本發(fā)明屬于衛(wèi)星導航定位
技術領域:
,具體涉及一種GPSIIR-M型衛(wèi)星超快速鐘差預報的誤差修正原理。
背景技術:
:RTPPP(realtimeprecisepointpositioning,實時精密單點定位)技術的實現需要實時鐘差產品和實時軌道產品提供數據,而實時鐘差數據產品目前有實時鐘差數據流、廣播鐘差數據和超快速鐘差產品,其中:1、實時鐘差數據流存在間斷和不穩(wěn)定的特性2、廣播鐘差產品精度不高3、超快速鐘差產品穩(wěn)定性較高且精度適中因超快速鐘差產品穩(wěn)定且精度適中的特點而成為研究熱點,所以發(fā)明一種導航衛(wèi)星超快速鐘差預報的誤差修正原理對于提高RTPPP定位精度具有一定的價值與意義。技術實現要素:針對現有預報技術存在的誤差,本發(fā)明提供一種GPSIIR-M型衛(wèi)星超快速鐘差預報的誤差修正原理。該方法穩(wěn)定性較高,針對超快速鐘差預報算法存在細微的系統(tǒng)誤差,能有效的提升模型的預報精度,從而間接提高RTPPP的定位精度。實現本發(fā)明目的的技術方案是:一種導航衛(wèi)星超快速鐘差預報算法的誤差修正方法,包括如下步驟:1)讀取超快速鐘差產品的觀測部分(IGSUltra-Rapid(observed),IGU-O),含24小時數據,因每隔15min發(fā)布一次,故共計96個歷元數據;然后采用譜分析模型對GPSIIR-M類型衛(wèi)星(共計7顆,分別為PRN05、PRN07、PRN12、PRN15、PRN17、PRN29和PRN31)依次進行建模并預報6小時,故每顆衛(wèi)星均可獲取24個預報歷元鐘差數據;2)對預報的24個歷元數據與下一個超快速鐘差產品文件的觀測真值做差,從而獲取當前文件在譜分析模型下的預報精度序列;3)對上一步的預報精度序列求和后除以24,從而將該值作為當前文件預報數據的誤差修正值。按照這種方法迭代預報10個文件,即可以獲取10個誤差修正值,從而組成一個誤差修正庫;4)對于后續(xù)文件的迭代預報過程中,每次生成一個誤差修正值后,將其加入到誤差修正庫中,并剔除生成時間上最早的誤差修正值,并對庫中誤差值進行移位排列,從而達到實時更新誤差修正庫的目的。對更新后的誤差修正庫求其均值,即為下一個文件預報的誤差修正均值;5)誤差修正具體過程為:對預報精度序列依次加上上一步得到的誤差修正均值的十分之一,從而得到最終的誤差修正后的預報精度數據。通過上述步驟,就能把導航衛(wèi)星超快速鐘差預報算法的誤差進行修正。步驟1)中,譜分析模型的兩種表達式如下:式(1)為一階線性直線譜分析模型,式(2)為二階曲線譜分析模型。其中,a、b和c分別為鐘差、鐘速和鐘漂參數,N為譜分析技術獲取的顯著周期項數目(一般為1-3個),Ai、θi和分別為最小二乘正弦擬合函數的幅值、角度和相位,ψ(t)為鐘差隨機項成分。步驟2)中,預報精度序列的計算公式如下所示:A=P-IGUO(3)其中,P為譜分析模型預報的24個歷元數據序列,IGUO為對應P序列時刻上的下一個IGU文件的觀測真值數據,從而得到預報精度序列A;步驟3)中需要計算誤差修正值的計算公式如下:Err=sum(A)/24(4)步驟4)中對誤差修正庫進行求取均值公式如下:M=Σi=110Erri/10---(5)]]>其中Erri表示誤差修正庫中的第i個誤差修正值,故M為誤差修正庫的誤差修正均值;在步驟5)中對第2步得到的預報精度序列進行誤差修正的公式如下所示:A1=A+abs(M)/10(6)故A1即為本發(fā)明誤差修正原理下的最終預報精度序列。本發(fā)明的有益效果有:本發(fā)明提出了一種導航衛(wèi)星超快速鐘差預報算法的誤差修正原理,該原理穩(wěn)定性較高,針對超快速鐘差預報算法存在細微的系統(tǒng)誤差,能有效的提升模型的預報精度,從而間接提高RTPPP的定位精度:(1)可對任意譜分析模型的預報結果進行精度修正,從而獲得較高的預報數據;(2)在一定條件下,任何模型均可能存在預報偏差,故本發(fā)明對于其他預報方法具有一定的借鑒價值。附圖說明圖1是PRN05號衛(wèi)星預報精度曲線圖圖2是PRN07號衛(wèi)星預報精度曲線圖圖3是PRN12號衛(wèi)星預報精度曲線圖圖4是PRN15號衛(wèi)星預報精度曲線圖圖5是PRN17號衛(wèi)星預報精度曲線圖圖6是PRN29號衛(wèi)星預報精度曲線圖圖7是PRN31號衛(wèi)星預報精度曲線圖具體實施方式下面結合附圖和實施例對本
發(fā)明內容作進一步的闡述,但不是對本發(fā)明的限定。實施例:導航衛(wèi)星超快速鐘差預報算法的誤差修正原理,該原理的具體實施步驟如下所示:一種導航衛(wèi)星超快速鐘差預報算法的誤差修正原理,包括如下步驟:1)7個附圖中的建模預報數據是從ftp://cddis.gsfc.nasa.gov.cn網址下載,數據下載量為19個IGU(IGSUltra-Rapid,IGS超快速)文件(誤差修正庫的建立采用第一個IGU文件發(fā)布前的前10個IGU文件),IGU觀測數據發(fā)布時間分布范圍從2015年6月15日18時0分0秒至6月21日5時45分秒;2)7個附圖分別對應GPSIIR-M型的7顆衛(wèi)星,從每幅圖中可知附加誤差修正的預報精度曲線均在相應模型的預報精度曲線之下,即附加誤差修正方法可以提升模型的預報精度。另外,各顆衛(wèi)星預報6小時的精度統(tǒng)計表如下所示:表1GPSIIR-M型衛(wèi)星超快速鐘差預報6小時精度PRN05PRN07PRN12PRN15PRN17PRN29PRN31P152.19%56.23%45.05%47.89%94.39%60.00%72.83%PX151.31%53.45%57.51%46.05%88.50%59.73%71.79%提升率1.69%4.95%-27.64%3.85%6.25%0.44%1.43%P243.12%56.04%46.45%48.53%74.00%64.68%76.88%PX241.69%53.88%45.05%46.99%71.97%63.67%76.51%提升率3.31%3.86%3.02%3.17%2.75%1.55%0.48%(注:P1為一階譜分析模型,PX1為誤差修正下的一階譜分析模型,P2為二階譜分析模型,PX2為誤差修正下的二階譜分析模型)3)由表1可以得到7顆IIR-M型衛(wèi)星無論是在一階譜分析模型還是二階譜分析模型,采用本發(fā)明誤差修正原理的一階譜分析模型和二階譜分析模型,其預報精度均較對應模型有所提高,直接驗證了本發(fā)明的有效性與實用性。當前第1頁1 2 3