一种面向卫星共视授时应用的星站钟差融合方法.pdf
《一种面向卫星共视授时应用的星站钟差融合方法.pdf》由会员分享,可在线阅读,更多相关《一种面向卫星共视授时应用的星站钟差融合方法.pdf(9页珍藏版)》请在咨信网上搜索。
1、总第 4 6 卷 第 2 期 时间频率学报 V o l.4 6 N o.2 2 0 2 3 年 4 月 J o u r n a l o f T i m e a n d F r e q u e n c y A p r.,2 0 2 3 引用格式:魏吉平,李静怡,王凯旋,等.一种面向卫星共视授时应用的星站钟差融合方法 J .时间频率学报,2 0 2 3,4 6(2):8 5-9 3.一种面向卫星共视授时应用的星站钟差融合方法 魏吉平,李静怡,王凯旋,唐升*(西北大学 信息科学与技术学院,西安 7 1 0 1 2 7)摘要:面向 GNSS 共视授时系统中非连续性多源星站钟差的数据融合需求,提出了一种
2、采用集中式融合结构的数据融合方法。具体地,采用 Hampel 滤波器剔除钟差观测数据中的奇异值并填补空缺值;采用动态权值分配的加权平均算法实现钟差数据融合;采用 Kalman 滤波器或-滤波器进行跟踪滤波,生成钟差融合终值。仿真实验结果表明,所提出的数据融合方法能够有效抑制观测过程中的误差,输出一组更接近真实值的星站钟差数据,适合星站钟差数据的融合处理,也为其他非连续性多源数据融合应用提供借鉴思路。关键词:共视授时;数据融合;Hampel 滤波;跟踪滤波;动态权值分配 DOI:10.13875/j.issn.1674-0637.2023-02-0085-09 A clock bias data
3、 fusion method for GNSS common-view time transfer WEI Ji-ping,LI Jing-yi,WANG Kai-xuan,TANG Sheng*(School of Information Science and Technology,Northwest University,Xian 710127,China)Abstract:To meet the data fusion requirement of discontinuous multi-source clock biases(the biases between the local
4、reference time of the stations and the satellite clock)in GNSS common-view time transfer system,a data fusion method using a centralized fusion structure is proposed.Specifically,the Hampel filtering algorithm is used to eliminate the singular values in the observation data and fill in some missing
5、values of clock biases;The clock bias fusion is realized using the weighted average algorithm of dynamic weight distribution;Kalman filter or-filtering algorithm is used for tracking filtering to generate the final value of clock bias fusion.The simulation experiment results show that the data fusio
6、n method in this paper can effectively suppress the error in the observation process and output a set of biases between the stations and the satellite close to the true value,which is suitable for the fusion processing of satellite clock biases data,and also provide referring ideas for other discont
7、inuous multi-source data fusion applications.Key words:common view time transfer;data fusion;Hampel filtering;tracking filtering;dynamic weight distribution 0 引言 共视法是一种精度较高的时间传递方法,于 1 9 8 0 年由美国国家标准局提出后被国内外研究者们不断 收稿日期:2 0 2 2-0 3-2 5;接受日期:2 0 2 2-0 5-1 5;*通讯作者:t a n g s h e n g n w u.e d u.c n 基金项目:
8、陕西省自然科学基础研究计划面上资助项目(2 0 2 1 J M 3 0 3)8 6 时间频率学报 总 4 6 卷 扩展和改进 1。目前卫星共视法是远距离时间比对的主要方法之一,精度达到纳秒量级 2。卫星共视法的基本原理是:位于不同地点的两个用户 A和 B,分别通过路径 dS A和 dS B同时接收卫星 S 的信号,可以获得卫星 S 与本地时间的时差。此时差包括来自卫星信号传播路径和接收机端的各项误差。A和 B通过实时或事后数据交换得到两地之间的时差 3。共视法中,两地数据交换求差的过程可以完全抵消星钟误差,抵消大部分的星历误差及对流层和电离层的时延误差,大大提高两地时间比对精度。在新一代基于G
9、 N S S(G l o b a l N a v i g a t i o n S a t e l l i t e S y s t e m)的卫星共视授时系统中,单个基准站通常配置多个基准终端。这些基准终端同时观测 G N S S卫星群,通过测算伪距得到本地时间与卫星钟之间的偏差 4-5,即星站钟差。由于观测位置和角度不同等原因,不同的基准终端在同一时刻观测到的卫星及其数量不尽相同。因此,星站钟差通常具有以下特点:每个基准终端的观测数据通常包含多颗卫星的星站钟差数据;每一颗卫星的钟差观测数据中不可避免会含有奇异值和空缺值,且空缺位置和长度均是随机的;多个基准终端观测数据中的同一颗卫星的钟差才可以
10、进行数据融合处理。对某一基准站中多个基准终端测得的星站钟差进行融合处理,不仅可以降低该基准站的故障率,而且可以增强该基准站的数据可信度,进而提高共视授时系统可用性,保证授时精度。基于上述星站钟差数据的特点以及钟差融合的必要性,研究一种钟差数据融合方法具有一定的工程应用意义。数据融合技术主要应用于多传感器系统,如组合导航、航迹融合、图像融合等系统,通过融合来自多个传感器的数据和相关信息,实现比单传感器系统更准确的推断 6-8。目前数据融合的分类方法没有统一的定论,其中应用较多的一种分类方法是根据融合的级别和层次划分为数据级、特征级和决策级 3种 9。如果多传感器数据是同质的,原始数据可以直接融合
11、,称为数据级融合。数据级融合直接对未经预处理的传感器原始观测数据进行综合和分析,其优点是保持客体数据尽可能多,基本不发生数据丢失或遗漏。在G N S S 卫星共视授时系统中,星站钟差数据融合属于数据级融合。常用的数据融合系统结构可分为集中式融合结构和分布式融合结构 1 0。在分布式数据融合系统中,多个传感器获取原始数据之后并不直接传送至数据融合中心,而是先由本地预处理器对原始数据实施预处理,再将预处理数据传送至融合中心完成数据融合及后续操作。在集中式数据融合系统中,融合中心可以直接利用所有观测站的原始观测数据,没有额外的信息损失 1 0-1 1,因此融合精度更高、融合性能相对较好。集中式数据融
12、合结构更加适合本文的应用场景。综合考虑数据源特点和实际需求,本文提出一种采用集中式融合结构的数据级星站钟差融合方法,其中融入了 H a m p e l 滤波技术、-滤波/K a l m a n滤波技术以及动态权值分配的加权平均数据融合算法。为了验证数据融合方法的性能,设计实施了多组对比性的算法仿真实验。实验结果表明,所提出的数据融合方法适合进行星站钟差数据的融合,并且适用于其他含有空缺值的非连续性多源数据的融合。1 集中式星站钟差融合方法模型结构 根据集中式融合结构,拟分 3 步对星站钟差数据进行处理:预处理、融合以及跟踪滤波。故本文所提出的集中式星站钟差融合方法模型的总体结构如图 1 所示,
13、主要包括 3 个数据处理模块:星站钟差前置滤波器、星站钟差加权平均和星站钟差跟踪滤波器。数据观测和传输过程难免存在一些非理想因素。首先,最终到达融合中心的星站钟差观测数据中难免会因一些数据丢失,留下空缺位置。其次,一些钟差奇异值、因一些强扰动而被改变的钟差值等偏离真实钟差的数据也会引入较大误差,对融合结果造成影响。针对上述问题,设置了星站钟差前置滤波器对数据进行预处理,其主要作用是剔除奇异值并填补部分空缺。星站钟差加权平均是本文融合方法模型的核心。将所有基准终端观测到的同一颗卫星的钟差数据进第 2 期 魏吉平等:一种面向卫星共视授时应用的星站钟差融合方法 8 7 行加权融合,由于实际观测情形复
14、杂,为避免故障终端持续引入不良影响,对各基准终端动态分配加权系数。跟踪滤波器是星站钟差数据融合方法模型的重要组成部分,通过数学方法寻求与加权平均融合结果有最佳拟合的状态向量,也就是对这些状态向量进行估计和预测。图 1中的跟踪滤波器,一方面生成钟差融合终值,另一方面为加权平均时的动态权值分配提供依据,同时还为前置滤波器的阈值调优提供参考。基准终端1前置滤波器加权平均跟踪滤波器实时计算均方根误差基准终端2基准终端3基准终端N动态权值分配授时基准站星站钟差1星站钟差2星站钟差3星站钟差N实时计算方差阈值调优星站钟差融合终值 图 1 星站钟差融合方法的模型结构框图 2 算法原理 本节介绍所提出的星站钟
15、差融合方法模型中核心数据处理算法的原理,具体包括了基于 H a m p e l 滤波的钟差奇异值剔除和空缺值填补、动态权值分配的加权平均数据融合和 K a l m a n/-跟踪滤波。2.1 基于 Hampel 滤波的钟差奇异值剔除和空缺值填补 图 1所示的星站钟差融合方法模型结构中的前置滤波器采用 H a m p e l 数字滤波器设计,其作用是剔除星站钟差数据中的奇异值并进行空缺值填补。H a m p e l 滤波器本质上是一种基于中值和 M A D(m e d i a n a b s o l u t e d e v i a t i o n)尺度估计器的离群值检测程序 1 2。具体来说,对
16、输入序列D,H a m p e l 滤波器的输出响应如下:()()kkkkkkkkkDDMTSYMDMTS=。(1)式(1)中的kM是当前星站钟差样本及其前1K个样本组成的滑动窗口的中值,定义为 (1)21median,kkKkkkMDDDD=。(2)式(2)中,m e d i a n是求给定数值的中值的函数。K是一个正整数,称为窗口宽度。kS是 M A D尺度估计,定义为 1,1.482 6 median=kjKkjkSDM。(3)式(3)中,“1.4 8 2 6”是一个工程经验值,它使 M A D尺度估计成为高斯数据标准偏差的无偏估计。T是一个动态阈值调优参数,其大小由跟踪滤波器输出最新的
17、钟差融合终值的方差大小决定。8 8 时间频率学报 总 4 6 卷 针对引言中所述星站钟差数据特点,即原始数据中含有奇异值和空缺值,且空缺位置及空缺长度具有随机性,采用 H a m p e l 滤波进行预处理。当前星站钟差样本kD与中值kM相差超过T倍kS,则视该样本为奇异值,并用中值kM替换该样本。同时,前置滤波的滑动窗口可将钟差数据源中的空缺值与邻近的非空数值联系起来。只要滑动窗口内不全是空缺值,即只需滑动窗口内有一个及以上非空数值,则当前正被处理的空缺值可被填补为窗口内数据的中值。经过实验验证,窗口宽度K取为 7 比较合适,既能够保证参与运算的钟差是最新 6 次,避免当前钟差被陈旧钟差影响
18、,又能够使足够多的空缺值被填补。2.2 动态权值分配的加权平均数据融合 图 1 所示的星站钟差融合方法模型结构中的加权平均部分,将各基准终端经过前置滤波后的星站钟差数据根据卫星号的不同进行分类融合,得到基准站与每颗卫星之间更精确的星站钟差。来自 N 个基准终端的 N 组原始数据的融合过程可用式(4)来描述:1=iiNkkkiYa Y。(4)式(4)中,kY表示k时刻的融合值,它是一个估计值(代表估计),ikY表示各基准终端k时刻通过H a m p e l 滤波之后的星站钟差数据,ika表示k时刻各基准终端的加权系数,并满足式(5)的关系:11iNkia=。(5)本文采用最小方差估计 1 3-1
19、 6 的方法计算实时星站钟差观测数据的可靠度,为每个基准终端动态分配加权系数。在无法得到真实值的前提下,上一次跟踪滤波输出的估计值是最接近本次真实值的值。因此,依据本次各基准终端的观测数据与上一次融合结果的偏离程度来计算各观测数据的可靠度,也即权值ika。具体实施中,这个偏离程度用均方根误差来衡量。如果该基准终端的观测数据与跟踪滤波器输出的滤波值相差大,则该基准终端观测数据的均方根误差大,可靠度小,分配的加权系数就小;否则认为可靠度高,分配到的加权系数就大。用式(6)计算基准终端观测数据的均方根误差:11()=n2kkkYXRMSEn。(6)式(6)中,RMSE代表均方根误差,kY代表k时刻的
20、观测数据,k 1X代表1k 时刻的滤波值,n 代表测量数据的个数。各个基准终端的观测数据可以看成是由真实值叠加了各种测量噪声得到的,即 iikkkYYv=+。(7)式(7)中,ikY表示 k时刻第 i个基准终端的观测值,ikv表示 k时刻第 i个基准终端的观测噪声,kY视为待估计的真值。最小方差估计实质上就是要使估计值与真值的偏差平方和的均值达到最小值(m i n),即满足下述指标 T()()minEYYYY=。(8)将式(4)代入到式(8)中,得到 ()22222111()miniiNNNkkkikkikiiiiiEYYEYa YvEa va=+=。(9)由于加权系数还满足式(5),那么联合
21、式(9),应用拉格朗日乘数法求解加权系数,引入拉格朗日函数 L:22111=+NNiiiiiLaa。(1 0)对函数中的1a,2a,Na分别求偏导,并令其等于 0,最终可求得各基准终端加权系数的计算公式:第 2 期 魏吉平等:一种面向卫星共视授时应用的星站钟差融合方法 8 9 221iiNiia=。(1 1)式(1 1)中,i取各基准终端观测数据的均方根误差RMSE。2.3 Kalman 和-跟踪滤波 图1 所示的星站钟差融合方法模型结构中的跟踪滤波器采用K a l m a n 或-数字滤波器设计。K a l m a n滤波是一种递归滤波方法,作为一种数据级融合算法广泛应用于目标跟踪 1 7、
22、状态估计 1 8 等领域。K a l m a n滤波仅根据当前时刻输入值和上一时刻的预测值就可以得出当前时刻的最佳估计值,具有优异的估计性能、抗噪性能和良好的实时性,是钟差数据跟踪滤波的一种合理选择。-滤波可视为 K a l m a n滤波的一种特例,其最大的优点在于增益矩阵的离线计算,增益不再与协方差有关,因此计算复杂度较低。-滤波与 K a l m a n滤波类似,包含预测和更新两个步骤,但没有滤波器增益的计算和协方差矩阵的预测和更新。-滤波过程可以用下面的两个公式描述:kk 1=XFX。(1 2)()kkkkX=+XXK ZH。(1 3)式(1 2)和(1 3)中:“-”代表先验,“”代
23、表估计;kX是系统状态变量;kZ是观测变量;FF是状态转移矩阵;HH是观测矩阵;K是常增益矩阵。在本文中,kX是跟踪滤波器输出的 3组星站钟差预测值,kZ是加权平均数据融合结果。系数 和 是无量纲的量,分别为状态向量不同分量的常滤波增益。和的值对滤波效果的影响比较大,且需要根据实际的应用背景和数据特征来确定 1 9。这两个系数一旦确定,增益就是确定的量。为了保证系统的稳定性,和 的值通常是一个很小的正值,一般满足以下关系:0.30.5,(1 4)2(2)4 1=。(1 5)和的值确定之后,滤波器增益就可以用式(16)确定:/fT=K。(1 6)式(1 6)中,fT为滤波周期。3 实验及其结果分
24、析 本节介绍了集中式数据融合模型算法仿真实验。详细说明了算法仿真实验的数据来源、实验方法、实验结果以及结果分析。此外,还对 H a m p e l 滤波效果进行了实验验证,根据控制变量思想,分别采用不同融合方法、不同跟踪滤波器设计集中式数据融合模型进行了对比实验。3.1 仿真实验设计 依据某 G N S S共视授时基准站的 5个基准终端实测的星站钟差数据,做了如下两个实验性的假设:5个基准终端可以观测到的卫星数量、编号均相同,假定为 3颗、编号分别为 1号、2号、3号。即在每一时刻,从每个数据源取一个三维状态向量输入数据融合模型。存在观测值缺失的情况,但保证融合后的状态向量维度无缺失,依然是三
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 面向 卫星 授时 应用 星站钟差 融合 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。