Short-term prediction and stability analysis of BDS-3 satellite clocks bias
-
摘要: 针对北斗三号(BDS-3)卫星钟短期预报问题，在分析卫星原子钟频率稳定性的基础上，选用时间序列模型(ARIMA)、灰色模型(GM)、一次多项式(LP)以及二次多项式(QP)四种钟差预报模型对30天的数据进行拟合预报分析. 实验结果表明：1) 相对于北斗二号(BDS-2)，BDS-3原子钟具有更高的稳定性. 其中BDS-3氢钟的千秒稳定性、万秒稳定性和日稳定性分别达到了4.2×10−14、1.89×10−14、4.14×10−15；2) BDS-3氢钟和BDS-3新型铷钟的预报稳定性和精度相对于BDS-2铷钟有明显提高，并且BDS-3氢钟在3 h、6 h和12 h下的预报精度分别达到了0.12 ns、0.18 ns和0.30 ns；3) 在四种模型中，时间序列模型的预报精度最高，在3 h、6 h和12 h下精度分别为0.26 ns、0.47 ns和0.96 ns.
-
关键词:
- 北斗三号(BDS-3) /
- 原子钟 /
- 稳定性 /
- 钟差预报 /
- 精度
Abstract: Aiming at the short-term prediction of the BeiDou-3 Navigation Satellite System (BDS-3) satellite clock, based on the analysis of the frequency stability of the satellite atomic clock, and autoregressive integrated moving average, grey model, linear polynomial and quadratic polynomial four kinds of clock bias prediction models are used to fit and predict based on 30 days of data. The experimental results show that: 1) Compared with BeiDou-2 Navigation Satellite System (BDS-2), the BDS-3 atomic clock has higher stability, among which the thousand-second stability, ten-thousand-second stability and daily stability of the BDS-3 hydrogen clock have reached 4.2×10−14, 1.89×10−14 and 4.14×10−15 respectively; 2) The prediction stability of the BDS-3 hydrogen clock and the BDS-3 new rubidium clock is significantly improved compared to the BDS-2 rubidium clock, and the prediction accuracy of the BDS-3 hydrogen clock is the best, reaching 0.12 ns, 0.18 ns, 0.30 ns at 3 h, 6 h and 12 h respectively; 3) Among the four models, the time series model has the highest forecast accuracy, with accuracy of 0.26 ns, 0.47 ns and 0.96 ns at 3 h, 6 h and 12 h, respectively.-
Key words:
- BeiDou-3 Navigation Satellite System (BDS-3) /
- atomic clocks /
- stability /
- clock prediction /
- precision
-
表 1 频率稳定性统计结果
原子钟
类型千秒稳定性/10−13 万秒稳定性/10−14 日稳定性/10−15 最小
值最大
值均值 最小
值最大
值均值 最小
值最大
值均值 BDS-2
铷钟0.49 2.38 1.36 2.21 11.07 6.15 3.18 157.66 26.55 BDS-3
新型铷钟0.35 0.56 0.42 1.69 3.62 2.42 1.95 47.75 13.09 BDS-3
氢钟0.38 0.47 0.42 1.39 2.81 1.89 0.85 8.50 4.14 
下载: 导出CSV
表 2 四种模型不同预报时长下钟差结果RMS均值
ns 模型 3 h 6 h 12 h BDS-2
铷钟BDS-3
新型铷钟BDS-3
氢钟均值 BDS-2
铷钟BDS-3
新型铷钟BDS-3
氢钟均值 BDS-2
铷钟BDS-3
新型铷钟BDS-3
氢钟均值 LP 0.79 0.39 0.18 0.45 1.07 0.63 0.23 0.64 1.73 1.27 0.35 1.12 QP 0.87 0.28 0.20 0.45 1.67 0.50 0.34 0.84 3.93 1.04 0.68 1.88 GM 1.44 0.46 0.19 0.70 2.16 0.75 0.27 1.06 4.30 1.52 0.45 2.09 ARIMA 0.44 0.22 0.12 0.26 0.76 0.47 0.18 0.47 1.48 1.11 0.30 0.96 均值 0.88 0.34 0.17 0.46 1.42 0.59 0.26 0.76 2.86 1.24 0.44 1.51
下载: 导出CSV
表 3 四种模型不同预报时长下钟差结果Range均值
ns 模型 3 h 6 h 12 h BDS-2铷钟 BDS-3新型铷钟 BDS-3氢钟 均值 BDS-2铷钟 BDS-3新型铷钟 BDS-3氢钟 均值 BDS-2铷钟 BDS-3新型铷钟 BDS-3氢钟 均值 LP 0.96 0.44 0.27 0.56 1.62 0.94 0.41 0.99 3.31 2.22 0.68 2.07 QP 1.41 0.43 0.32 0.72 3.02 0.86 0.60 1.49 7.82 1.97 1.31 3.70 GM 1.48 0.50 0.28 0.75 3.06 1.09 0.45 1.53 7.59 2.64 0.87 3.70 ARIMA 0.94 0.43 0.26 0.54 1.59 0.92 0.40 0.97 3.24 2.17 0.66 2.02 均值 1.20 0.45 0.28 0.64 2.32 0.95 0.47 1.25 5.49 2.25 0.88 2.87
下载: 导出CSV
-
[1] 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. [2] 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. [3] 吕栋, 欧吉坤, 于胜文. 基于MEA-BP神经网络的卫星钟差预报[J]. 测绘学报, 2020, 49(8): 993-1003. DOI: 10.11947/j.AGCS.2020.20200002 [4] 熊红伟,程新文,张海涛,等. 卫星钟差单差的小波神经网络预报[J]. 测绘科学, 2017, 42(9): 9-14, 48. [5] XI C, CAI C L, LI S M, et al. Long-term clock bias prediction based on an ARMA model[J]. Chinese astronomy and astrophysics, 2014, 38(3): 342-354. DOI: 10.1016/j.chinastron.2014.07.010 [6] 李超, 党亚民, 谷守周. 灰色模型的GLONASS卫星钟差预报[J]. 导航定位学报, 2016, 4(4): 24-29, 35. [7] CERNIGLIARO A, SESIA I. INRIM tool for satellite clock characterization: frequency drift estimation and removal[J]. Mapan, 2012, 27(1): 41-48. DOI: 10.1007/s12647-012-0001-5 [8] HUANG G W, CUI B B, ZHANG Q, et al. An improved predicted model for BDS ultra-rapid satellite clock offsets[J]. Remote sensing, 2018, 10(1): 60. DOI: 10.3390/rs10010060 [9] 黄观文, 张勤, 许国昌, 等. 基于频谱分析的IGS精密星历卫星钟差精度分析研究[J]. 武汉大学学报(信息科学版), 2008, 33(5): 496-499. [10] 朱祥维, 肖华, 雍少为, 等. 卫星钟差预报的Kalman算法及其性能分析[J]. 宇航学报, 2008, 29(3): 966-970, 1052. DOI: 10.3873/j.issn.1000-1328.2008.03.045 [11] 王利, 张勤, 黄观文, 等. 基于指数平滑法的GPS卫星钟差预报[J]. 武汉大学学报(信息科学版), 2017, 42(7): 995-1001. [12] 王旭, 柴洪洲, 王昶. 卫星钟差预报的T-S模糊神经网络法[J]. 测绘学报, 2020, 49(5): 580-588. DOI: 10.11947/j.AGCS.2020.20190156 [13] 雷雨, 赵丹宁, 蔡宏兵. 利用结构自适应极端学习机预报导航卫星钟差[J]. 武汉大学学报(信息科学版), 2018, 43(5): 664-668, 718. [14] 王旭, 柴洪洲, 王昶, 等. 优选小波函数的小波神经网络预报GPS卫星钟差[J]. 测绘学报, 2020, 49(8): 983-992. DOI: 10.11947/j.AGCS.2020.20190180 [15] 毛亚, 王潜心, 胡超, 等. BDS-3卫星钟差特性分析[J]. 武汉大学学报(信息科学版), 2020, 45(1): 53-61. [16] 王宁, 王宇谱, 李林阳, 等. BDS星载原子钟频率稳定性分析[J]. 武汉大学学报(信息科学版), 2017, 42(9): 1256-1263. [17] 王宇谱, 陈正生, 李伟杰, 等. BDS卫星钟差短期预报性能分析[J]. 大地测量与地球动力学, 2017, 37(5): 450-456. [18] 王甫红, 夏博洋, 龚学文. 顾及钟差变化率的GPS卫星钟差预报法[J]. 测绘学报, 2016, 45(12): 1387-1395. DOI: 10.11947/j.AGCS.2016.20150480 [19] 崔先强, 焦文海. 灰色系统模型在卫星钟差预报中的应用[J]. 武汉大学学报(信息科学版), 2005, 30(5): 447-450. [20] VALENZUELA O, ROJAS I, ROJAS F, et al. Hybridization of intelligent techniques and ARIMA models for time series prediction[J]. Fuzzy sets and systems, 2008, 159(7): 821-845. DOI: 10.1016/j.fss.2007.11.003 [21] 艾青松, 徐天河, 孙大伟, 等. 顾及周期项误差和起点偏差修正的北斗卫星钟差预报[J]. 测绘学报, 2016, 45(增刊2): 132-138. -
点击查看大图
图(12) / 表(3)
计量
- 文章访问数: 558
- HTML全文浏览量: 298
- PDF下载量: 39
- 被引次数: 0
