衛(wèi)星鐘差預報的小波神經網絡算法研究

王宇譜，呂志平，陳正生，等

摘要：目的：衛(wèi)星鐘差（satellite clock bias，SCB）的預報在衛(wèi)星導航定位系統(tǒng)中具有重要的作用：導航衛(wèi)星任意時刻的鐘差是通過導航電文發(fā)布的鐘差參數外推得到的，研究鐘差預報有利于提高參數預報的可靠性和準確性、優(yōu)化衛(wèi)星鐘差改正數據上傳時間間隔；在實時動態(tài)精密單點定位中需要采用鐘差預報結果參與計算來實現(xiàn)高精度定位；衛(wèi)星自主導航需要地面預報一段時間的鐘差作為其先驗信息。因此，提高導航衛(wèi)星鐘差的預報精度非常重要。目前已有的研究表明，星載原子鐘頻率總的波動是白噪聲調相、白噪聲調頻和閃變噪聲調相、閃變噪聲調頻以及隨機游走調頻5種噪聲線性疊加的結果，這使得建立精準的星載原子鐘運行模型變得比較困難，從而也使高精度的鐘差預報變得相當困難。本文結合鐘差數據的特點、利用小波神經網絡（WNN）在非線性時間序列預報方面的優(yōu)良特性，建立了結構簡單、適合較高精度鐘差預報的WNN 算法。方法：根據衛(wèi)星鐘差的特點，提出了一種基于一次差方法的小波神經網絡（WNN）鐘差預報算法。在利用WNN 解決具體問題時，其關鍵在于針對具體對象的特點確定合適的網絡結構。實際應用中，具有一個隱含層和一個輸出層的兩層結構的神經網絡可以實現(xiàn)任意非線性映射；但是對于網絡每層神經元數量的確定目前還沒有明確的理論依據可以遵循。通常，輸出層神經元的個數等于需要輸出的不同類型變量的個數；由于網絡最終的輸出只有鐘差這一種變量，因而輸出層神經元個數為1個；同時在鐘差的預報過程中，當已經預報出了一部分鐘差值的情況下，后面的鐘差是根據其所對應的歷元通過移動窗口的方法來獲得。而網絡隱含層神經元個數的確定則是整個WNN 模型的重難點。理論上分析應該存在一個合適的隱含層單元數可以滿足鐘差的較高精度預報，但其確定過程需要構造較復雜的網絡結構和進行大量的試驗；為了避免這種情況，根據衛(wèi)星鐘差具有數據有效位數較多但相鄰歷元間的數值變化不大、相鄰歷元間一次差可降低原鐘差序列趨勢項影響得到一組有效數字位數減少的數據序列的特點，建立了一種基于一次差方法的WNN 鐘差預報算法：對相鄰歷元間鐘差作一次差后的差值進行建模，根據時間序列預報一次差的值；再將預報的一次差還原，得到鐘差預報值。該方法使得預報鐘差的WNN 不但模型結構簡單，而且預報精度高。結合試驗確定衛(wèi)星鐘差預報WNN 模型的隱含層神經元個數為6個。然后，對WNN 中的其他相關構成進行了分析，主要包括小波基函數的選取、模型預報過程中所采用的學習訓練算法。WNN 鐘差預報模型的小波基函數選取的是適合非線性時間序列預報的Morlet 小波函數，網絡學習訓練算法選擇的是基于梯度下降的最優(yōu)化的反向傳播算法。此外，為了避免逐個訓練引起網絡權值和閾值在修正時發(fā)生震蕩，采用成批訓練樣本的方法。結果：通過模型分析與衛(wèi)星鐘差預報試驗可知：① 鐘差建模數據的增多總體上可以改善二次多項式模型隨著預報時間的變長導致預報誤差變大的不足，特別是對使用一次差方法的時候。而建模數據的增多對灰色模型預報效果的影響不明顯，但對該模型使用一次差方法時的精度和穩(wěn)定性有改善，而且使其預報性能優(yōu)于不使用一次差方法。鐘差建模數據的增多對小波神經網絡（WNN）模型的預報精度和算法穩(wěn)定性均有顯著提高，因此使用較多的鐘差數據建模，WNN 模型可以高精度地實現(xiàn)較長時間的鐘差預報。② 對于WNN 模型而言，使用一次差方法時其鐘差預報效果比不使用時得到了明顯提高，一方面是因為該模型自身就有一定的抗差性，另一方面說明在網絡拓撲結構一定的情況下，由原鐘差序列有效數位太多引起的WNN 模型難以較好地擬合鐘差模型造成的預報誤差遠大于由相鄰歷元作差對建模所造成的預報誤差。因此，在使用WNN 前對有效位數多的原始數據序列進行適當的處理可以提高WNN 模型的預報性能；通過鐘差相鄰歷元間一次差的建模方法，WNN 模型可實現(xiàn)衛(wèi)星鐘差的較高精度預報，同時避免了構造復雜的網絡結構。結論：本文提出一種使用一次差方法的WNN鐘差預報模型。該方法使得預報鐘差的小波神經網絡不但模型結構簡單，而且預報精度高。同時，通過算例將新模型與常用的二次多項式模型和灰色模型進行對比，結果表明：使用神經網模型進行時間序列預報，數據有效位數的多少對網絡的預報性能有影響；一次差方法可以使給定結構的小波神經網絡的鐘差預報精度得到顯著提高，并且新模型的預報效果優(yōu)于兩種常規(guī)模型。

來源出版物：測繪學報,2013,42(3):323-330

入選年份：2017

展望大數據時代的地球空間信息學

李德仁

摘要：20世紀90年代，隨著全球信息化和互聯(lián)網的推進，地球空間信息學應運而生，推動了數字地球和數字城市的建設。21世紀以來，隨著全球信息化與工業(yè)化的高度集成發(fā)展，出現(xiàn)了物聯(lián)網和云計算，人類進入了大數據時代。大數據具有5 大特征：volume（體量大）、velocity（速度快）、variety（模態(tài)多樣）、veracity（真?zhèn)坞y辨）、value（價值巨大）。面對大數據的到來，目前的問題是，由于體量大、速度快、模態(tài)多樣和真?zhèn)坞y辨，很難有效地從大數據中挖掘出它的巨大價值，就會形成“數據海量、信息缺失、知識難覓”的局面。地球空間信息學可為地球科學問題的研究提供空間信息框架、數學基礎和信息處理的技術方法，同時，它又通過多平臺、多尺度、多分辨率、多時相的空、天、地對地觀測、感知和認知手段改善和提高人們觀察地球的能力，為人們全面精確判斷與決策提供大量可靠的時空信息。大數據時代對地球空間信息學提出新的要求，使之具有新的時代特點。這些特點可以概括為以下7個方面：無所不在、多維動態(tài)、互聯(lián)網＋網絡化、全自動與實時化、從感知到認知、眾包與自發(fā)地理信息、面向服務。地球空間信息學一定要抓住大數據帶來的機遇，迎接新需求帶來的挑戰(zhàn)。除了利用多年來地球空間信息學已有的研究成果外，天地一體化網絡實時智能服務需要解決以下關鍵技術問題：關鍵技術1：全球空天地一體化的非線性地球參考框架構建技術。利用裝載有GNSS 接收機的高中低軌衛(wèi)星、地面或星間可跟蹤的高中低軌衛(wèi)星，通過靜態(tài)的地面跟蹤站和動態(tài)的衛(wèi)星和天體來共同構建和維持我國自主的全球時空基準。關鍵技術2：星基導航增強技術。利用低軌衛(wèi)星上搭載星載GNSS 接收機連續(xù)觀測記錄，結合激光測距等手段和現(xiàn)有地基增強系統(tǒng)，提高北斗衛(wèi)星導航系統(tǒng)的實時定位精度。關鍵技術3：天地一體化網絡通信技術。為滿足多源影像與視頻信息傳輸、增強導航以及增強地面移動通信的需求，需要通過天網、地網的互聯(lián)互通，構建天地一體化的通信網絡。關鍵技術4：多源成像數據在軌處理技術。針對衛(wèi)星影像與視頻數據量大，星上數據存儲、處理與傳輸能力受限的問題，通過星地資源協(xié)同調度與優(yōu)化，提升數據處理和信息提取效率和自動化水平。關鍵技術5：天基信息智能終端服務技術。系統(tǒng)除向專業(yè)用戶（行業(yè)、部門）提供服務外，還需面向互聯(lián)網大眾信息消費的主流平臺—智能手機與移動終端提供定制化的智能天基信息服務。關鍵技術6：天基資源調度與網絡安全。系統(tǒng)通過對衛(wèi)星資源的動態(tài)組織調度，可實現(xiàn)衛(wèi)星資源組織面向任務快速應變。同時，由于空間網絡的開放特性，系統(tǒng)通信鏈路容易受到宇宙射線、電磁信號干擾，甚至惡意破壞。關鍵技術7：基于載荷的多功能衛(wèi)星平臺設計與研制。按照“一星多用”要求，單個衛(wèi)星平臺需要集成遙感、導航、通信、數傳等多種載荷，可根據任務需求實現(xiàn)能力可伸縮。最后給出大數據時代地球空間信息學的新定義，即地球空間信息學是用各種手段和集成各種方法對地球及地球上的實體目標和人類活動進行時空數據采集、信息提取、網絡管理、知識發(fā)現(xiàn)、空間感知認知和智能位置服務的一門多學科交叉的科學和技術。從這個新定義出發(fā)，地球空間信息學將在構建智慧地球和智慧城市的大數據時代面臨更多的發(fā)展機遇和艱巨的任務，必將為人類社會的進步和可持續(xù)發(fā)展作出更大的貢獻。

來源出版物：測繪學報,2016,45(4):379-384

入選年份：2017