01
他做了什么事
新方法可以实时自动检测和控制异常值和时钟跳变。此外,对时钟模型参数(包括时钟偏移,时钟速度和时钟漂移)进行分类,以确定新模型中的自适应因素。(Cui和Yang 2006;Yang和Cui 2008)因此,可以更有效地区分具有不同特性的时钟跳变。(采用的是具有分类自适应因子的自适应抗差Kalman滤波,具有三种独立的自适应因子)同时,将时钟偏移序列的动态噪声特性用于随机建模。
02
他的亮点
使用时钟偏移序列来执行加窗处理。时钟偏移数据被切入到长度为m的i个窗口。(n=i*m)最小二乘或者抗差估计方法适用于独立地在每个窗口中拟合时钟偏移模型。并讨论了每个部分的时钟偏移数据的数据块大小(m的不同取值,1.m=1。2.m=2。3.m=3。4.3
通过计算Hadamard总方差确定随机模型
02
他的实验
精确的时钟偏移数据可从IGS网站(ftp://igscb.jpl.nasa.gov/)获得,数据时间跨度为2009年2月22日至2009年3月3日,采样间隔为5分钟,共10天。
预测时钟偏移的均方根误差(RMS)定义为
括号里是实时预测的时钟偏移量与IGS精确时钟偏移量之间的差
动态时钟偏移模型使用窗口大小为72的二次多项式。采用等效权重函数(He和Yang 1998;Yang 1994,1996,1999)进行稳健估计,准则为c0 = 1.5和c1 = 2.5。自适应因子的构建使用IGG3方法(Yang 2003),控制常数k0 = 0.5和k1 = 4.8。噪声随机模型由Hadamard总方差定义。
对比试验设计
(1)标准Kalman滤波器
(2)自适应Kalman滤波器
(3)单自适应因子的自适应抗差Kalman滤波器
(4)单自适应因子的自适应抗差顺序调整,不考虑任何随机噪声模型
(5)具有分类自适应因子的自适应抗差顺序调整,不考虑任何随机噪声模型
(6)考虑随机噪声模型,具有分类自适应因子的自适应抗差Kalman滤波器
GPS卫星PRN 28在10天内的时钟偏移的时间序列,在10天内,卫星时钟偏移,时钟速度和时钟漂移的值发生了显着变化。