| 论文中文题名： | 原子钟性能分析与钟差预报算法研究 |
| 姓名： | |
| 学号： | 18301009002 |
| 保密级别： | 公开 |
| 论文语种： | chi |
| 学科代码： | 070104 |
| 学科名称： | 理学 - 数学 - 应用数学 |
| 学生类型： | 硕士 |
| 学位级别： | 理学硕士 |
| 学位年度： | 2021 |
| 培养单位： | 西安科技大学 |
| 院系： | |
| 专业： | |
| 研究方向： | 计算数学 |
| 第一导师姓名： | |
| 第一导师单位： | |
| 论文提交日期： | 2021-06-17 |
| 论文答辩日期： | 2021-06-03 |
| 论文外文题名： | Analysis of atomic clock performance and study on clock difference prediction algorithm |
| 论文中文关键词： | |
| 论文外文关键词： | Atomic clock ; Data preprocessing ; Frequency stability ; BP neural network ; Clock error prediction |
| 论文中文摘要： |
原子钟作为卫星导航系统的核心部件，其性能直接决定卫星导航系统的定位授时服务质量。为了深入了解GNSS的授时服务性能，本文从原子钟性能评估理论和钟差预报算法的不足出发，对原子钟精密钟差数据进行预处理，对比分析了不同导航系统星载原子钟的性能，同时对灰色BP神经网络组合钟差预报模型进行了改进，并通过实例验证。主要研究内容和结论如下： 针对GNSS星载原子钟的在轨性能，对武汉大学数据中心提供的精密钟差数据进行分析，GNSS原子钟钟差数据均存在整天数据缺失的现象，GPS和Galileo原子钟钟差数据变化较为平稳，BDS星载钟C07和Galileo星载钟E19存在数据突变的现象。 通过哈达玛方差对原子钟进行频率稳定度计算，对比不同卫星导航系统的原子钟性能发现，GPS和Galileo的星载钟性能优于BDS和GLONASS。其中，GLONASS星载钟频率准确度整体最好，GPS和Galileo系统星载钟的频率准确度均优于BDS系统；Galileo星载钟的频率漂移率最小，GPS和GLONASS次之，我国的BDS星载钟的频率漂移率最高；Galileo系统原子钟的频率稳定度最好，BDS和GLONASS次之，GPS星载钟频率稳定度最差。 将背景值权重设为变量进行动态寻优同时改进初始值，改进后的灰色模型预报精度提高了10%~20%；构建改进型粒子群算法优化的BP神经网络模型，提高了钟差预报模型的稳定性；最后以改进的灰色模型和优化后的BP神经网络模型分别预报，并线性加权组合预报得到最终的预报结果。改进后的灰色BP神经网络预报模型，预报精度提高了20%~50%，稳定度平均提高了20%。 |
| 论文外文摘要： |
As the core component of satellite navigation system, the performance of atomic clock directly determines the positioning and timing service quality of satellite navigation system. In order to deeply understand the performance of GNSS time service, this paper starts with the deficiencies of the atomic clock performance evaluation theory and clock error prediction algorithm, preprocesses the precision clock error data of the atomic clock, compares and analyzes the performance of the spaceborne atomic clock in different navigation systems. At the same time, the grey BP neural network combined clock error forecasting model is improved and verified by examples. The main research contents and conclusions are as follows: In view of the in orbit performance of GNSS atomic clock, the precision clock difference data provided by Wuhan University data center are analyzed. GNSS atomic clock clock error data has the phenomenon of missing data throughout the day. The data of GPS and Galileo atomic clock clock difference are relatively stable, and data mutation exists in BDS clock C07 and Galileo satellite clock E19. The frequency stability of atomic clock is calculated by Hadamard variance, and the performance of atomic clock of different satellite navigation systems is compared. It is found that the performance of GPS and Galileo is better than that of BDS and GLONASS. Among them, GLONASS satellite clock frequency accuracy is the best, GPS and Galileo satellite clock frequency accuracy are better than BDS system; Galileo satellite clock frequency drift rate is the smallest, followed by GPS and GLONASS, China's BDS satellite clock frequency drift rate is the highest; Galileo atomic clock frequency stability is the best, followed by BDS and GLONASS, GPS satellite clock frequency stability is the worst. Setting the weight of background value as a variable for dynamic optimization and improving the initial value, the prediction accuracy of the improved Grey model is improved by 10% ~ 20%; constructing the BP neural network model optimized by improved particle swarm optimization algorithm to improve the stability of the clock error prediction model; finally, the improved Grey model and the optimized BP neural network model are used to predict respectively, and the linear weighted combination prediction is obtained The final forecast results. The improved grey BP neural network prediction model improves the prediction accuracy by 20% ~ 50% and the average stability by 20%. |
| 参考文献： |
[2]吴海玲, 高丽峰, 汪陶胜, 等. 北斗卫星导航系统发展与应用[J]. 导航定位 学报, 2015, 3(02): 1-6. [3]彭劲松. BDS-3多系统多频组合伪距单点定位精度分析[J]. 地球物理学进展, 2020, 35(06): 2090-2095. [5]BDS/Galileo星载原子钟长期性能分析及钟差实时预报算法研究[D]. 西安: 长安大学, 2019. [6]胡锦伦, 李树洲, 李大志. 国际原子时进展中的原子钟[J]. 宇航计测技术, 2002, (05): 6-12. [7]刘继业, 陈西宏, 刘强, 等. 基于改进粒子群优化LS-SVM的卫星钟差预报研究[J]. 宇航学报, 2013, 34(11): 1590-1515. [8]郭海荣. 导航卫星原子钟时频特性分析理论与方法研究[D]. 郑州: 解放军信息工程大学, 2006. [9]刘伟平, 郝金明. 国外卫星导航系统精密定轨技术的研究现状及发展趋势[J]. 测绘通报, 2016, (03): 1-6. [10]卢鋆, 张弓, 陈谷仓, 等. 卫星导航系统发展现状及前景展望[J]. 航天器工程, 2020, 29(04): 1-10. [11]李洪涛, 王晓芳, 白锐锋. 基于采样方差的卫星钟信号分析[J]. 北京测绘, 2009, (02):10-12. [12]杨洋, 董旭荣, 李晓宇, 等. 星载原子钟性能分析方法比较研究[J]. 科学技术与工程, 2012, 12(36): 9801-9804. [13]张清华, 隋立芬, 贾小林, 等. 全球定位系统BLOCKⅡF星载原子钟性能评估[J]. 导航定位学报, 2014, 2(01): 46-50. [14]宋会杰, 董绍武, 王正明, 等. NTSC守时氢钟性能分析[J]. 天文学报, 2015, 56(06): 628-636. [15]王宇谱, 吕志平, 王宁. BDS星载原子钟长期性能分析[J]. 测绘学报, 2017, 46(02): 157-169. [16]王宇谱, 吕志平, 李林阳, 等. GPS BLOCK IIF星载原子钟长期性能分析[J]. 天文学报, 2017, 58(03): 13-23. [17]艾青松, 徐天河, 贾小林, 等. 精密定轨与时间同步系统噪声对GNSS卫星钟性能评估的影响分析[J]. 大地测量与地球动力学, 2017, 37(09): 937-950. [18]王阳, 胡彩波, 徐金锋, 等. BD-2在轨卫星钟性能分析[J]. 大地测量与地球动力学, 2019, 39(03): 252-255, 268. [20]赵琳琳, 刘万科, 李建龙, 等. Galileo/GPS星载原子钟在轨性能评估与分析[J]. 测绘地理信息, 2020, 45(01): 13-19. [21]丁毅涛, 郭美军. 基于不同机构钟差产品的GNSS星载钟性能分析与评估[J]. 时间频率学报, 2020, 43(01): 72-84. [22]黄观文. GNSS星载原子钟质量评价及精密钟差算法研究[D]. 西安: 长安大学, 2012． [23]Riley W J. Handbook of Frequency Stability Analysis[J]. NIST SP, 2007, 1065: 1-123. [24]冯遂亮. 原子钟数据预处理与钟性能分析方法研究[D]. 郑州: 解放军信息工程大学, 2009. [25]仝海波, 沙海, 张国柱, 等. 一种GNSS卫星轨道高精度实时插值方法[J]. 国防科技大学学报, 2012, 34(2): 59-63. [26]庄宿军, 汪志飞. 三种插值方法在水下地形测量数据处理中的应用和比较[J]. 科学技术创新, 2020, 25: 55-56． [27]余渝, 周敬烈. 三次样条在卫星轨道预报插值法中的应用[J]. 现代雷达, 2013, 32(02): 18-21. [32]樊多盛, 施韶华, 李孝辉. Kalman滤波的铷原子钟控制算法[J]. 宇航学报, 2015, 36(01): 90-95. [33]黄孝增. 基于ARMA模型的GPS钟差预报改进研究[J]. 测绘通报, 2015, (S1): 103-105. [34]杨超, 张家荣, 贾勇帅. 基于GM(1,1)模型的卫星钟差短期预报[J]. 全球定位系统, 2016, 41(02): 89-91. [35]郭承军, 滕云龙. 神经网络在卫星钟差短期预报中的应用研究[J]. 测绘科学, 2011, 36(04): 198-200. [37]雷雨, 赵丹宁, 高玉平. 基于灰色系统和神经网络的钟差预报[J]. 时间频率学报, 2013, 36(03): 156-163. [38]郭振华, 韩保民, 赵金生, 等. 基于灰色BP网络的卫星钟差预报[J]. 山东理工大学学报(自然科学版), 2012, 26(04): 39-42. [39]杨帆, 谢洋洋. 遗传灰色神经网络的卫星钟差预报模型[J]. 导航定位学报, 2017, 5(02): 107-134. [40]赵增鹏, 杨帆, 张子文, 等. 粒子群算法优化的灰色神经网络的卫星钟差预报[J]. 导航定位学报, 2018, 6(02): 53-56. [41]闵扬海, 王潜心, 丛丽娟, 等. 一种基于灰色神经网络的卫星钟差预报策略[J]. 测绘科学, 2019, 44(08): 190-198. [42]付文举. GNSS在轨卫星钟特性分析及钟差预报研究[D]. 西安: 长安大学, 2014. [43]于烨, 黄默, 段涛, 等. 粒子群优化加权灰色回归组合的卫星钟差预报[J]．哈尔滨工业大学学报, 2020, 52(10): 144-151. [44]张清华, 王源. BDS与GPS/GLONASS星载钟性能的比较分析[J]. 海洋测绘, 2015, 35(02): 62-67. [45]罗璠, 李建文, 黄海, 等. 北斗卫星钟稳定性分析及噪声识别[J].测绘科学技术学报, 2014, (01): 34-37. [46]陈鹏宇, 邓宏伟. GM(1,1)模型的改进现状及应用[J]. 统计与决策, 2019, 35(06):80-82. [47]刘俊峰, 夏爱生, 夏军剑. 基于背景值和初始值改进的灰色预测模型[J]. 军事交通学院学报, 2016, 6(17): 75-80. [48]邵鹏, 吴志健. 一种带正弦函数因子的粒子群优化算法[J]. 小型微型计算机系统, 2015, 36(01): 156-161. [49]葛艳, 刘杏杏, 谢俊标. 改进粒子群优化BP神经网络的轮毂分类算法[J]. 中国科技论文, 2019, 14(07): 773-777. |
| 中图分类号： | P228 |
| 开放日期： | 2021-06-17 |
谷歌
火狐
