring & assessment system，iGMAS）发布的高精度电离层格网数据作为对照，对Klobuchar电离层模型误差进行计算和分析，结果发现在中纬度区域误差存在明显的周期性特征。为进一步提高Klobuchar电离层模型在中纬度区域的改正精度，建立了基于粒子群优化反向传播（back propagation，BP）神经网络的Klobuchar电离层误差预测模型,并以2019年10月的采样数据为例进行误差预测。结果表明，用该模型对中纬度区域电离层延迟提供误差补偿，可将精度提高到90%左右。     

基于经验加速度的低轨卫星轨道预报新方法

研究将定轨过程中的经验加速度应用于地球低轨卫星轨道预报的新方法.利用GPS伪距观测数据和简化动力学最小二乘批处理方法对地球低轨卫星定轨,其中卫星位置、速度及大气阻力系数和辐射光压系数可以直接用于轨道预报.作为简化动力学最重要特征的经验加速度呈现准周期、余弦曲线特点,可通过傅里叶级数拟合建模.确定性动力学模型与补偿大气阻力模型误差的切向经验加速度级数拟合模型组成增强型动力学模型用于提高轨道预报精度.应用GRACR-A星载GPS伪距观测数据和IGS超快星历定轨并进行轨道预报,结果表明轨道预报初值位置精度达到0.2 m,速度精度达到1×10~(-4)m·s~(-1),预报3天位置精度优于60 m,比只利用确定性动力学模型进行预报精度平均提高2.3倍.先定轨后预报的模式可用在星上自主精确导航系统中.     

低轨航天器弹道系数估算及热层大气模型误差分析

利用低轨(LEO)航天器在轨期间两行轨道根数(TLEs)数据,结合经验大气密度模型NRLMSISE00,反演计算得到其在轨期间的弹道系数B′,以31年B′的平均值代替弹道系数真值,分别通过标准球形目标卫星对比以及物理参数基本相同的非球形目标卫星对比,对弹道系数真值进行了检验;利用不同外形目标卫星弹道系数在不同太阳活动周内的变化规律,结合太阳和地磁活动变化,估计经验大气密度模型的误差分布.结果表明,利用反演弹道系数31年的平均值来代替真值,其在理论值的正常误差范围内;大气密度模型误差在210~526 km高度范围内存在相同的变化趋势,且模型误差随高度增加而增大;在短周期内B′变化与太阳活动指数F_(10.7)存在反相关性;密度模型不能有效模拟2008年出现的大气密度异常低.以上结果表明,经验大气密度模型结果需要修正,尤其是在太阳活动峰年和谷年,此外,磁暴期间模型误差的修正对卫星定轨和轨道预报等也具有重要意义.     

LSTM神经网络在太阳F10.7射电流量中期预报中的应用

F_10.7指数作为大气密度经验模型的重要输入参量，其预报精度直接影响航天器轨道预报精度.研究发现，太阳活动表现出长时间尺度上平均11年和中短时间尺度平均27天的周期性变化特征.依据这一观测事实，基于长短期记忆单元（Long Short-term Memory，LSTM）递归神经网络方法进行F_10.7指数未来27天的中期预报.利用一个连续长时段F_10.7数据作为训练数据，构建LSTM神经网络训练和预测模型，分别预测太阳活动高低年未来27天的F_10.7指数.结果表明，太阳活动高年的第27天F_10.7指数预报平均相对误差最优可达10%以内，低年最优可达2%以内.      

Use of two-line element data for thermosphere neutral density model calibration

Traditional empirical thermospheric density models are widely used in orbit determination and prediction of low-Earth satellites. Unfortunately, these models often exhibit large density errors of up to around 30% RMS. Density errors translate into orbit errors, adversely affecting applications such as re-entry operations, manoeuvre planning, collision avoidance and precise orbit determination for geodetic missions. The extensive database of two-line element (TLE) orbit data contains a wealth of information on satellite drag, at a sufficiently high spatial and temporal resolution to allow a calibration of existing neutral density models with a latency of one to two days. In our calibration software, new TLE data for selected objects is converted to satellite drag data on a daily basis. The resulting drag data is then used in a daily adjustment of density model calibration parameters, which modify the output of an existing empirical density model with the aim of increasing its accuracy. Two different calibration schemes have been tested using TLE data for about 50 objects during the year 2000. The schemes involve either height-dependent scale factors to the density or corrections to CIRA-72 model temperatures, which affect the density output based on a physical model. Both schemes have been applied with different spherical harmonic expansions of the parameters in latitude and local solar time. Five TLE objects, varying in perigee altitude between 280 and 530 km, were deliberately not used during calibration, in order to provide independent validation. Even with a single daily parameter, the RMS density model error along their tracks can already be reduced from the 30% to the 15% level. Adding additional parameters results in RMS errors lower than 12%.     

太阳E10.7指数的反演及预报方法

针对高层大气密度预报和轨道预报业务中对新型太阳紫外辐射指数E_10.7的需求,基于TIMED-SEE观测仪器提供的0.1～105 nm太阳辐射强度数据,开展了E_10.7指数反演和中期预报研究。 E_10.7指数是太阳光谱中波长为0.1～105 nm的辐射流量,单位与F_10.7指数相同（sfu,1 sfu=10–22 W·m–2·Hz–1）。 TIMED-SEE观测仪器提供的0.1～105 nm太阳辐射强度实测值具有高时间分辨率、延迟时间短和易获得的优势,利用最小二乘法拟合可反演出准实时的E_10.7指数,均方根误差为5.445 sfu。利用高阶自回归模型对E_10.7的中期预报效果尚佳,未来27天的预报值平均相对误差为7.83%。利用同样方法还开展了E_10.7指数81天中心滑动平均值未来27天预报试验,未来27天的预报值平均相对误差仅为3.63%。      

K波段微波高光谱辐射计的晴空定标方法

K波段微波高光谱辐射计应用于大气探测方向，能够减少地表至对流层内的大气廓线误差和提高廓线的垂直分辨率.针对平均辐射温度在宽大气频谱和不同天空仰角下存在浮动的问题，结合所统计的北京地区往年廓线数据和晴空条件下的Liebe大气吸收模型（1993），提出了一种微波高光谱下改进的晴空定标方法.相比于传统的晴空定标方法，该方法利用先验的气象数据对定标过程进行优化计算，有利于提高平均辐射温度的预测精度.误差分析结果表明当K波段微波高光谱辐射计采用改进的晴空定标方法时，能够有效减少平均辐射温度对其定标误差的影响.     

基于电子密度同化的热层大气密度预报方法

采用热层电离层耦合模式TIEGCM和集合卡尔曼滤波同化方法，利用同化COSMIC电离层掩星电子密度数据优化热层电离层参量，并将模式预报的大气密度与CHAMP卫星大气密度数据进行对比，分别开展模拟和实测数据的同化预报实验.在模拟数据同化实验中，状态向量包含温度、风场和离子成分的实验结果表明，仅优化温度即可达到最优的热层大气密度预报效果.在实测数据同化实验中，将温度作为状态向量参数，优化结果表明，循环同化过程中模式预报的大气密度相对偏差的均方根误差在48h内从38%减小到27%，同化稳定时间至少需要30h.预报过程中大气密度预报效果的改善持续时间为34h.这表明电子密度同化能够改善热层大气密度的预报精度，设计的实验方案合理可行，可获得较长的预报时效.      

High accuracy satellite drag model (HASDM)

The dominant error source in force models used to predict low-perigee satellite trajectories is atmospheric drag. Errors in operational thermospheric density models cause significant errors in predicted satellite positions, since these models do not account for dynamic changes in atmospheric drag for orbit predictions. The Air Force Space Battlelab’s High Accuracy Satellite Drag Model (HASDM) estimates and predicts (out three days) a dynamically varying global density field. HASDM includes the Dynamic Calibration Atmosphere (DCA) algorithm that solves for the phases and amplitudes of the diurnal and semidiurnal variations of thermospheric density near real-time from the observed drag effects on a set of Low Earth Orbit (LEO) calibration satellites. The density correction is expressed as a function of latitude, local solar time and altitude. In HASDM, a time series prediction filter relates the extreme ultraviolet (EUV) energy index E_10.7 and the geomagnetic storm index a_p, to the DCA density correction parameters. The E_10.7 index is generated by the SOLAR2000 model, the first full spectrum model of solar irradiance. The estimated and predicted density fields will be used operationally to significantly improve the accuracy of predicted trajectories for all low-perigee satellites.     

基于雷诺数的大气阻力模型在飞行器再入预报中的应用

随着对空间技术服务需求的增加和空间碎片主动移除技术的实现,未来空间碎片将以数量多、质量大、难分解等特点频繁再入大气层,给地面人员和财产安全造成更多威胁。因此,亟需对火箭体等大型航天器的大气再入进行预警,然而因缺乏合适的大气阻力系数模型难以实现高精度的大气再入预报。为此,在简化航天器模型的基础上引入基于雷诺数的大气动力模型,通过RK6(7)对运动微分方程数值积分得到预报结果,并与高精度数值轨道传播器HPOP以及半解析轨道传播器WHU-SST的预报结果进行对比。实验表明:在运动微分方程中引入基于雷诺数的大气动力模型提前30天对火箭体进行大气再入预报,精度显著提升,某些目标的预报误差从96%下降至7.8%;仅使用TLE数据,将新模型用于地面风险评估能够使真实陨落位置位于预报的统计陨落位置中。      

Intra-annual variations of the thermospheric density at 400 km altitude from 1996 to 2006

We investigate the intra-annual variations of globally averaged thermospheric density at 400 km altitude from 1996 to 2006 by using Artificial Neural Network Method (ANNM). The results indicate that thermospheric density is governed by solar activity, and the absolute error of our model is 13.67%, less than NRLMSISE-00 model. Fourier representation can catch the intra-annual variations more accurately than NRLMSISE-00 model and JB2008 model especially during 2002. We find that the Autumn maximum is slightly greater than Spring maximum during solar minimum, while the reverse is correct during solar maximum. There is a strong linear relation between solar activity and the amplitude of annual/semiannual variations, and the correlation coefficients are 0.9534 and 0.9424, respectively. Moreover, the amplitude ratio of the annual to semiannual variation is about 1.3 averaged, and changes in different years, but it has little relation with solar activity. Besides that, the amplitude of annual variation is larger than semiannual variation during 1996 and 2006 except 1998 and 2000. The relative error of NRLMSISE-00 model is 14.95%, decreasing to 12.49% after revising, and the correlation coefficients between this empirical model and its improved results and the observation are 0.8185 and 0.9210, respectively. Finally, we suggest the revised version of MSIS series of model should use the Fourier representation to express the intra-annual variations.     

Performance of GPS-based accelerometry: A simulation experiment

Recent studies have shown that with the availability of high-quality CHAMP and GRACE gravity field models, it is feasible to determine accurate non-gravitational accelerations for low Earth orbiting satellites indirectly from precise GPS satellite-to-satellite observations. Possible applications of this so-called GPS-based accelerometry approach consist of accelerometer calibration and atmospheric density and wind computations. With the growing number of high-quality space-borne GPS receivers, this method could be applied to a large range of satellites. In this paper an extensive simulation study has been carried out, based on real accelerometer data from the GRACE mission, in order to determine the optimal processing strategy and the resulting accuracy of the estimated non-gravitational accelerations. It is shown that the optimal processing strategy consists of a piecewise linear parameterization of the estimated empirical accelerations, together with short 6-h orbit arcs. The GPS-based accelerometry approach makes use of triple-differenced GPS observations and the impact of considering the correlated observation noise was found to be marginal in the presence of other error sources such as GPS ephemeris errors. Using a priori non-gravitational force models improves the recovery of low temporal resolution accelerations, except during huge geomagnetic storms. With this strategy, non-gravitational accelerations can be recovered during high solar activity with an accuracy of better than 10% of the total signal in along-track direction and around 25–40% in cross-track direction, at time resolutions of around 8–20 min. During solar minimum conditions, the relative recovery error will increase to approximately 50% in along-track direction and around 60–70% in cross-track direction, due to the reduced atmospheric drag signal. Unfortunately, GPS-based accelerometry is hardly sensitive in the radial direction.     

GEO轨道相对论电子日积分通量预报统计建模

基于辐射带相对论电子哨声波局地加速理论，将地磁AE指数作为源电子通量和通量各向异性的指标，将地磁Dst指数作为损失机制的指标，利用滑动窗口线性滤波器方法，建立了一个地球静止轨道大于2MeV相对论电子预报模型.利用该模型开展了2000-2009年地球静止轨道相对论电子通量预报试验.研究发现，这10年总预报效率为0.818，2003年的预报效率（0.633）最低，2009年的预报效率（0.856）最高.模型预报效果与持续模型相比有很大提高，略低于利用太阳风参数作为输入的同类预报模型的预报效果.这说明即使在缺少太阳风参数的情况下，该模型利用地磁扰动参数也能取得较好的预报效果.当模型输入参数增加了太阳风速度时，即综合考虑了行星际扰动和磁层扰动对辐射带粒子加速过程的影响，模型逐年的预报效率进一步提升.其中，2005年的预报效率提升了9.5%，这10年的总预报效率增加到0.848，预报值与实测值之间的线性相关系数为0.918，均方根误差为0.422.