王宇譜

北京衛(wèi)星導(dǎo)航中心，北京 100094

GNSS星載原子鐘是決定導(dǎo)航、定位和授時(shí)性能的導(dǎo)航衛(wèi)星核心載荷之一，開展衛(wèi)星鐘相關(guān)研究對(duì)于系統(tǒng)的正常維持和運(yùn)行具有重要的理論意義和實(shí)踐價(jià)值。本文采用GNSS衛(wèi)星鐘差產(chǎn)品對(duì)鐘差數(shù)據(jù)預(yù)處理、鐘差產(chǎn)品質(zhì)量評(píng)定、星載原子鐘性能分析及衛(wèi)星鐘差建模與預(yù)報(bào)進(jìn)行了系統(tǒng)的研究。論文主要成果和創(chuàng)新點(diǎn)如下：

(1) 設(shè)計(jì)了一種基于中位數(shù)(MAD)方法的長(zhǎng)時(shí)間段鐘差數(shù)據(jù)預(yù)處理策略。該策略首先提取長(zhǎng)時(shí)間段衛(wèi)星鐘差數(shù)據(jù)的非空歷元，基于MAD方法對(duì)其進(jìn)行預(yù)處理，然后用MAD方法對(duì)每天的鐘差數(shù)據(jù)進(jìn)行再次預(yù)處理得到最終處理后的鐘差數(shù)據(jù)。預(yù)處理試驗(yàn)的結(jié)果驗(yàn)證了所提策略的有效性。

(2) 提出了一種基于小波分析的異常鐘差數(shù)據(jù)預(yù)處理方法。該方法首先對(duì)頻率數(shù)據(jù)進(jìn)行小波分解，得到分解后的低頻小波系數(shù)和各層的高頻小波系數(shù)，然后結(jié)合小波系數(shù)圖和閾值公式判斷小波系數(shù)中異常點(diǎn)的位置并對(duì)其進(jìn)行處理，最后將處理后的小波進(jìn)行重構(gòu)，還原得到處理后的鐘差數(shù)據(jù)。從新法對(duì)粗差點(diǎn)的處理效果、不同尺度小波分解對(duì)處理結(jié)果的影響以及不同小波函數(shù)預(yù)處理效果的差異三個(gè)方面，驗(yàn)證和分析了所提方法的有效性及其相關(guān)特性。

(3) 給出了一種能夠同時(shí)考慮星載原子鐘多種性能指標(biāo)的GNSS衛(wèi)星鐘長(zhǎng)期性能評(píng)估體系：基于長(zhǎng)時(shí)間段的衛(wèi)星鐘差數(shù)據(jù)，利用改進(jìn)的中位數(shù)方法進(jìn)行數(shù)據(jù)預(yù)處理分析衛(wèi)星鐘差數(shù)據(jù)的特點(diǎn)，使用衛(wèi)星鐘差二次多項(xiàng)式擬合模型分析衛(wèi)星鐘的相位、頻率、鐘漂及鐘差模型噪聲的長(zhǎng)期變化特性，根據(jù)頻譜分析的方法分析衛(wèi)星鐘差的周期特性，分別采用重疊Allan方差和重疊Hadamard方差計(jì)算并討論星載銫鐘和銣鐘的頻率穩(wěn)定性，計(jì)算并分析頻率準(zhǔn)確度和日漂移率的長(zhǎng)期變化規(guī)律。此外綜合上述方法及其結(jié)果，較為全面地評(píng)估了BDS和GPS BLOCK IIF衛(wèi)星鐘的長(zhǎng)期性能。

(4) 顧及星載原子鐘物理特性、鐘差周期性變化與隨機(jī)性變化的特點(diǎn)，建立了附有周期項(xiàng)和ARIMA的二次多項(xiàng)式模型(組合模型)以及基于抗差最小二乘配置理論的衛(wèi)星鐘差模型(LSC模型)。鐘差預(yù)報(bào)試驗(yàn)及其結(jié)果分析表明：顧及鐘差周期特性與隨機(jī)特性能夠進(jìn)一步提高鐘差建模的準(zhǔn)確性和鐘差預(yù)報(bào)的效果，組合模型能一定程度克服單獨(dú)使用ARIMA模型進(jìn)行鐘差預(yù)報(bào)時(shí)的不足，針對(duì)LSC模型所給的協(xié)方差函數(shù)確定方法及其對(duì)應(yīng)的參數(shù)取值范圍是有效的，兩種新模型均能有效地預(yù)報(bào)鐘差且效果優(yōu)于常用模型。

(5) 對(duì)鐘差一次差分預(yù)報(bào)原理進(jìn)行了改進(jìn)，并設(shè)計(jì)了鐘差一次差分?jǐn)?shù)據(jù)的預(yù)處理方法。在此基礎(chǔ)上，分析了常用鐘差預(yù)報(bào)模型在鐘差一次差分?jǐn)?shù)據(jù)條件下的預(yù)報(bào)特性，且從原理上推導(dǎo)證明了鐘差一次差分?jǐn)?shù)據(jù)符合一次多項(xiàng)式模型；同時(shí)結(jié)合對(duì)IGS RTS衛(wèi)星鐘差改正數(shù)的分析，提出了一種鐘差改正數(shù)預(yù)報(bào)方法，其30 s的預(yù)報(bào)精度可達(dá)0.06 ns。

(6) 根據(jù)衛(wèi)星鐘差的特點(diǎn)，基于小波神經(jīng)網(wǎng)絡(luò)(WNN)提出了一種能夠改善衛(wèi)星鐘差預(yù)報(bào)效果的方法。首先相鄰歷元鐘差數(shù)據(jù)進(jìn)行一次差分得到對(duì)應(yīng)的鐘差一次差分序列，然后對(duì)該序列進(jìn)行預(yù)處理，并基于預(yù)處理后的一次差分?jǐn)?shù)據(jù)對(duì)WNN進(jìn)行建模；在建模的過程中，采用遺傳算法優(yōu)化WNN的初始網(wǎng)絡(luò)參數(shù)。模型確定后，根據(jù)時(shí)間序列預(yù)報(bào)一次差分值，最后將預(yù)報(bào)的一次差分值還原得到對(duì)應(yīng)的鐘差預(yù)報(bào)值。試驗(yàn)結(jié)果表明：一次差分方法使得預(yù)報(bào)鐘差的WNN不但模型結(jié)構(gòu)簡(jiǎn)單而且預(yù)報(bào)精度高，針對(duì)鐘差一次差分序列所設(shè)計(jì)的預(yù)處理方法通過降低數(shù)據(jù)粗差的影響能夠進(jìn)一步改善WNN的預(yù)報(bào)性能，新方法1天內(nèi)的預(yù)報(bào)效果優(yōu)于IGU-P鐘差且其中長(zhǎng)期預(yù)報(bào)性能優(yōu)于幾種常用模型。