改进灰色系统在卫星钟差预报中应用.docVIP

改进灰色系统在卫星钟差预报中应用 　　摘 要：首先分析了卫星钟差预报的作用和常用的卫星钟差预报方法。介绍了传统灰色系统模型的算法流程，并随机对4颗卫星进行钟差预报得出传统模型钟差预报存在系统误差的缺陷。最后在传统灰色系统模型的基础上采用线性拟合的方法拟合出误差改正模型，再次将钟差预报进行改正。分析钟差预报精度，并统计均方根误差和极差两项指标，表明改进后的预报模型精度和稳定性方面都有很大提高。 　　关键词：灰色系统；卫星钟差；线性模型 　　引言 　　由于卫星定位技术实质上是一种空间距离交会，且信号传播速度很快，因此时钟的同步在GNSS（全球卫星导航系统）中起着至关重要的作用。时钟的同步包括卫星钟和接收机钟与GNSS标准时间的同步。尽管可以从卫星导航电文中获取到卫星钟差，但是其精度不能够满足精密定位尤其是动态单点定位的要求。IGS服务机构对外提供多种钟差产品，期精度也很高，其RMS（均方根误差）可以达到ns级，对于最终的精密钟差产品可以到达ps（皮秒）级。但是这些产品对于实时定位中的应用还有缺陷，而且不是真正的实时产品。因此卫星钟差的预报已经成为PPP（精密单点定位）及与之相关的领域发展的一个瓶颈。随着GNSS技术在个领域当中的应用推广，GNSS现在的工作重点有往动态尤其是单点精密动态及高动态定位、测速等领域倾斜的趋势。因此精密钟差的实时预报就显得尤为重要，对于精密定位及高动态导航，精密测速都有着现实意义。 　　近年来关于卫星钟差的预报方法有很多，归纳起来主要有以下几种方法[1-5]：二次多项式法（QP）、小波神经网络发（WNN）、灰色系统模型法（GM（1，1））。由于卫星钟差的变化非常敏感，受到多种因素的影响可以将其定位一个灰色模型，崔先强[2]讨论了灰色系统模型在卫星钟差中的应用。王宇谱[1]研究了小波神经网络方法在卫星钟差预报中的应用，并使用了钟差的一次差预报原理进行计算。郑作亚[5]系统的分析了常用钟差预报方法的优点与不足。张斌将小波与谱分析应用到钟差预报中，得到ns级的精度。文章将从传统的GM（1，1）方法入手，对其改进引入一种改进的GM方法。 　　1 传统灰色系统模型介绍 　　灰色系统是指部分信息已知、部分信息未知的一种不完全预测系统。其定义是由信息完全状态为“白色”相反则为“黑色”，介于二者之间的为“灰色”。卫星钟差预报可认为是一种灰色系统模型。 　　1.1 GM（1，1）模型算法 　　灰色系统模型可以简单的归纳为以下几个步骤： 　　1.2 传统灰色系统模型局限性 　　文章第3节图1～图4给出了2014年12月13日随机抽取的PRN1，PRN2，PRN7，PRN12四颗卫星的钟差预报值与最终IGS钟差的误差曲线。可以看出，灰色系统模型误差值呈线性分布，且预报时间越长误差越大。很明显灰色系统模型存在一种系统误差。 　　2 改进的灰色系统模型 　　基于上述缺陷，文章提出一种改进的灰色系统模型。改进算法的核心思想即通过拟合的方法求解出系统误差的线性改正模型。 　　新算法首先利用传统方法计算灰色模型系数向量U，然后按如下程序计算： 　　（5）对未知历元钟差进行改正。 　　经过上述算法处理，可以将原来的钟差预报误差进一步优化，使得钟差的预报误差大幅提升，在后面的实例中将会详细介绍。 　　3 算例与分析 　　文章利用IGS服务机构提供的2001年8月20日即GPS周的第1128周的第1天的数据作为已知数据，当天各颗卫星钟差序列的前12个历元作为已知钟差序列。根据已知钟差序列模拟预报出其余各个历元的钟差，将其与IGS钟差产品进行比较得到预报钟差的精度。为了便于对比在此随机的列出大量算例中的PRN1，PRN2，PRN9，PRN11四颗卫星的传统灰色模型和改进模型的钟差预报误差曲线图。下面4幅图中，左边图像为传统灰色模型预报误差，右边为改进后的灰色模型预报误差。 　　进一步分析得到改进模型（CGM（1，1））卫星钟差预报的各项统计指标列于表1，并且将传统灰色模型（GM（1，1））作为对比一并列出。并分为两小时内的短期预报（case1）和全天的长期预报（case2）两种情况进行分析。各项统计指标包括均方根误差（RMS），极差 （Range，最大值与最小值之差）。 　　从表1中可以看出，传统的灰色系统模型其钟差预报精度对于短期预报尚可接受，但是对于长期预报精度太低。且预报的时间越长则预报误差越大，并且呈线性分布。对于改进后的星历预报模型较传统模型而言其精度等级提高100倍以上，对于24小时的预报可以达到ns级。同时，从统计表中还可以看出预报的精度比较稳定，长期预报的均方根误差约0.6ns，长期预报的极差约2.5ns。 　　4 结论与展望 　　文章在传统的灰色系统模型基础上提出一种改进的灰色系统