[发明专利]一种基于神经网络的北斗实时精密时钟预测方法

权利要求书

1.一种基于神经网络的北斗实时精密时钟预测方法，其特征在于，包括如下步骤：

步骤1，地面观测站收集北斗导航系统的卫星观测信息和导航信息，通过互联网通信链路发送到数据处理中心；

步骤2，数据处理中心提取导航信息和观测信息，经过数据预处理，数据中心基于广播星历的轨道参数，在消除卫星时钟的基础上生成卫星精密轨道；

步骤3，数据中心基于卫星精密轨道，建立非差消电离的时钟估计观测模型，同时基于模糊度整数约束，通过模糊度分解方式逐级求解模糊度参数；

步骤4，基于步骤3中的模糊度参数，求解卫星时钟参数，并重复迭代步骤3和4，直到参数估计的残差符合精度要求；

步骤5，构建五级结构的卷积神经网络，利用步骤4中生成的卫星时钟参数对神经网络进行训练；

步骤6，基于步骤5中神经网络训练结果，预测实时的时钟参数，并通过卫星通信链路将预测实时的时钟参数播发给全球任意用户；

步骤2中消除卫星时钟的双差观测方程，

y＝Hx₀+ε

其中

y(t_l)表示t_l时刻的双差观测信息，表示t_l时刻的观测系数矩阵，Φ表示状态转移矩阵，x₀表示待估轨道参数，ε表示观测噪声；

考虑多种卫星摄动力的卫星动力学方程为：

式中，r，分别为卫星质心在惯性坐标系中的三维位置、速度、加速度,p为动力学参数，GM_e为地球引力常数，a₁是作用在卫星上的各种摄动力之和，a表示卫星运动时的总加速度，t为时间参数；

步骤3中非差消电离的时钟估计观测模型为：

其中L和P表示卫星相位和伪距观测，r表示星地距离，c表示光速，表示卫星时钟参数，表示接收机钟差，λ_IF表示IF组合波长，N_IF表示IF组合模糊度参数，m_trop和T分别表示对流层投影函数和天顶对流层，ε_L,IF和ε_P,IF分别表示载波相位和伪距观测噪声；

IF组合的模糊度N_IF参数不具备整数特性，为了有效固定模糊度参数，将N_IF进行分解，并逐级固定；

其中f₁和f₂分别表示载波B1I和B2I的频率，N₁和N₁分别表示载波B1I和B2I的模糊度参数；

宽巷模糊度利用宽巷组合进行固定：

其中L₁和L₂分别表示载波B1I和B2I的相位观测值，P₁和P₂分别表示载波B1I和B2I的伪距观测值；

在固定宽巷模糊的前提下，将N₁-N₂回代到观测模型中，求解窄巷模糊度N₁的浮点解，并通过整周模糊度最小二乘估计方式固定N₁。