一种并行星群掩星事件快速数据处理方法

摘要

本发明涉及导航卫星应用、并行计算技术领域，尤其涉及一种并行星群掩星事件快速计算方法。本发明包括导航星座和掩星星群信息读取、根据可获得计算核心分配卫星对、并进行精确的掩星事件信息计算、最后存储为后续掩星数据处理的信息文件。本发明提出的方法应用于掩星数据处理系统，特别是应用于近实时(3-6h)的掩星数据处理系统预处理过程中计算掩星事件信息的重要部分，可极大提高该过程的计算效率，大幅减少计算时间，从而使掩星资料应用于天气预报和空间天气预报的近实时应用提供更快的数据保障。

说明书

技术领域

本发明涉及导航卫星应用、并行计算技术领域，尤其涉及一种并行星群掩星事件快速数据处理方法。

背景技术

无线电掩星技术最初用于天文学中探测行星的大气状态，在参考文献1中详尽的描述了应用于行星大气探测的发展史(参见文献1)，1965年，Fischbach提出将这种技术应用于地球大气探测的思想(参见文献2)；此后Hardy等人进行了大量的理论研究和模拟计算工作(参见文献3)，90年代初美国的全球定位系统(GPS，Global Positioning System)星座的成功建成和运行促进了这一思想在实践中的应用。

利用GPS无线电掩星技术探测地球大气状态是近年来地学和大气科学领域中蓬勃发展的研究方向之一，其基本思想是：在低轨道(LEO，Low Earth Orbit)卫星上安装一个高频采样的GPS接收机对GPS卫星进行观测。当信号穿过地球电离层和对流层时，由于相应介质垂直折射指数的变化，信号路径会发生弯曲。随着信号发射与接收两端卫星的运动，弯曲的信号路径会由高到低或者由低到高地扫过整个地球大气层，持续时间约为1min左右，这一过程被称作一次下降或者上升掩星事件。通过对一次掩星事件中信号相位及振幅变化量的测定，再加上GPS与LEO卫星的精密轨道信息，就能够反演弯曲角的垂直廓线，进而得到大气折射指数廓线。当对流层中水汽含量可以忽略时，可基于理想气体大气状态方程直接得到气压与干温廓线。当水汽含量较大时，利用其它途径(如数值天气预报模式输出或无线电探空观测资料)提供的背景温度场，进而反演大气湿度廓线。

GPS掩星观测这一新型大气探测手段的产生是对传统大气探测手段的有力补充，其观测数据具有全球覆盖、高垂直分辨率、高精度、稳定性好等优点。其发展能够弥补无线电探空仪和气象卫星的不足，推动数值天气预报精度的提高。对于天气预报而言，数值天气预报(NWP，Numerical Weather Prediction)模式必须采用三维大气参数数据作为初值，目前提供这种初值的无线电探空网络在时空分布上密度不够，极大地限制了模式的精度。而气象卫星资料的垂直分辨率有限，对模式精度的贡献较小。掩星观测由于其高垂直分辨率和高精度，所提供的丰富数据资料具有进一步改进NWP模式的潜力。由于掩星观测的长期性与稳定性，它对于气候和全球变化研究也具有重要作用。另外，GPS掩星观测为电离层的研究也提供了有利条件，它具备足够的时空分辨率提供全球电离层映象。

目前欧美等发达国家和地区已经相继开展星载GPS掩星观测的科学任务。自1995年由美国大学大气研究联合会(UCAR，University Corporation for Atmospheric Research)主持的概念证明实验GPS/MET 正式启动，发射了轨道高度为750km的Microlab-1卫星。通过对该LEO卫星GPS掩星观测资料的处理，证明了GPS掩星探测地球大气状态的可行性和对改进NWP模式的潜在价值(参见文献4)。美国，欧洲，中国台湾省等多个国家和地区已发射了实施掩星观测的多个卫星或卫星星座。其中以美国与台湾联手开始筹备建立气象、电离层与气候星座观测系统(COSMIC，The Constellation Observing System for Meteorology，Ionosphere，and Climate)。COSMIC的主要科学任务即为利用GPS掩星数据弥补常规气象观测手段如探空气球在海洋、两极分布稀疏的不足，为气象研究人员对飓风、台风等风暴形式进行观测、研究、预报提供高分辨率的大气水汽含量数据，精化全球和区域的天气预报模式，同时还为全球气候研究、电离层研究、地球重力场的研究提供数据资料。该系统的建成共需耗资1亿美元，其中台湾承担80％。台湾历来是台风重灾区，而台风形成的太平洋区域探空气球站非常少，常规气象观测资料很有限。COSMIC所能提供的台湾周围海洋区域高时空分辨率的大气探测资料对提高台风、降雨与风力预报的精度将起到重要作用。COSMIC正常运行后，每天实际提供的掩星事件可以达到2500次。

有关星群(Cluster)的定义有很多种，其最早来源于天文学中有关星团(Cluster)的定义——一系列具有相似或相近特性的恒星；国内有些文献也将星座(Constellation)翻译为星群；而在航天领域经常提到编队卫星星群(Formation-Flying Satellite Cluster)的概念。所以有必要将此处“星群(Cluster或Satellite Cluster)”的概念进行明确：指进行掩星观测的卫星(如CHAMP)、星座(如COSMIC)或编队卫星星群(如GRACE)的组合，统称为实施掩星观测的“LEO星群”。利用GNSS星群掩星技术对全球大气状态进行监测，为全球和局域的天气预报、气候变化等领域提供全天候、高时空分辨率的观测数据。

另一方面，继美国的GPS系统，俄罗斯的GLONASS系统之后，欧洲(GALILEO)和中国(COMPASS)都在致力导航卫星系统的研发和实施。到这些系统都运行后，配合低成本的低轨道掩星星群，每日可产生数万甚至更多的掩星时间。这一方面为(空间)天气预报提供了前所未有的全球覆盖数据，同时也带来了对处理系统计算性能的挑战。

由于多核，多处理器计算平台硬件成本的大幅降低，且事实上的工业标准级的MPI(Message Passing Interface)的广泛使用和成熟。为采用并行方式提高星群掩星处理系统计算速度提供的硬件和系统软件平台的支持。

文献1：Fjeldbo，G.，A.J.Kliore，and V.R.Eshleman，The neutral atmosphere of Venus asstudied with the Mariner V radio occultation experiments，The Astronomical Journal，76，123-140，1971.

文献2：Fischbach，F.F.，A satellite method for pressure and temperature below 24km，BulletinofAmerican Meteorological Society，46，528-532，1965.

文献3：Hardy，K.R.，G.A.Hajj，and E.R.Kursinski，Accuracies of atmospheric profilesobtained from GPS occultations，International Journal of Satellite Communications，12，463-473，1994

文献4：Kursinski，E.R.，G.A.Hajj，J.T.Schoeld，et.al.，Observing Earth′s atmosphere withradio occultation measurements using the Global Positioning System，Journal of GeophysicalResearch，102，23429-23465，1997

发明内容

针对上述存在的技术问题，本发明的目的是提供一种并行星群掩星事件快速数据处理方法，以提高星群掩星事件的计算速度。

为达到上述目的，本发明采用如下的技术方案：

①由GNSS星历文件读取卫星编号，精密位置等信息；

②由LEO掩星星群星历文件读取星群各卫星编号，精密位置等信息；

③基于开放免费的MPI平台，计算导航星座和掩星星群每两卫星组合的数量，根据可获得计算核心的数量进行分配；

④基于MPI平台，并行计算每一GNSS-LEO卫星对所形成的掩星事件精确信息，所述掩星事件精确信息包括时刻、精密位置、高度等；

⑤所有的卫星对计算完毕后形成卫星对，掩星信息按时间排序的信息表，并存为文件。

步骤③中根据可获得计算核心的数量进行分配，采用如下方法实现：

根据用户可用的计算核心数nk，参与计算的GNSS卫星数n1和LEO星群卫星数n2，将计算任务分配给每个计算核心。对于第k个计算核心，k的取值范围为1-nk，分配n1/nk颗GNSS卫星，余下的MOD(n1，nk)颗GNSS卫星从第1个计算核心开始依次分配。nk的取值范围为1-128，实际最大nk取决于硬件系统平台。n1和n2的取值范围均为1-256，目前实际工作的GNSS卫星和掩星LEO星群卫星均不超过100颗。

本发明具有以下优点和积极效果：

1、针对产生掩星事件的卫星对间的无关性，完全采用细颗粒度并行方式进行掩星事件计算，具有高效率的特点；

2、方法简单、执行效率高，适用于多核心和多处理器计算机系统、可有效提高星群掩星数据系统的工作效率；

3、构建成本低，且可实现自动化批处理，能够满足近实时应用的要求。

附图说明

图1是现有技术中掩星事件瞬间几何关系图。

图2是本发明提出的并行星群掩星事件快速计算方法的流程图。

图3是现有技术中星历读取流程图。

图4是本发明中资源分配流程图。

图5是本发明中掩星事件信息并行计算流程图。

图6是传统的经典方法与本发明提出的方法实现完成掩星事件信息计算时间对比图。

具体实施方式

由于在计算构成高轨道(GNSS)和低轨道(LEO)卫星对的掩星事件信息时，卫星对之间在计算上没有先后的逻辑关系。所以每一卫星对的计算是独立的。基于这一基础，可以高效的实现并行计算。

具体计算掩星事件位置时则采用掩星领域的经典方法，如图1所示，以已经实现的GNSS系统GPS为例：GPS卫星与LEO卫星的精确位置已知，地心到与GPS和LEO瞬时矢量的垂线段距离极为判断是否产生掩星信号的标准。如果该距离大于地球半径加掩星事件最高地面高度的阈值这判断不能构成掩星观测。

图1是掩星事件的某一瞬间几何关系的示意图。GPS信号某一时刻的射线路径与GPS卫星和LEO卫星同在一个平面内，这个平面称为掩星平面。O点是折射中心。当将地球看作球形时，折射中心与地心重合。由于地球大气的影响，射线路径会向折射率大的方向弯曲，射线路径上距地表高度最低的点称为近地点。图中各参数的含义为：

  折射中心到LEO卫星和GPS卫星的矢量；

  LEO卫星和GPS卫星的速度在掩星平面上的投影；

  射线路径的影响参数，即折射中心到出射与入射信号路径的渐

a：

  近线中的任意一条的垂直距离；

  信号入射方向与的夹角；

χ：  信号出射方向与的夹角；

α：  大气总折射角；

ζ：  与之间的夹角；

η：  与之间的夹角；

θ：  GPS与LEO卫星相对于折射中心的位置矢量之间的夹角；

θ_L：  与信号入射方向之间的夹角；

θ_G：  与信号出射方向之间的夹角；

R_LG：  LEO卫星与GPS卫星之间的几何距离；

r_t：近地点向径，即射线路径近地点相对于折射中心的几何距离。

本发明提出的并行星群掩星事件快速数据处理方法，具体包括以下步骤：

1、由GNSS星历文件读取卫星编号，精密位置等信息；

2、由LEO掩星星群星历文件读取星群各卫星编号，精密位置等信息；

3、基于开放免费的MPI平台，计算导航星座和掩星星群每两卫星组合的数量，根据可获得计算核心的数量进行分配；

4、基于MPI平台，并行计算每一GNSS-LEO卫星对所形成的掩星事件精确信息，包括：时刻，精密位置，高度等；

5、所有的卫星对计算完毕后形成卫星对，掩星信息按时间排序的信息表，并存为文件。

下面以具体实施例结合附图对本发明作进一步说明：

本实施例的实施环境如下：

多核或多处理器计算机硬件平台。操作系统选用Linux，并行软件平台选用MPICH-2；准备好指定格式的方案文件，作为控制程序运行主参数的设定。包括精密星历的路径，生成文件的名称等。

图2是总流程图，图3是图2中“读取GNSS导航卫星及LEO低轨卫星”部分的详细流程图。图4是图2中“资源分配”部分的详细流程图。图5是图2中“以GNSS卫星为准则分配计算资源并进行并行计算及存储”部分的详细流程图。

(1)读取方案文件的内设定的控制信息；

控制信息存储与自定义的方案文件中。内容包括参与计算的GNSS卫星数量，编号及星历文件路径，LEO卫星数量，编号及星历文件路径，结果文件路径等信息。

(2)依据控制信息，循环读取GNSS和LEO的精密星历数据(如图4)；

该过程采用所属专业读取此类数据的通用处理过程，属于本领域公知的技术。

(3)根据可获得的计算内核(CPU)数，分配每内核需要计算的GNSS卫星编号和卫星个数，并建立相关的资源分配信息表(如图5)；

具体的资源分配方法为：程序根据用户可用的计算核心(CPU)数nk(1～nk)，参与计算的GNSS卫星数n1和LEO星群卫星数n2，第个计算核心分配n1/nk颗GNSS卫星，余下的MOD(n1，nk)颗GNSS卫星从第1个计算核心分配。建立CPU号-GNSS卫星编号的资源分配信息表，即每个计算核心所需计算的GNSS卫星数量及编号；完成后进入图4所描述的数据处理过程。

nk的取值范围为1-128，实际最大nk取决于硬件系统平台。n1和n2的取值范围均为1-256，目前实际工作的GNSS卫星和掩星LEO星群卫星均不超过100颗。

(4)根据资源分配信息，同时启动可用的计算内核，每计算核心安装分配的GNSS卫星与所有LEO卫星进行配对的掩星事件信息计算，并将结果存入指定文件(如图6)；

图6由上到下可分为7层。根据图5所描述步骤生成的资源分配信息表(层1)，包括：每计算核心(CPU)分配的GNSS卫星数及编号及对应的LEO卫星编号信息，在所有CPU上并行进行掩星事件信息计算的数据处理。对于第k个计算核心(CPU)，最外层的循环为本CPU分配的GNSS卫星索引i，循环从该CPU分配的第1颗GNSS卫星直到最后一颗(层2到层6)；对于每颗GNSS卫星，LEO星群卫星索引j也从第1颗到n2颗进行循环(层3到层5)，通过每颗GNSS和每颗LEO星群卫星的配对信息读取对应的GNSS卫星星历和LEO卫星，并计算逐时刻判断是否构成掩星事件，如果构成则计算掩星事件的位置，持续时间。然后存储掩星事件的相关信息(层4)。当该CPU所分配的所有GNSS卫星都处理完毕，则该CPU的计算完成(层7)。

全部计算完成后，形成统计信息和报表信息。

图6给出了计算1天GPS卫星和1-6颗低轨道卫星采用经典的单CPU和本方法并行计算掩星事件信息的耗费时间比较。可以看出，对于单CPU计算而言，随着计算的LEO卫星数量的增加，计算耗时呈线性增加。而采用并行则计算耗时无明显增加。当然由于本实例是在具有8颗CPU的系统上进行的，当LEO卫星数超过8颗以后计算耗时会相应增加。

上述实例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出任何的修改和改变，都落入本发明的保护范围。