An improved cyclic multi model-eXtreme gradient boosting (CMM-XGBoost) forecasting algorithm on the GNSS vertical time series

The study of GNSS vertical coordinate time series forecasting is helpful for monitoring the crustal plate movement, dam or bridge deformation monitoring, and global or regional coordinate system maintenance. The eXtreme Gradient Boosting (XGBoost) algorithm is a machine learning algorithm that can evaluate features, and it has a great potential and stability for long-span time series forecasting. This study proposes a multi-model combined forecasting method based on the XGBoost algorithm. The method constitutes a new time series as features through the fitting and forecasting results of the forecasting model. The XGBoost model is then used for forecasting. In addition, this method can obtain higher precision forecasting results through circulation. To verify the performance of the forecasting method, 1095 epochs of data in the Up coordinate of 16 GNSS stations are selected for the forecasting test. Compared with the CNN-LSTM model, the experimental results of our forecasting method show that the mean absolute error (MAE) values are reduced by 30.23 %～52.50 % and the root mean square error (RMSE) values are reduced by 31.92 %～54.33 %. The forecasting results have higher accuracy and are highly correlated to the original time series, which can better forecast the vertical movement of the GNSS stations. Therefore, the forecasting method can be applied to the up component of the GNSS coordinate time series.     

基于基线长度加权的GNSS多天线姿态测量方法

GNSS可用于获取动态载体的姿态信息，为提高其姿态测量精度，提出一种基于基线长度信息对最小二乘姿态解算方法进行加权处理，改进了最小二乘姿态解算方法，同时通过船载实验验证了该方法的可用性。实验结果表明：在船载动态实验中，当基线长度存在明显差异时，加权最小二乘法较等权最小二乘法在精度上明显提高，其中横滚角的精度提高了13 %。     

GNSS实时卫星钟差估计在地震监测中的应用

为快速、有效地获取地震发生阶段震源周边地区站点的动态位移，为地震预警系统提供高可靠性的地表形变信息，利用全球导航卫星系统（global navigation satellite system, GNSS）高频观测数据，基于非差估计法对多模GNSS卫星钟差进行实时估计及性能分析，并将其应用于精密单点定位（precise point positioning, PPP）实时计算2021年漾濞Mw6.4地震和玛多Mw 7.4地震的地面动态形变。结果表明,GNSS四系统实时估计卫星钟差的标准差（standard deviation, STD）均值为0.142 ns，其多系统组合PPP动态解的平均标准差在水平方向达到0.5 cm，高程方向达到1.0 cm，计算得到的地震动态位移波形相对GPS单系统更为稳定，而且能够获得较为准确的同震形变。     

GNSS复杂电磁环境综合监测测向与分析评估技术

复杂的电磁环境是电磁辐射源集合与电波传播环境相互作用的总和.针对目前GNSS易受复杂电磁环境影响的问题,研究了GNSS复杂电磁环境综合监测测向与分析评估技术,提出了专用信道化监测方法、比幅与比相联合测向方法、卫星导航信号和电磁干扰信号综合分析方法以及GNSS复杂电磁环境影响效应分析评估方法,解决了现有通用设备在弱信号监测测向、电磁干扰信号与导航信号联合监测以及在复杂电磁环境影响效应分析评估方面存在的不足.该技术能够指导GNSS复杂电磁环境综合监测测向与分析评估设备的研制,为GNSS复杂电磁环境监测保障的工程化提供了技术支持.     

基于VBGMM-DCNN的列车卫星定位欺骗干扰检测方法

面向基于全球导航卫星系统的铁路列车定位实施欺骗干扰的主动检测，在卫星定位解算层次，运用深度学习建模学习方法的优势，提出一种基于变分贝叶斯高斯混合模型-深度卷积神经网络（variational Bayesian Gaussian mixture model-deep convolutional neural network, VBGMM-DCNN）的列车卫星定位欺骗干扰检测方法。该方法首先提取能够充分体现欺骗干扰对定位解算过程作用影响的卫星观测特征参数，构建干扰检测特征矢量；然后，采用VBGMM模型拟合经过预处理的特征向量的概率分布，得到二维概率密度图；最后，将概率密度图用于DCNN模型实施欺骗干扰的检测决策。结合现场实验所得运行场景数据，利用实验室搭建的欺骗干扰测试环境实施了干扰注入测试与检验，结果表明,欺骗干扰检测性能随着DCNN网络深度的增加而提升，相对于常规有监督决策方法F1值最高提升44.68%。基于VBGMM-DCNN的欺骗干扰检测能够适应测试验证中运用的列车运行特征及定位观测条件，所达到的检测性能优于对比算法。     

NeQuick2 validation using multi-satellite and ground data

Global Navigation Satellite System’s (GNSS) positioning calculation is prone to ionospheric errors. Single frequency GNSS users receive ionospheric corrections through broadcast ionospheric models. Therefore, the accuracy of ionospheric models must be validated based on various geographic and geomagnetic conditions. In this work, an attempt is made to validate NeQuick2 electron density (Ne) using multiple sources of space-based and ground-based data at the Arabian Peninsula and for low solar activity conditions. These sources include space-based data from Swarm, DMSP and COSMIC-2 satellite constellations and ground-based data from GNSS receiver and the ionosonde. The period of this study is 1 year from October 2019 to September 2020. Analysis shows that the agreement between NeQuick2 and experimental Ne close to the peak density height depends on seasons and time of the day with the largest errors found in Autumn and during the daytime. NeQuick2 generally overestimates Ne during the daytime. During the early morning and evening hours, Ne estimates seem to be fairly accurate with slight underestimation in Winter and Spring. Estimation of slab thickness by NeQuick2 is found to be close to the values calculated using collocated ionosonde and GNSS receiver.     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.     

中低纬地区混合LEO星座增强GNSS UPPP收敛性能评估

针对全球卫星导航系统（GNSS）精密单点定位（PPP）收敛时间过长的问题，提出了利用低轨卫星（LEO）几何结构变化快的优势，增强GNSS非差非组合PPP（UPPP）的收敛性能。选取中低纬度地区28个能接收GPS、GALILEO和BDS3信号的测站观测数据，比较了极轨和混合LEO星座的增强效果。结果表明：混合LEO星座增强GPS、GALILEO和BDS组合系统时，各测站收敛时间减少60%~80%，70%的测站收敛速度优于极轨星座。当混合LEO星座增强单BDS时，CL和GCL组合系统的收敛时间相当，ENU方向定位误差变化基本一致。收敛时间从10~20 min 下降至3 min以内，原因是混合LEO增强BDS定位时，大大改善了卫星的空间结构。     

卫星导航有源接收天线噪声温度测量

卫星导航有源接收天线的噪声温度是导航接收系统的关键技术指标之一。针对卫星导航有源天线总体噪声温度无法测量的问题，研制了两台口面型噪声源，口面噪声源主要由辐射体、辐射体物理温度控制和温度测量仪等组成。两个口面噪声源在L和S波段分别提供高低温标准噪声温度，采用Y系数测量方法测量有源接收天线的总体天线噪声温度。测量了某卫星导航有源天线的总噪声温度，在(1.19～1.29) GHz的频率范围内，中心频率1.24 GHz上噪声温度测量结果为206 K，但是在1.266 GHz频率点上噪声温度测量大于4 000 K，说明天线与滤波器之间、滤波器与放大器之间存在设计问题或其它问题，体现出测量有源天线噪声温度的必要性。     

面向低成本GNSS接收机终端的周跳修复策略

载波相位周跳是影响低成本GNSS接收机观测质量的主要因素之一.提出了一种面向低成本GNSS接收机终端的周跳修复策略,通过两种不同观测结果的联合检测以避免时钟和星历突变导致的误修复,并利用载噪比和多项式拟合误差检测载波观测中的无效观测,旨在提升低成本接收机在多径等复杂场景下载波相位观测的可用性.该策略仅使用了单频载波相位和载噪比信息,适用于各类低成本的接收设备.分别在开阔场景和多径场景下使用小米8手机和F9P接收机进行观测试验,结果表明,所有的有效载波相位观测得到了正确修复,仅约0.7％的无效观测被误修复,验证了所提策略的有效性.