论文部分内容阅读
GPS卫星钟的性能和导航系统的稳定性是影响整个卫星导航系统定位精度和授时精度的两个主要因素。GPS卫星钟差预报在实时GPS应用中有着重要意义，但目前广播星历和IGS超快速预报产品中的钟差精度仍然没有达到足够的精度;高精度的卫星钟差预报同时也是卫星导航系统守时的核心技术之一;维持卫星导航系统的高稳定性和高精度同步需要高精度的卫星钟差预报。本文针对GPS卫星钟差预报和GPS卫星导航系统时间尺度算法展开了如下工作: 1、分析了七种原子钟噪声的时域、频域特征，研究了其中五种常见噪声对原子钟稳定性的影响，并系统分析和识别了当前GPS卫星钟的噪声特征; 2、利用二次多项式、卡尔曼滤波、灰色模型和径向基函数神经网络分别对稳定度不同的GPS卫星钟差进行五分钟、一小时、十二小时和一天的建模预报，比较这几种模型不同时长下的预报精度与卫星钟差稳定度差异之间的关系，得出如下结论:1）GPS卫星钟稳定度的差异对二次多项式的五分钟预报和一小时预报精度影响较小，但对十二小时预报和一天的预报精度影响较大;2）GPS卫星钟的稳定度的差异对卡尔曼滤波模型的五分钟、一小时、十二小时和一天的预报精度均有影响，稳定度越优，预报精度越高;3）GPS卫星钟稳定度的差异对灰色模型的五分钟和一小时的短期预报有一定的影响，对十二小时和一天预报精度影响较小;4）卫星钟差稳定度的差异对径向基函数神经网络的一小时预报精度影响较小，对五分钟预报精度和十二小时预报精度有一定的影响，对一天的预报精度影响较大; 3、利用这几种模型对同一时间段卫星钟差的数据进行预报，通过分析和比较其统计结果，得出如下结论:1）卡尔曼滤波模型适合于稳定度最优的卫星钟的五分钟、十二小时和一天的预报;2）灰色模型适合于稳定度较差的卫星钟的预报;3）径向基函数神经网络适合于稳定度次优的卫星钟的十二小时和一天的预报; 4、针对卫星导航系统对时间尺度的稳定度需求，基于GPS卫星钟差数据，利用卡尔曼滤波算法和KPW算法分别建立时间尺度，并重点比较了这两种方法建立时间尺度的短期稳定性，实验结果显示KPW算法具有更优的短期稳定性; 5、由于径向基函数神经网络对GPS卫星钟差优越的预报性能，本文提出了基于径向基函数神经网络的时间尺度算法，实验结果显示该方法比KPW算法建立的时间尺度具有更优的稳定性。