【时间系统】GNSS时间系统与UTC时间系统的正反算【含GUI Matlab源码 4094期】

最新推荐文章于 2024-07-17 21:06:43 发布

Matlab领域

最新推荐文章于 2024-07-17 21:06:43 发布

阅读量985

点赞数 20

分类专栏： Matlab物理应用（高阶版）文章标签： matlab

本文链接：https://blog.csdn.net/weixin_63266434/article/details/136761636

版权

Matlab物理应用（高阶版）专栏收录该内容

41 篇文章 1 订阅

订阅专栏

在这里插入图片描述
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、GNSS时间系统与UTC时间系统的正反算简介

1 时间系统
恒星时和太阳时都是以地球自转作为时间基准（或时间频率基准）的，区别在于量测自转时所选取的参考点不同。

（1）恒星时
以春分点作为参考点。由于地球自转使春分点连续两次经过地方上子午圈的时间间隔为一恒星日。
由于岁差和章动的影响，地球自转轴在空间的方向是不断变化的，故春分点有真春分点和平春分点之分。相应的恒星时也有真恒星时和平恒星时之分。
（2）真太阳时
以太阳中心作为参考点。太阳中心连续两次通过某地的子午圈的时间间隔称为一个真太阳日。
真太阳时不具备作为一个时间系统的基本条件，因为真太阳时的长度是不相同的。这是因为：1）由于地球围绕太阳的公转轨道为一椭圆，根据开普勒行星运动三定律，其运动角速度是不相同的，在近日点处，运动角速度最大；在远日点处，运动角速度最小。2）地球公转是位于黄道平面，而时角是在赤道平面量度。

平太阳时
设一个假太阳，它和真太阳一样做周年视运动。但有两点不同：1）其周年视运动轨迹位于赤道平面而不是黄道平面。2）它在赤道上的运动角速度是恒定的，等于真太阳的平均角速度。
这个假想的平太阳连续两次通过某地子午圈的时间间隔叫做一个平太阳日。
以其为基础均匀分割后，可以获得平太阳时系统中的“小时”、“分”和“秒”。
平太阳时是一种地方时，位于不同经线上的两地的平太阳时是不同的。为了方便，需要有一个统一的标准时间。

（1）世界时（Universal Time）
1884年在华盛顿召开的国际子午线会议决定，将全球分为24个标准时区。从格林尼治零子午线起，向东西各7.5°为0时区，然后向东每隔15°为一个时区，分别记为1，2，……，23时区。在同一时区，统一采用该时区中央子午线上的平太阳时，称为区时（Zone Time）。格林尼治起始子午线处的平太阳时称为世界时（UT）。
世界时是以地球自转周期作为时间基准的，随着科学技术水平的发展以及观测精度水平的提高，人们逐渐发现：1）地球自转的速度不是均匀的。它有长期减缓的总趋势，也有季节性变化，还有短周期的变化。2）地极在地球上的位置不是固定不变的，而是在不断移动，即存在极移现象。这意味着世界时不是一个完全均匀的时间系统。
从1956年起，在世界时中引入了极移改正和地球自转速度的季节性改正。把经过极移改正后的世界时称为UT1，把再经过地球自转速度季节性改正的世界时称为UT2。
需要特别指出的是，UT1反映了地球自转的真实情况，与地球自转角是直接联系在一起的，所以是进行GCRS和ITRS（WGS-84）坐标系的坐标转换中的一个重要参数。
（2）原子时（Atomic Time）
国际原子时（TAI）以世界时 1958 年 1 月 1 日 0 时为起点，以铯原子基态两级间跃迁辐射的 9192631770 周所需的时间作为 1 秒秒长定义的一种连续均匀的时间系统。
原子时能满足高精度确定时间间隔测量的要求，因而被广泛采用。但有不少领域，又与地球自转有密切关系，离不开世界时。由于原子时是一种均匀的时间系统，而地球自转存在不断变慢的长期趋势，这就意味着世界时的秒长将变得越来越长，所以原子时和世界时之间的差异将越来越明显。为了同时兼顾上述用户的要求，国际无线电科学协会于20世纪60年代建立了协调世界时UTC。

（1）协调世界时（UTC）
协调世界时秒长严格等于原子时的秒长，而协调世界时与世界时UT间的时刻差规定需要保持在0.9s以内，否则采取闰秒（LeapSecond）的方式进行调整。增加1s称为正闰秒，减少1s称为负闰秒。
（2）GPS时
由GPS的地面监控系统和GPS卫星中的原子钟建立和维持的一种原子时，起点为1980年1月6日00h00m00s。值得注意的是，在起始时刻，GPS时与UTC对齐。
由于UTC存在跳秒，因而经过一段时间后，这两种时间系统中就会相差N个整秒，N是这段时间内UTC的积累跳秒数。由于在GPS时的起始时刻，UTC与国际原子时TAI已相差19s，故GPS时与国际原子时之间总会有19s的差异，即TAI-GPST=19s。从理论上讲，TAI和GPST都是原子时，且都不跳秒，因而这两种时间系统之间应严格相差19s整。但TAI（UTC）是由BIPM据全球的约240台原子钟来共同维持的时间系统，而GPST是由全球定位系统中的数十台原子钟来维持的一种局部性的原子时，这两种时间系统之间除了相差若干整秒之外，还会有微小差异C0，即TAI-GPST=19s+C0
因为 TAI-UTC=n（n为UTC总跳秒数）
所以 UTC+n-GPST=19+C0
得到 UTC=GPST+19-n+C0
令 N=n-19
得到 UTC=GPST-N+C0 （N为1980.1.6.0.0.0以来UTC的跳秒数）

转换关系
在这里插入图片描述

2 原理
GNSS时间系统（Global Navigation Satellite System）是一种基于卫星导系统的时间系统，而UTC时间系统（Coordinated Universal Time）是一种国际标准的时间系统。它们之间的正反算原理如下：

（1）GNSS时间转换为UTC时间：
GNSS时间是由卫星导航系统提供的，通常以周数和周内秒数的形式表示。要将GNSS时间转换为UTC时间，需要考虑到两个因素：GPS周数和GPS周内秒数。
首先，需要确定当前的GPS周数与UTC时间的对应关系。这可以通过查找GPS周数与UTC时间的转换表或使用相关算法来实现。
其次，将GPS周内秒数转换为UTC时间。由于GPS周内秒数是从每周的起始时刻开始计算的，而UTC时间是以1970年1月1日起始的，所以需要进行相应的换算。

（2）UTC时间转换为GNSS时间：
要将UTC时间转换为GNSS时间，同样需要考虑到GPS周数和GPS周内秒数。
首先，确定当前的UTC时间与GPS周数的对应关系。这可以通过查找转换表或使用相关算法来实现。
其次，将UTC时间转换为GPS周内秒数。这需要考虑到闰秒的影响，因为UTC时间中会有闰秒的插入或删除。根据闰秒的信息，可以计算出相应的GPS周内秒数。

⛄二、部分源代码

function varargout = Time(varargin)
% TIME MATLAB code for Time.fig
% TIME, by itself, creates a new TIME or raises the existing
% singleton*.
%
% H = TIME returns the handle to a new TIME or the handle to
% the existing singleton*.
%
% TIME(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in TIME.M with the given input arguments.
%
% TIME(‘Property’,‘Value’,…) creates a new TIME or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before Time_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to Time_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help Time

% Last Modified by GUIDE v2.5 14-Mar-2024 18:17:34

% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @Time_OpeningFcn, …
‘gui_OutputFcn’, @Time_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT

% — Executes just before Time is made visible.
function Time_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to Time (see VARARGIN)

% Choose default command line output for Time
handles.output = hObject;

% Update handles structure
guidata(hObject, handles);

% UIWAIT makes Time wait for user response (see UIRESUME)
% uiwait(handles.figure1);

% — Outputs from this function are returned to the command line.
function varargout = Time_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure
varargout{1} = handles.output;

% — Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
data1 = get(handles.edit1,‘String’);
year = str2double(data1);
data2 = get(handles.edit2,‘String’);
month = str2double(data2);
data3 = get(handles.edit4,‘String’);
day = str2double(data3);
data4 = get(handles.edit5,‘String’);
hour = str2double(data4);
data5 = get(handles.edit6,‘String’);
min = str2double(data5);
data6 = get(handles.edit7,‘String’);
sec = str2double(data6);
if _{isnan(year)&&}isnan(month)&&_isnan(day)&&isnan(hour)&&_isnan(min)&&isnan(sec)
% GPST
JD = UTC2CAL(year,month,day,hour,min,sec);
[N1, sow1] = CAL2GPT(JD,hour,min,sec);
set(handles.edit8,‘String’,N1);
set(handles.edit12,‘String’,sow1);
% BDT
[N2, sow2] = CAL2BDT(JD,hour,min,sec);
set(handles.edit9,‘String’,N2);
set(handles.edit14,‘String’,sow2);
% GALILEO
[N2, sow2] = CAL2GST(JD,hour,min,sec);
set(handles.edit10,‘String’,N2);
set(handles.edit15,‘String’,sow2);
% GLONASS
[N4, Nt] = CAL2GLOT(JD,year);
set(handles.edit11,‘String’,N4);
set(handles.edit16,‘String’,Nt);
set(handles.edit17,‘String’,hour);
set(handles.edit18,‘String’,min);
set(handles.edit19,‘String’,sec);
guidata(hObject, handles);
end

% — Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
set(handles.edit1,‘String’,‘’);
set(handles.edit2,‘String’,‘’);
set(handles.edit4,‘String’,‘’);
set(handles.edit5,‘String’,‘’);
set(handles.edit6,‘String’,‘’);
set(handles.edit7,‘String’,‘’);
set(handles.edit8,‘String’,‘’);
set(handles.edit9,‘String’,‘’);
set(handles.edit10,‘String’,‘’);
set(handles.edit11,‘String’,‘’);
set(handles.edit12,‘String’,‘’);
set(handles.edit14,‘String’,‘’);
set(handles.edit15,‘String’,‘’);
set(handles.edit16,‘String’,‘’);
set(handles.edit17,‘String’,‘’);
set(handles.edit18,‘String’,‘’);
set(handles.edit19,‘String’,‘’);
guidata(hObject, handles);
%close all

function edit1_Callback(hObject, eventdata, handles)
% hObject handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,‘String’) returns contents of edit1 as text
% str2double(get(hObject,‘String’)) returns contents of edit1 as a double

% — Executes during object creation, after setting all properties.
function edit1_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows.
% See ISPC and COMPUTER.
if ispc && isequal(get(hObject,‘BackgroundColor’), get(0,‘defaultUicontrolBackgroundColor’))
set(hObject,‘BackgroundColor’,‘white’);
end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]门云阁.MATLAB物理计算与可视化[M].清华大学出版社，2013.
[2]刘文学.基于GNSS邻域相似性的5G基站纳秒级时间同步技术研究[J].通信学报.2020

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
1.1 PID优化
1.2 VMD优化
1.3 配电网重构
1.4 三维装箱
1.5 微电网优化
1.6 优化布局
1.7 优化参数
1.8 优化成本
1.9 优化充电
1.10 优化调度
1.11 优化电价
1.12 优化发车
1.13 优化分配
1.14 优化覆盖
1.15 优化控制
1.16 优化库存
1.17 优化路由
1.18 优化设计
1.19 优化位置
1.20 优化吸波
1.21 优化选址
1.22 优化运行
1.23 优化指派
1.24 优化组合
1.25 车间调度
1.26 生产调度
1.27 经济调度
1.28 装配线调度
1.29 水库调度
1.30 货位优化
1.31 公交排班优化
1.32 集装箱船配载优化
1.33 水泵组合优化
1.34 医疗资源分配优化
1.35 可视域基站和无人机选址优化

2 机器学习和深度学习分类与预测
2.1 机器学习和深度学习分类
2.1.1 BiLSTM双向长短时记忆神经网络分类
2.1.2 BP神经网络分类
2.1.3 CNN卷积神经网络分类
2.1.4 DBN深度置信网络分类
2.1.5 DELM深度学习极限学习机分类
2.1.6 ELMAN递归神经网络分类
2.1.7 ELM极限学习机分类
2.1.8 GRNN广义回归神经网络分类
2.1.9 GRU门控循环单元分类
2.1.10 KELM混合核极限学习机分类
2.1.11 KNN分类
2.1.12 LSSVM最小二乘法支持向量机分类
2.1.13 LSTM长短时记忆网络分类
2.1.14 MLP全连接神经网络分类
2.1.15 PNN概率神经网络分类
2.1.16 RELM鲁棒极限学习机分类
2.1.17 RF随机森林分类
2.1.18 SCN随机配置网络模型分类
2.1.19 SVM支持向量机分类
2.1.20 XGBOOST分类

2.2 机器学习和深度学习预测
2.2.1 ANFIS自适应模糊神经网络预测
2.2.2 ANN人工神经网络预测
2.2.3 ARMA自回归滑动平均模型预测
2.2.4 BF粒子滤波预测
2.2.5 BiLSTM双向长短时记忆神经网络预测
2.2.6 BLS宽度学习神经网络预测
2.2.7 BP神经网络预测
2.2.8 CNN卷积神经网络预测
2.2.9 DBN深度置信网络预测
2.2.10 DELM深度学习极限学习机预测
2.2.11 DKELM回归预测
2.2.12 ELMAN递归神经网络预测
2.2.13 ELM极限学习机预测
2.2.14 ESN回声状态网络预测
2.2.15 FNN前馈神经网络预测
2.2.16 GMDN预测
2.2.17 GMM高斯混合模型预测
2.2.18 GRNN广义回归神经网络预测
2.2.19 GRU门控循环单元预测
2.2.20 KELM混合核极限学习机预测
2.2.21 LMS最小均方算法预测
2.2.22 LSSVM最小二乘法支持向量机预测
2.2.23 LSTM长短时记忆网络预测
2.2.24 RBF径向基函数神经网络预测
2.2.25 RELM鲁棒极限学习机预测
2.2.26 RF随机森林预测
2.2.27 RNN循环神经网络预测
2.2.28 RVM相关向量机预测
2.2.29 SVM支持向量机预测
2.2.30 TCN时间卷积神经网络预测
2.2.31 XGBoost回归预测
2.2.32 模糊预测
2.2.33 奇异谱分析方法SSA时间序列预测

2.3 机器学习和深度学习实际应用预测
CPI指数预测、PM2.5浓度预测、SOC预测、财务预警预测、产量预测、车位预测、虫情预测、带钢厚度预测、电池健康状态预测、电力负荷预测、房价预测、腐蚀率预测、故障诊断预测、光伏功率预测、轨迹预测、航空发动机寿命预测、汇率预测、混凝土强度预测、加热炉炉温预测、价格预测、交通流预测、居民消费指数预测、空气质量预测、粮食温度预测、气温预测、清水值预测、失业率预测、用电量预测、运输量预测、制造业采购经理指数预测

3 图像处理方面
3.1 图像边缘检测
3.2 图像处理
3.3 图像分割
3.4 图像分类
3.5 图像跟踪
3.6 图像加密解密
3.7 图像检索
3.8 图像配准
3.9 图像拼接
3.10 图像评价
3.11 图像去噪
3.12 图像融合
3.13 图像识别
3.13.1 表盘识别
3.13.2 车道线识别
3.13.3 车辆计数
3.13.4 车辆识别
3.13.5 车牌识别
3.13.6 车位识别
3.13.7 尺寸检测
3.13.8 答题卡识别
3.13.9 电器识别
3.13.10 跌倒检测
3.13.11 动物识别
3.13.12 二维码识别
3.13.13 发票识别
3.13.14 服装识别
3.13.15 汉字识别
3.13.16 红绿灯识别
3.13.17 虹膜识别
3.13.18 火灾检测
3.13.19 疾病分类
3.13.20 交通标志识别
3.13.21 卡号识别
3.13.22 口罩识别
3.13.23 裂缝识别
3.13.24 目标跟踪
3.13.25 疲劳检测
3.13.26 旗帜识别
3.13.27 青草识别
3.13.28 人脸识别
3.13.29 人民币识别
3.13.30 身份证识别
3.13.31 手势识别
3.13.32 数字字母识别
3.13.33 手掌识别
3.13.34 树叶识别
3.13.35 水果识别
3.13.36 条形码识别
3.13.37 温度检测
3.13.38 瑕疵检测
3.13.39 芯片检测
3.13.40 行为识别
3.13.41 验证码识别
3.13.42 药材识别
3.13.43 硬币识别
3.13.44 邮政编码识别
3.13.45 纸牌识别
3.13.46 指纹识别

3.14 图像修复
3.15 图像压缩
3.16 图像隐写
3.17 图像增强
3.18 图像重建

4 路径规划方面
4.1 旅行商问题（TSP）
4.1.1 单旅行商问题（TSP）
4.1.2 多旅行商问题（MTSP）
4.2 车辆路径问题（VRP）
4.2.1 车辆路径问题（VRP）
4.2.2 带容量的车辆路径问题（CVRP）
4.2.3 带容量+时间窗+距离车辆路径问题（DCTWVRP）
4.2.4 带容量+距离车辆路径问题（DCVRP）
4.2.5 带距离的车辆路径问题（DVRP）
4.2.6 带充电站+时间窗车辆路径问题（ETWVRP）
4.2.3 带多种容量的车辆路径问题（MCVRP）
4.2.4 带距离的多车辆路径问题（MDVRP）
4.2.5 同时取送货的车辆路径问题（SDVRP）
4.2.6 带时间窗+容量的车辆路径问题（TWCVRP）
4.2.6 带时间窗的车辆路径问题（TWVRP）
4.3 多式联运运输问题

4.4 机器人路径规划
4.4.1 避障路径规划
4.4.2 迷宫路径规划
4.4.3 栅格地图路径规划

4.5 配送路径规划
4.5.1 冷链配送路径规划
4.5.2 外卖配送路径规划
4.5.3 口罩配送路径规划
4.5.4 药品配送路径规划
4.5.5 含充电站配送路径规划
4.5.6 连锁超市配送路径规划
4.5.7 车辆协同无人机配送路径规划

4.6 无人机路径规划
4.6.1 飞行器仿真
4.6.2 无人机飞行作业
4.6.3 无人机轨迹跟踪
4.6.4 无人机集群仿真
4.6.5 无人机三维路径规划
4.6.6 无人机编队
4.6.7 无人机协同任务
4.6.8 无人机任务分配

5 语音处理
5.1 语音情感识别
5.2 声源定位
5.3 特征提取
5.4 语音编码
5.5 语音处理
5.6 语音分离
5.7 语音分析
5.8 语音合成
5.9 语音加密
5.10 语音去噪
5.11 语音识别
5.12 语音压缩
5.13 语音隐藏

6 元胞自动机方面
6.1 元胞自动机病毒仿真
6.2 元胞自动机城市规划
6.3 元胞自动机交通流
6.4 元胞自动机气体
6.5 元胞自动机人员疏散
6.6 元胞自动机森林火灾
6.7 元胞自动机生命游戏

7 信号处理方面
7.1 故障信号诊断分析
7.1.1 齿轮损伤识别
7.1.2 异步电机转子断条故障诊断
7.1.3 滚动体内外圈故障诊断分析
7.1.4 电机故障诊断分析
7.1.5 轴承故障诊断分析
7.1.6 齿轮箱故障诊断分析
7.1.7 三相逆变器故障诊断分析
7.1.8 柴油机故障诊断

7.2 雷达通信
7.2.1 FMCW仿真
7.2.2 GPS抗干扰
7.2.3 雷达LFM
7.2.4 雷达MIMO
7.2.5 雷达测角
7.2.6 雷达成像
7.2.7 雷达定位
7.2.8 雷达回波
7.2.9 雷达检测
7.2.10 雷达数字信号处理
7.2.11 雷达通信
7.2.12 雷达相控阵
7.2.13 雷达信号分析
7.2.14 雷达预警
7.2.15 雷达脉冲压缩
7.2.16 天线方向图
7.2.17 雷达杂波仿真

7.3 生物电信号
7.3.1 肌电信号EMG
7.3.2 脑电信号EEG
7.3.3 心电信号ECG
7.3.4 心脏仿真

7.4 通信系统
7.4.1 DOA估计
7.4.2 LEACH协议
7.4.3 编码译码
7.4.4 变分模态分解
7.4.5 超宽带仿真
7.4.6 多径衰落仿真
7.4.7 蜂窝网络
7.4.8 管道泄漏
7.4.9 经验模态分解
7.4.10 滤波器设计
7.4.11 模拟信号传输
7.4.12 模拟信号调制
7.4.13 数字基带信号
7.4.14 数字信道
7.4.15 数字信号处理
7.4.16 数字信号传输
7.4.17 数字信号去噪
7.4.18 水声通信
7.4.19 通信仿真
7.4.20 无线传输
7.4.21 误码率仿真
7.4.22 现代通信
7.4.23 信道估计
7.4.24 信号检测
7.4.25 信号融合
7.4.26 信号识别
7.4.27 压缩感知
7.4.28 噪声仿真
7.4.29 噪声干扰