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%。     

一种顾及轨道误差的实时GPS钟差估计方法

为了提高实时卫星钟差估计的精度和稳定性，提出了一种顾及轨道误差的实时GPS钟差估计方法。基于超快速轨道产品，分析了轨道标准差与绝对轨道误差的相关性。通过线性插值获得实时轨道误差信息，以优化先验残差的随机模型。基于先验轨道标准差阈值，采用分段方式剔除实时轨道异常卫星对应的观测值。实验结果表明：轨道标准差和轨道误差的相关性高达0.82。与常用的高度角相关的随机模型相比，GPS卫星钟差估计精度最大提高了15.2%，平均提高了8.1%，钟差误差的时间序列更加平稳，所有GPS卫星的平均钟差STD均在0.15ns以内。因此，超快速轨道产品中提供的轨道标准差与绝对轨道误差表现出较强相关。采用顾及轨道误差的实时钟差估计方法可提高GPS卫星钟差估计精度，准确识别并剔除GPS实时轨道异常的卫星，从而提高GPS实时钟差估计的稳定性。