| 论文中文题名： | 铯原子钟数据噪声处理及钟差预报算法研究 |
| 姓名： | |
| 学号： | 21201221067 |
| 保密级别： | 公开 |
| 论文语种： | chi |
| 学科代码： | 025200 |
| 学科名称： | 经济学 - 应用统计 |
| 学生类型： | 硕士 |
| 学位级别： | 经济学硕士 |
| 学位年度： | 2024 |
| 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： | 2024-06-14 |
| 论文答辩日期： | 2024-06-04 |
| 论文外文题名： | Research on data noise processing and clock bias prediction algorithm of cesium atomic clock |
| 论文中文关键词： | |
| 论文外文关键词： | Atomic clock ; Data denoising ; Variational mode decomposition ; Clock bias prediction ; LSTM model |
| 论文中文摘要： |
原子钟在时频领域扮演着至关重要的角色，它不仅为全世界提供了精准的时间基准，还深刻影响着全球定位、通信等关键技术的发展。鉴于此，提高原子钟测量的精确度及时间同步的可靠性成为了时频领域的共同目标。在众多原子钟类型中，铯原子钟因其广泛的应用而显得尤为重要，其性能直接关系到时间频率标准的准确性和稳定性。因此文章围绕铯钟数据降噪方法和钟差预报模型的现有不足，展开了相应的研究。主要内容如下： 面对原子钟数据存在噪声的现象，在原子钟噪声模型和性能分析的基础上，针对传统变分模态分解(Variational Mode Decomposition, VMD)依赖人工选择参数和盲目选择分量从而导致重构信号失真的问题，提出了一种基于粒子群优化算法的二次VMD降噪方法。首先，使用包络熵作为适应度函数自动确定最佳分解层数和惩罚项系数；随后，通过引入能量熵、灰色关联度和方差贡献率构建一种综合评估指标，有效区分噪声与信号主导分量；最后，对噪声主导分量进行二次VMD降噪处理，实现信号更为精准的重构。实证表明，该方法显著提高了铯钟在短时间间隔内的频率稳定度；该方法的评价指标优于其他方法，均方根误差平均增益达18.42%，信噪比平均提升1.87 dB以上，验证了该降噪方法的有效性和可靠性。 针对在钟差预报中单一模型精度不足而组合模型复杂性增加的问题，提出了一种基于拟合残差的长短期记忆神经网络(Long Short-Term Memory, LSTM)多层次预报模型。使用基于粒子群优化的二次VMD方法降噪处理后的铯钟数据，研究基于24 h与36 h观测时长的预报性能。通过比较传统、新信息及新陈代谢灰色模型的结果，选择出适应不同数据和观测时长的最优灰色模型。结果显示，基于拟合残差的LSTM多层次模型相较于最优灰色模型、单一LSTM和基于拟合残差的最优灰色与LSTM的组合模型，预报精度提高了24%及以上。此外，与降噪前预报结果相比，基于粒子群优化的二次VMD降噪方法提高了预报精度，均方根误差和平均绝对误差分别平均降低了9%和7%。 |
| 论文外文摘要： |
An essential component of the time-frequency field is the atomic clock. It not only gives the entire globe an accurate time standard, but also it has a significant impact on the advancement of vital technologies like communication and global location. In view of this, enhancing the precision of atomic clock measurement and the dependability of time synchronization have emerged as shared objectives in the time-frequency domain. Among many types of atomic clocks, cesium atomic clock is particularly important because of its wide application. Its performance is directly related to the accuracy and stability of time and frequency standards. As a result, this thesis conducts corresponding research and focuses on the current inadequacies of the cesium clock data noise reduction approach and the clock bias prediction model. The following are the primary contents: An improved variational mode decomposition method based on the particle swarm optimization algorithm is proposed to address the issue of noise in atomic clock data. This method is based on performance analysis and the atomic clock noise model. The traditional variational mode decomposition relies on manual parameter selection and blind component selection, which distorts the reconstructed signal. First, the best decomposition level and punishment coefficient are automatically found using the envelope entropy as the fitness function. Next, energy entropy, gray correlation degree, and variance contribution rate are added to create a comprehensive evaluation index that can effectively separate the primary IMF components of noise and signal. In order to achieve more precise signal reconstruction, secondary VMD noise reduction processing is applied to the noise-dominating component. The empirical findings demonstrate that, This method significantly improves the frequency stability of cesium clock in a short time interval. Compared to other methods, this method's evaluation index is superior. This indicates that the noise reduction method is reliable and successful, as seen by the average gain of 18.42% in the root mean square error and an average rise in the signal-to-noise ratio of more than 1.87 dB. In order to address the issue of insufficient accuracy from a single model and increased complexity from a combination model when predicting clock bias, a multi-level prediction model of Long Short-Term Memory (LSTM) based on fitting residual is developed. The secondary VMD approach based on particle swarm optimization is used to denoise the processed cesium clock data in order to study the prediction performance based on 24 and 36 hours of observation time. By comparing the results of traditional, new information, and metabolic gray models, the optimal gray model suitable for different data and observation times is selected. The results show that the prediction accuracy of the LSTM multi-level model based on the fitting residuals is improved by 24% or more compared with the optimal grey model, the single LSTM, and the optimal grey and LSTM combined model based on the fitting residuals. In addition, compared with the prediction results before noise reduction, the secondary VMD noise reduction method based on particle swarm optimization improves the prediction accuracy, and the root mean square error and mean absolute error are reduced by an average of 9% and 7%, respectively. |
| 参考文献： |
[1] 陈国军, 贾学东, 朱蕊, 等.一种基于幅度相位修正的高精度时间间隔测量方法[J]. 测绘科学技术学报, 2020, 37(04): 340-343+349. [2] 王东旭. 氢原子钟钟差预报及其在时间尺度中的应用研究[D]. 西安: 中国科学院大学(中国科学院国家授时中心), 2022. [3] 胡炳元, 许雪梅. 时间频率的精密计量及其意义[J]. 物理教学探讨, 2006, (11): 1-3. [4] 施敏琳, 张向波, 赵当丽, 等. 基于GNSS载波相位的守时系统远程性能评估方法研究[J]. 大地测量与地球动力学, 2024, 44(03): 251-256. [5] 韩孟纳, 童明雷, 李变. 脉冲星对氢原子钟的频率驾驭算法研究[J]. 天文学报, 2023, 64(06): 71-82. [6] 王世伟, 郭永刚, 陆昉, 等. 基于原子钟的组合守时系统的研制与开发[J]. 国外电子测量技术, 2022, 41(10): 126-130. [7] 史丰丰, 程梦飞, 李国俊, 等. 国产守时型原子钟长期性能分析[J]. 时间频率学报, 2023, 46(04): 279-288. [8] 武子谦, 唐成盼, 张京奎, 等. 基于WUM精密钟差产品的BDS-3星载原子钟性能评估[J]. 无线电工程, 2023, 53(05): 1032-1040. [10] 张慧君. 高精度时间频率信号测量与分析平台的设计[D]. 西安: 中国科学院研究生院(国家授时中心), 2003. [11] 邓智峰, 刘娅, 刘音华, 等. 多通道时间间隔实时分析仪设计与实现[J]. 宇航计测技术, 2021, 41(01): 20-26. [12] 刘前林, 王立世, 黄新建. 运用傅里叶变换对差分吸收光谱的解析[J]. 光谱学与光谱分析, 2008, (05): 1076-1079. [13] 惠恬, 赵高长, 苏军, 等. 原子钟数据的改进经验模态分解降噪[J]. 河南科技大学学报(自然科学版), 2021, 42(05): 45-50+56+7. [14] 王璟, 张立芳, 杨巨生, 等. 基于小波和经验模态分解的波长调制信号降噪研究[J]. 激光与光电子学进展, 2022, 59(18): 481-487. [16] 赵明亮, 汪立新, 秦伟伟. 基于状态扩增的MEMS陀螺随机误差实时滤波研究[J]. 电光与控制, 2019, 26(05): 68-72. [18] 朱江淼, 孙盼盼, 高源, 等. 原子钟频差数据去噪算法的研究[J]. 计量学报, 2017, 38(04): 499-503. [19] 梁益丰, 许江宁, 吴苗, 等. 北斗卫星钟差的CEEMDAN分解与周期项提取方法[J]. 中国惯性技术学报, 2022, 30(04): 476-484. [24] 程博, 丘晓枫, 季凌燕, 等. BDS精密卫星钟差建模与预报[J]. 测绘科学, 2019, 44(10): 14-20. [25] 谭小容, 许江宁, 何泓洋, 等. GM(1,1)模型初始条件优化及其在GNSS钟差预报中的应用[J]. 大地测量与地球动力学, 2022, 42(09): 919-924. [26] 卢玉皖, 郑礼全, 胡超. 基于多种深度学习算法对卫星钟差预报的效果分析与对比研究[J]. 全球定位系统, 2023, 48(05): 46-55+91. [27] 押少帅. 北斗星载原子钟性能分析与钟差预报研究[D]. 淮南: 安徽理工大学, 2022. [28] 王威, 胡彩波, 赵鹤, 等. 一种LSTM神经网络在卫星钟频率快速变化期间钟差预报的应用[J]. 大地测量与地球动力学, 2023, 43(04): 369-373. [29] 王锐, 弓剑军, 杜洪强, 等. 基于长短时记忆神经网络(LSTM)的钟差预报算法[J]. 宇航计测技术, 2022, 42(05): 57-62. [30] 梅长松, 李天智, 李铭, 等. 基于熵权法的卫星钟差预报研究[J]. 计量学报, 2022, 43(09): 1208-1215. [31] 布金伟, 左小清, 常军, 等. BDS/GPS星载原子钟的短期钟差预报模型研究[J]. 天文学报, 2018, 59(01): 72-86. [32] 艾青松. GNSS卫星钟差估计与精密单点定位时间传递方法研究[D]. 武汉: 中国科学院大学(中国科学院精密测量科学与技术创新研究院), 2021. [33] 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: 中国人民解放军信息工程大学, 2006. [34] 马岳鑫, 唐成盼, 胡小工. 原子钟频率稳定度评估方法综述[J]. 天文学进展, 2023, 41(01): 134-144. [35] 程梦飞, 王宇谱, 薛申辉, 等. 北斗二号卫星导航系统运行末期卫星钟性能评估[J]. 中国惯性技术学报, 2020, 28(03): 372-379. [37] 冯遂亮, 宋力杰. 导航卫星原子钟频率稳定度估计的小波方差方法[J]. 测绘科学, 2010, 35(03): 21-23. [38] 冯遂亮, 宋力杰. GPS卫星原子钟频率稳定度表征方法分析[J]. 全球定位系统, 2009, 34(01): 19-23. [39] 吴静. 利用中位数的GPS卫星钟跳探测方法[J]. 测绘科学, 2015, 40(06): 36-41. [40] 王建敏, 李特. 北斗三号卫星位置插值研究[J]. 测绘通报, 2021, (12): 50-53. [41] 黄旭方, 韦义宏, 唐秋玲, 等. 三次样条在卫星轨道插值中的应用研究[J]. 测绘科学, 2017, 42(01): 93-100. [43] 鲁铁定, 李祯, 贺小星, 等. 融合VMD和XGBoost算法的GNSS高程时间序列预测方法[J]. 测绘学报, 2023, 52(08): 1235-1244. [45] 秦全德, 黄兆荣, 周至昊, 等. 基于包络熵的双层分解流感预测模型研究[J]. 系统工程理论与实践, 2023, 43(12): 3505-3519. [46] 赵杰, 解则晓, 刘世萱. 基于能量熵VMD最优分解与GRU循环神经网络的潮汐预测精度提升方法研究[J]. 仪器仪表学报, 2023, 44(12): 79-87. [47] 吴彤, 高彩霞, 付子义. 基于改进EEMD、KPCA与RBF结合的变负载下滚动轴承故障程度识别[J]. 制造业自动化, 2018, 40(08): 63-67. [48] 崔奔, 张文斌, 郭盼盼. 一种滚动轴承早期故障特征提取方法[J]. 噪声与振动控制, 2023, 43(06): 95-100+156. [50] Johnson DH. Signal-to-noise Ratio.[J]. Scholarpedia, 2006, 1(12). [51] 徐永恒. GM(1,1)经济预测模型[J]. 财贸研究, 1992, (04): 61-64. [52] 姚天祥, 刘思峰, 谢乃明. 新信息离散GM(1,1)模型及其特性研究[J]. 系统工程学报, 2010, 25(02): 164-170. [53] 孙敏. 一种流异常自动检测系统的研究与实现[J]. 计算机工程与应用, 2005(15): 160-165. [54] 王建敏, 毕祥鑫, 黄佳鹏. BDS精密钟差短期预报[J]. 导航定位学报, 2023, 11(01): 30-38. |
| 中图分类号： | TP18 |
| 开放日期： | 2024-06-17 |
谷歌
火狐
