基于小波与ARMA 模型的卫星钟差预报方法

基于小波与ARMA 模型的卫星钟差预报方法

ID:38277350

大小:1.06 MB

页数:5页

时间:2019-05-25

基于小波与ARMA 模型的卫星钟差预报方法_第1页
基于小波与ARMA 模型的卫星钟差预报方法_第2页
基于小波与ARMA 模型的卫星钟差预报方法_第3页
基于小波与ARMA 模型的卫星钟差预报方法_第4页
基于小波与ARMA 模型的卫星钟差预报方法_第5页
资源描述:

《基于小波与ARMA 模型的卫星钟差预报方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第30卷第6期大地测量与地球动力学Vol.30No.62010年12月JOURNALOFGEODESYANDGEODYNAMICSDec.,2010文章编号:16715942(2010)06010005基于小波与ARMA模型的卫星钟差预报方法张清华隋立芬牟忠凯(解放军信息工程大学测绘学院,郑州450052)摘要针对导航卫星钟差预报中通常采用的二次项拟合模型(短期预报)与灰色模型(长期预报),只考虑钟差趋势项而忽略其随机项的问题,提出了一种结合小波与ARMA模型的钟差预报改进算法。在算例中采用IGS提供的精密钟差进

2、行预报,结果表明,改进后的算法进一步提高了钟差预报的精度。关键词钟差预报;小波;ARMA;二次项拟合模型;灰色模型中图分类号:P207文献标识码:AAGPSPRECISECLOCKERRORSPREDICTIONMODELBASEDONWAVELETANDARMAZhangQinghua,SuiLifenandMuZhongkai(InstituteofSurveyingandMapping,InformationEngineerUniversity,Zhengzhou450052)AbstractThequadrati

3、cpolynomialmodelandgreymodelusedinshortandlongperiodclockerrorspredictionsareanalyzed,consideringthatthesemodelsonlythinkabouttrenditembutnotrandomitem.Animprovedmethodisgiven,whichcombineswaveletandARMA.Thecomputationresultsshowthatthroughanexamplebyusingthepr

4、eciseclockerrorsfromIGS(InternationalGPSService)theimprovedmodelhashigheraccuracy.Keywords:clockerrorsprediction;wavelet;ARMA;quadraticpolynomialmodel;greymodel[5,6]型,而在长期预报时,基于灰色模型的钟差预报1引言[7]法是一种比较好的方法。但这两种预报模型仅在导航卫星的精密单点定位中,精确的位置测仅是在钟差的趋势项上建立钟差的函数模型而不考量实际上就是精确的

5、时间测量,如果没有高精度的虑钟差的随机部分。针对钟差随机项的建模,目前[1-3]原子钟,就不可能实现高精度的点位测量。而主要采取ARMA(AutoRegressiveMovingAverage)精密单点定位中通常采用IGS或者其数据分析中心模型来进行,但存在ARMA模式识别困难的问[8,9]提供的精密钟差数据,这些亚纳秒级的精密钟差产题。文中采取小波与ARMA模型结合的建模方[10]品是后处理数据,有13天的时间延迟,而IGS提供法,一定程度上解决了上述问题,进一步提高了的广播钟差与预报钟差的精度甚至达不到纳秒级,钟差预

6、报的精度。[4]所以对精密钟差数据的实时预报很有必要。2钟差预报模型目前,国内外学者对钟差模型的预报已有大量的研究,在短期预报时通常采取二次项拟合模针对星载原子钟钟差数据具有缓慢上升或下降收稿日期:20100406基金项目:国家自然科学基金(40974010,40971306)作者简介:张清华,男,1986年生,硕士生,主要从事GNSS误差处理理论与方法研究.E-mail:sqmha@126.com第6期张清华等:基于小波与ARMA模型的卫星钟差预报方法101的特性,二次项拟合模型对于短期预报有明显的优式(7)为G

7、M(1,1)模型,解为:势,其原理简单,模型清晰,易于在工程上实现。对X^(k)=(X^(1)-u)e-a(k-1)+u(8)(1)(1)于钟差的长期预报,由于星载原子钟容易受到外界aa环境因素的干扰,很难在一个比较长的时间尺度上预测值为:a掌握其复杂的变化规律并进行预报,但如果考虑将X(0)(k)=X(1)(k)-X(1)(k-1)=(1-e)钟差的变化过程看作一个灰色系统,并用灰色模型X(1)-ue-a(k-1)(9)[(0)a][11]进行预报,可以取得较好结果,也是近些年常用上式中,k为自变量序列,a为发展灰数,

8、u为控制灰的钟差长期预报方法。而基于ARMA模型的预报T数。其中参数序列为a^,a^=[a,u],数据阵为A,数是以上两种模型的补充和改进。以下对3种方法进据列为L,如下:行简介,并给出模型改进的思路。12.1二次项拟合模型-[X(1)(1)+X(1)(2)]12该模型是将二次幂函数作为拟合的目标函数,1

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。