資源描述：
《基于小波與ARMA 模型的衛(wèi)星鐘差預報方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第３０卷第６期大地測量與地球動力學Ｖｏｌ．３０Ｎｏ．６２０１０年１２月ＪＯＵＲＮＡＬＯＦＧＥＯＤＥＳＹＡＮＤＧＥＯＤＹＮＡＭＩＣＳＤｅｃ．，２０１０文章編號：１６７１５９４２（２０１０）０６０１０００５基于小波與ＡＲＭＡ模型的衛(wèi)星鐘差預報方法張清華隋立芬牟忠凱（解放軍信息工程大學測繪學院，鄭州４５００５２）摘要針對導航衛(wèi)星鐘差預報中通常采用的二次項擬合模型（短期預報）與灰色模型（長期預報），只考慮鐘差趨勢項而忽略其隨機項的問題，提出了一種結(jié)合小波與ＡＲＭＡ模型的鐘差預報改進算法。在算例中采用ＩＧＳ提供的精密鐘差進
2、行預報，結(jié)果表明，改進后的算法進一步提高了鐘差預報的精度。關(guān)鍵詞鐘差預報；小波；ＡＲＭＡ；二次項擬合模型；灰色模型中圖分類號：Ｐ２０７文獻標識碼：ＡＡＧＰＳＰＲＥＣＩＳＥＣＬＯＣＫＥＲＲＯＲＳＰＲＥＤＩＣＴＩＯＮＭＯＤＥＬＢＡＳＥＤＯＮＷＡＶＥＬＥＴＡＮＤＡＲＭＡＺｈａｎｇＱｉｎｇｈｕａ，ＳｕｉＬｉｆｅｎａｎｄＭｕＺｈｏｎｇｋａｉ（ＩｎｓｔｉｔｕｔｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５００５２）ＡｂｓｔｒａｃｔＴｈｅｑｕａｄｒａｔｉ
3、ｃｐｏｌｙｎｏｍｉａｌｍｏｄｅｌａｎｄｇｒｅｙｍｏｄｅｌｕｓｅｄｉｎｓｈｏｒｔａｎｄｌｏｎｇｐｅｒｉｏｄｃｌｏｃｋｅｒｒｏｒｓｐｒｅｄｉｃｔｉｏｎｓａｒｅａｎａｌｙｚｅｄ，ｃｏｎｓｉｄｅｒｉｎｇｔｈａｔｔｈｅｓｅｍｏｄｅｌｓｏｎｌｙｔｈｉｎｋａｂｏｕｔｔｒｅｎｄｉｔｅｍｂｕｔｎｏｔｒａｎｄｏｍｉｔｅｍ．Ａｎｉｍｐｒｏｖｅｄｍｅｔｈｏｄｉｓｇｉｖｅｎ，ｗｈｉｃｈｃｏｍｂｉｎｅｓｗａｖｅｌｅｔａｎｄＡＲＭＡ．Ｔｈｅｃｏｍｐｕｔａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｒｏｕｇｈａｎｅｘａｍｐｌｅｂｙｕｓｉｎｇｔｈｅｐｒ
4、ｅｃｉｓｅｃｌｏｃｋｅｒｒｏｒｓｆｒｏｍＩＧＳ（ＩｎｔｅｒｎａｔｉｏｎａｌＧＰＳＳｅｒｖｉｃｅ）ｔｈｅｉｍｐｒｏｖｅｄｍｏｄｅｌｈａｓｈｉｇｈｅｒａｃｃｕｒａｃｙ．Ｋｅｙｗｏｒｄｓ：ｃｌｏｃｋｅｒｒｏｒｓｐｒｅｄｉｃｔｉｏｎ；ｗａｖｅｌｅｔ；ＡＲＭＡ；ｑｕａｄｒａｔｉｃｐｏｌｙｎｏｍｉａｌｍｏｄｅｌ；ｇｒｅｙｍｏｄｅｌ［５，６］型，而在長期預報時，基于灰色模型的鐘差預報１引言［７］法是一種比較好的方法。但這兩種預報模型僅在導航衛(wèi)星的精密單點定位中，精確的位置測僅是在鐘差的趨勢項上建立鐘差的函數(shù)模型而不考量實際上就是精確的
5、時間測量，如果沒有高精度的慮鐘差的隨機部分。針對鐘差隨機項的建模，目前［１－３］原子鐘，就不可能實現(xiàn)高精度的點位測量。而主要采?。粒遥停粒ǎ粒酰簦铮遥澹纾颍澹螅螅椋觯澹停铮觯椋睿纾粒觯澹颍幔纾澹┚軉吸c定位中通常采用ＩＧＳ或者其數(shù)據(jù)分析中心模型來進行，但存在ＡＲＭＡ模式識別困難的問［８，９］提供的精密鐘差數(shù)據(jù)，這些亞納秒級的精密鐘差產(chǎn)題。文中采取小波與ＡＲＭＡ模型結(jié)合的建模方［１０］品是后處理數(shù)據(jù)，有１３天的時間延遲，而ＩＧＳ提供法，一定程度上解決了上述問題，進一步提高了的廣播鐘差與預報鐘差的精度甚至達不到納秒級，鐘差預
6、報的精度。［４］所以對精密鐘差數(shù)據(jù)的實時預報很有必要。２鐘差預報模型目前，國內(nèi)外學者對鐘差模型的預報已有大量的研究，在短期預報時通常采取二次項擬合模針對星載原子鐘鐘差數(shù)據(jù)具有緩慢上升或下降收稿日期：２０１００４０６基金項目：國家自然科學基金（４０９７４０１０，４０９７１３０６）作者簡介：張清華，男，１９８６年生，碩士生，主要從事ＧＮＳＳ誤差處理理論與方法研究．Ｅ－ｍａｉｌ：ｓｑｍｈａ＠１２６．ｃｏｍ第６期張清華等：基于小波與ＡＲＭＡ模型的衛(wèi)星鐘差預報方法１０１的特性，二次項擬合模型對于短期預報有明顯的優(yōu)式（７）為Ｇ
7、Ｍ（１，１）模型，解為：勢，其原理簡單，模型清晰，易于在工程上實現(xiàn)。對Ｘ＾（ｋ）＝（Ｘ＾（１）－ｕ）ｅ－ａ（ｋ－１）＋ｕ（８）（１）（１）于鐘差的長期預報，由于星載原子鐘容易受到外界ａａ環(huán)境因素的干擾，很難在一個比較長的時間尺度上預測值為：ａ掌握其復雜的變化規(guī)律并進行預報，但如果考慮將Ｘ（０）（ｋ）＝Ｘ（１）（ｋ）－Ｘ（１）（ｋ－１）＝（１－ｅ）鐘差的變化過程看作一個灰色系統(tǒng)，并用灰色模型Ｘ（１）－ｕｅ－ａ（ｋ－１）（９）[（０）ａ]［１１］進行預報，可以取得較好結(jié)果，也是近些年常用上式中，ｋ為自變量序列，ａ為發(fā)展灰數(shù)，
8、ｕ為控制灰的鐘差長期預報方法。而基于ＡＲＭＡ模型的預報Ｔ數(shù)。其中參數(shù)序列為ａ＾，ａ＾＝［ａ，ｕ］，數(shù)據(jù)陣為Ａ，數(shù)是以上兩種模型的補充和改進。以下對３種方法進據(jù)列為Ｌ，如下：行簡介，并給出模型改進的思路。１２．１二次項擬合模型?－［Ｘ（１）（１）＋Ｘ（１）（２）］１??２?該模型是將二次冪函數(shù)作為擬合的目標函數(shù)，?１?
