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?