用于修正随时间变化的信号值的预测的方法

摘要

本发明涉及一种用于修正随时间变化的信号值的预测的方法，特别是针对全球卫星导航系统发出的导航消息，其特征在于，所述方法包括用于修正包含在接收信号中且随时间变化的参数的预测的如下步骤：基于在预定时间段内所估计的第一批值，通过将所述值与先前在相同预定时间段内预测的值相比较来估计预测误差；通过处理信号和分离系统效应的贡献的方法分析预测误差的预测时间序列；推断在所关心的时间段内所述系统效应的贡献的行为，以及利用适时推断的值来修正所述预测。

说明书

技术领域

本发明涉及一种用于修正被各种不可控的系统效应干扰的随时间变化的信号值的预测的方法。

背景技术

由全球卫星导航系统(例如Galileo，GPS等)发送的导航消息，随着全球卫星导航系统具有增加了他们的完整性的自身增加的系统(EGNOS，WAAS等)，还包括用于这些卫星的轨道预测信息和参考时间信息。利用这些预测，这些导航服务的用户基于伪距离测量值来计算他们的估计位置。

影响这些预测结果的任何误差导致以此方式确定的用户的地理位置的值的误差。在服务以安全为首要问题的情况中，设置完整性监控字段，通过检查预测的有效性来监控用户的完整性，并且广播完整性信息(完整性指示器，例如针对Galileo的SISA/SISMA或针对EGNOS/WAAS的UDRE，其为用于GPS系统的欧洲超级层)。用户考虑这些指示器以估计影响所标示的位置的误差大于警报阈值的风险。这些指示器以及用于实现他们的算法的标准化和验证当前正在进行中。

卫星导航专家们所提出的一个主要问题是，在现有标准下，仅在误差的分布不受系统效应特别是偏置的影响的强制的数学条件下才可以获得测量的完整性。如果不是此情况，即使通过到使用者的允许级别广播来分别控制每个卫星的误差，所得到的使用者级别的误差也不能被控制。

假定导航数据广播信道的带宽是严格受限的，则广播一个以上的轨道和时钟预测误差表征参数是不可能的。

为了解决该问题，试图人工增加完整性指示器以便提高预测误差的分布的允许级别。然而，此人工增加对完整性服务的可用性有很大影响，因为这导致很多假警报。因此需要提高轨道和时钟数据的修正质量。

不总是能清楚地确定预测的质量中所固有的限制。很多因素可能造成该限制。这些因素特别包括：

-地球重力场模型不准确，

-忽视了更高阶潮汐效应或多体效应(例如，太阳系中的其他行星)，

-没有充分尝试和测试将观测推断为预测的算法，

-机载导航信号产生硬件不稳定，

-太阳辐射压力效应的建模不准确，

-卫星质量数据、卫星的重心位置等不准确，

-以及当前未确定的其他因素。

上面所列的因素中的大部分是现有技术的限制所固有的(前四个)，或者在卫星的使用寿命期间参数偏移所造成的(后三个)。所实施的用于减少这些因素的冲击的当前技术方案主要如下：

-提高地球物理数据的准确性，例如提高地球重力场或潮汐的模型质量，

-提高与卫星的当前状态有关的数据的准确性，

-提高计算电路的性能级别以使得他们能够针对更长的交互过程以更高的准确性计算更大量的数据，

-提高机载硬件的稳定性(通过电子电路的热控制、细化等)。

所有这些已知的技术方案展现了局限性，特别在于：

-从科学任务的分析结果，只能以相对慢的步幅来提高地球物理数据的准确性，

-与卫星的设备和组件有关的数据的准确性非常受限，因为在卫星发射之后对他们进行观测的可能性非常受限。例如有如下情况，例如卫星的光反射率的参数跟随其反射外涂层不可避免地衰减，这在太阳辐射压力效应中占据了主要位置，

-不可能比提高集成电路的性能等级而更快地提高计算性能等级，当他们的小型化到达原子量级时，这可能很快到达他们的最大等级。

发明内容

本发明的主题是一种用于修正被各种不可控的系统效应干扰的随时间变化的信号值的预测的方法，一种不受上述限制并且容易实施的方法。

根据本发明的方法的特征在于，包括如下步骤来修正接收的信号中包括的并随时间变化的参数的预测值：

-构造预测误差的历史，这是基于在确定时间段内估计的具有足够的准确性的第一批值(这里称为“恢复值”)，并将这些恢复值与先前针对相同的确定时间段预测的一批值相比较来实现的，

-通过用于处理信号和分离系统效应的贡献的方法，分析预测误差的预测时间导向序列，

-将在所关心的时间段(E₁)内识别的系统效应的贡献的行为推断到新时间段，并且利用该适时推断的值来修正所述预测。

附图说明

通过阅读作为非限制性示例的，并由附图描述的实施例的详细说明，可更好地理解本发明，其中：

-图1为描述了根据本发明的方法，从接收的测量值获得的并且对应于预测值的一批值的简化示例的时序图，

-图2为与图1的所述预测有关的预测误差的变化的时序图，以及

-图3为描述了导致所述预测误差的系统效应在傅里叶面中的图形。

具体实施方式

下面参照从无线电导航卫星接收的信号来描述本发明，但显然本发明不受限于此单个应用，其可以在各种应用中实现，其中接收的信号以至少部分非随机方式随时间变化，且受各种系统原因干扰，并且存在这些干扰信号的变化的历史。

本发明基于如下事实，准确的轨道预测算法以批处理模式工作(处理在一时间段或“弧(arc)”内包含的大量连续值)，其第一步骤强制为准确估计沿着与过去有关的估计弧的卫星的位置和轨道参数。然后针对预测期间来推断所估计的位置以提供对轨道参数的预测。

在当前情况中，用于预测的确定的时间段总是覆盖预测处理的最后弧中使用的一个或多个估计弧。而且，恢复值的准确性比预测值高得多。这两类值的比较(即他们的差)表现出了预测方法的很多缺点。已知的信号处理方法可以应用于这些差的时间导向序列以推断将所述缺点的行为并在它们能够产生其效应之前修正他们。

依靠过去的观测，本发明的方法可以显著地减少潜在的系统效应(上述那些类型)，这导致预测误差分布更加适用于完整性计算标准的需要。

如下实施本发明的方法：

令X(t)为取决于时间的任何参数，其可能与卫星的时钟或轨道有关。该参数X可以是该卫星的轨道上的点，X＝x，y或z，其中x，y或z为X的空间坐标，或者定义X＝δt，也就是说卫星的时钟的偏移。本发明的方法包括如下三个主要步骤：

-估计预测误差，

-分析系统地影响预测误差的因素，

-修正所述预测。

详细地，这些步骤解释如下。首先，基于两批预测值来估计预测误差。

A-第一批预测值

计算卫星的轨道首先开始于从记录在相对长(一般从几天到几周)的估计弧E₁＝[t_b，1，t_e，1]上的测量值。该估计弧用于估计通过参数X的轨道测定和同步装置的常规计算电路恢复的恢复值。令X_r1(t)为能够获得该参数在时间段t∈E₁内的恢复值的函数。恢复方法的细节对于本发明的内容是不重要的，且这只需要令X_r1(t)的持续时间为弧E₁。而且，这些恢复值能够从不同于预测计算电路的源获得。

恢复值被关联到到某些参数(轨道参数，地球旋转参数，卫星反射率模型等)的估计，这些参数可以用于计算X在t_e，1(t_e，1为P₁的开始)之后的时刻的值。令X_p1(t)为以如下方式获得的值：

t∈P₁＝[t_e，1，t_p，1]

在该表达式中，t_p，1为最后预测时刻。X_p1(t)的这些值提供了所关心的参数的第一预测。这里还将注意到如何将预测方法实施的细节对于本发明是不重要的，并且只仅需令X_p1(t)的持续时间为弧P₁。

图1显示了估计弧(E₁，E₂，E₃等)和相应的预测弧(P₁，P₂，P₃等)的时间变化。在该时序图中，实线曲线表示X的恢复值，而虚线段表示X的预测值。在图2中，限定了实线曲线的点对应于X的预测误差，这可以通过X的预测值和恢复值在相同时刻的差而获得。

B-第二批预测值

对于下一批轨道预测值，针对第二预测弧E₂＝[t_b，2，t_e，2]重复前述操作，其中t_e，2≤t_p，1。而且，对于大部分时间t_b，2≤t_e，1，因为估计弧必须长于预测弧以获得良好的预测质量，那么通常的，但是非限制方式，在本应用中，这些估计弧可以持续1小时至48小时。在时间段E2中执行的测量使得能够获得恢复的轨道或时钟参数值X_r，2(t)的集合，其对应于该时间段E2并且能够在时间段P2＝[t_e，2，t_p，2]内被广播，并且使得能够获得针对此时间段轨道或时钟的预测X_p，2(t)。

应注意到，对于时间段P₁，因为可得到X的两个值，即针对[t_e，1，t_p，1]的X_p，1(t)和X_r，2(t)。假定X_p，1和X_r，2都是相同的轨道或时钟参数在相同时刻的近似值，但是对于X_r，2有比X_p，1好得多的准确性，通过下式获得针对时间段P1的预测误差的近似值：

δX(t)＝X_p，1(t)-X_r，2(t)，对于[t_e，1，t_p，1]            (1)

通过将第一批中的X的预测值与第二批中的其恢复值相比较，以与δX(t)相同的方式建立下面的预测批次，可以获得针对批次n的预测误差的估计，这是通过将针对此批次n的X_p，n(t)的预测与恢复值X_r，n+1(t)相比较来实现的：

δX(t)＝X_p，n(t)-X_r，n+1(t)，对于[t_e，n，t_p，n]       (2)

图2中表示了该连续估计和预测批次，以及预测误差估计函数δX(t)。

综上所述，本发明的方法的第一步骤包括，针对预测值的批次n+1，构造针对每个轨道或时钟参数X的预测误差的时间导向序列δX(t)，这是通过将获得的批次的恢复值与在前一个或多个批次的预测值相比较来实现的。

本发明的方法的下一个步骤包括，分离预测误差中的系统效应。函数δX(t)提供的预测误差的时间导向序列，如以图2中的简化方式所示，包含所有与预测误差有关的信息。如果该预测误差只从测量误差得到，表示δX(t)的曲线将具有随机变化。在大部分情况中，这不是真的，并且例如，对预测误差的时间导向序列的小波分析或傅里叶分析，如图3中所示，展现了误差的这些时间导向序列的特征，这清楚地显示了其不是纯的随机分布。这些特征对应于影响了预测处理的系统误差，并且他们是由于用于预测轨道自身的模型中展现的误差，或者由于预测处理的限制而导致的。

图3显示了傅里叶分析的实例的图形，其给出了根据规一化频率f的功率|δX(f)|²的误差的频谱。在该实例中，其值显著大于频谱的平均值的频谱的分量(可以在图中看到的五个窄脉冲)对系统效应有贡献。这些分量在傅里叶分析的情况中对应于针对所关心的频谱中的ω(i)的不同显著值的贡献δX_s，i(t)＝A(i)e^jωi(t)。

综上所述，本发明的方法的第二个主要步骤包括，利用合适的信号处理方法(傅里叶分析，小波分析，或其他信号处理方法)分析预测误差的时间导向序列，并且分离系统效应的贡献δX_s，i(t)。

下一个步骤包括，执行系统预测误差的预测和修正。一旦系统效应δX_s，i(t)的贡献被确定，相对简单地能推断在未来的预测时间段P_n+1内他们的行为和时间。因此这些贡献可以用于修正预测批次n+1中的预测，这是通过减去函数δX(t)的值的各种贡献的效应来实现的。

综上所述，本发明的第三个主要步骤包括，在所关心的预测时间间隔内推断系统效应δX_s，i(t)的贡献的行为，并且用这些贡献值修正预测值。

将注意到，本发明的方法可以实施用于修正的或未修正的预测。此外，预测弧(对应于图1中所示的时间段P₁，P₂，P₃)有利地为相互覆盖，但是这不是必须的。