《Sensors》:Analysis and Forecasting of Clock Product Deviation for BDS-3 PPP-B2b Based on the Normalized Time–Frequency Transform
编辑推荐:
实时BDS-3 PPP-B2b卫星钟产品相对于后处理精密钟存在与卫星相关的钟产品偏差(CPD),这是实时精密定位与授时的重要误差源。以往研究大多将CPD视为静态统计量或可估参数,未涉及其非平稳周期结构与预测潜力。为此,研究人员建立了基于归一化时频变换(NTFT
实时BDS-3 PPP-B2b卫星钟产品相对于后处理精密钟存在与卫星相关的钟产品偏差(CPD),这是实时精密定位与授时的重要误差源。以往研究大多将CPD视为静态统计量或可估参数,未涉及其非平稳周期结构与预测潜力。为此,研究人员建立了基于归一化时频变换(NTFT)的分层分析框架,其动态脊模型无需周期先验即可跟踪振幅、频率与相位的联合时变轨迹。建模残差标准差由5.273 ns降至0.429 ns,并识别出三个跨卫星共同分量。在该结构基础上,研究人员提出统一脊包络外推(uREE)方法,通过三种卫星自适应模式将包络趋势与相位演化转化为短期预报。在独立单日测试中,uREE将总体均方根误差(RMS)从3.649 ns降至1.665 ns,对应54.4%的改进,并优于全部四种基准模型。偏差—离散分解表明,该增益源于系统偏差的削减(其贡献由83%以上降至18.5%),而非随机噪声抑制。这些结果使CPD研究从静态偏差估计转向具有物理可解释性的时变建模与预报。
基于归一化时频变换的BDS-3 PPP-B2b钟产品偏差分析与预报:论文解读
BDS-3 PPP-B2b通过地球静止轨道(GEO)卫星播发实时精密轨道、钟差和码偏差改正,可在不依赖地面通信网络的情况下支持实时精密单点定位(PPP)与授时服务,应用于海洋监测、灾害预警和智能交通等领域。然而,实时产品与后处理精密产品在估计条件、模型和处理策略上存在差异,导致两者之间存在纳秒量级的卫星相关钟产品偏差(CPD)。若该偏差未被充分吸收,将传播至定位与授时解中。以往研究多从伪距偏差、时间群延迟(TGD)和频间钟偏差等角度刻画北斗系统偏差,将CPD视为静态统计量或可估参数,对其内部时变周期结构和短期预测价值研究不足。在卫星钟周期性方面,已有研究揭示了GPS卫星钟中存在周期项和季节幅度变化,但针对BDS-3 PPP-B2b实时CPD的周期特征尚未充分探究。现有周期提取方法中,离散傅里叶变换(FFT)以固定参数拟合整个序列,无法捕捉时间演化;短时傅里叶变换(STFT)虽提供局部频谱,但固定窗长带来时频分辨率权衡且缺乏脊连续性约束;经验模态分解(EMD)易出现模态混叠;变分模态分解(VMD)需预设模态数。归一化时频变换(NTFT)通过归一化高斯核在指定频率处提取局部复系数,具有归一化和无偏提取特性,但CPD周期先验未知且可能随时间漂移,直接应用NTFT无法实现自适应周期跟踪。此外,NTFT仅提供建模区间内的局部时频状态,直接外推可能因包络斜率和相位漂移失配而产生系统偏差。为此,研究人员构建了基于NTFT的动态脊模型,以无周期先验方式自适应提取振幅、频率和相位的联合时变轨迹,并进一步提出统一脊包络外推(uREE)方法,以实现具有物理可解释性的短期预报。
研究人员利用2025年日序(DOY)182–211共30天的BDS-3 PPP-B2b实时钟产品,以欧洲定轨中心(CODE)后处理精密钟为参考构建CPD序列,并将DOY 212设为独立预测集。所有数据按卫星标识对齐,进行钟跳修正、异常值剔除和弧段分割,并统一重采样至5 min间隔。主要关键技术包括:其一,NTFT动态脊模型,采用周期图筛选候选周期,并通过动态规划跟踪最优脊,从而获得振幅、频率和相位的时变轨迹;其二,被动重构,沿最优脊直接读取NTFT复系数以重建时变周期分量;其三,uREE方法,将建模区间末端估计的包络趋势和相位演化外推至预测区间,并通过均值锁定、自适应和鲁棒三种卫星自适应模式滚动验证选择最优模式;其四,基准方法,包括固定基线、FFT锚定、k近邻(KNN)和径向基函数核岭回归(RBF-KRR)四种策略。所有模型采用相同的逐卫星数据划分和预测起点,预测数据未参与任何预处理或超参数选择。
实验结果表明,在时频表征方面,以卫星C19为例,NTFT重建能准确再现峰值和谷值的时间位置并保留包络起伏,残差集中于±1 ns内且无明显系统趋势。NTFT谱图显示335.2 h基本周期脊贯穿整个观测时段且能量连续,但脊振幅存在可辨波动,周期轨迹有轻微漂移;Welch谱峰与NTFT检测周期相邻但存在偏移,直接证明CPD的非平稳性。三个脊分量的瞬时周期围绕标称值缓慢波动,随着各分量依次加入,窗口RMS逐渐下降并最终稳定在约0.3 ns。跨卫星统计中,固定基线、FFT和NTFT动态脊模型的平均建模残差标准差分别为5.273、2.637和0.429 ns,NTFT相对固定基线降低91.9%,且该优势在不同卫星间一致。在周期成分识别方面,研究识别出三类跨卫星聚集的周期分量:基本周期与14恒星日(335.08 h)高度吻合,平均335.0 h,标准差3.8 h,排除单颗卫星轨道重复周期的统一解释,可能源于地球固定系中的14恒星日周期效应或多个周期过程的组合;亚谐波分量呈双峰分布,约133–150 h分量与基本周期的2/5(134.0 h)一致,约57–86 h分量与1/5(67.0 h)至1/4(83.8 h)范围一致,且IGSO卫星未出现约48 h或71 h的轨道谐波分量,支持亚谐波源于基本周期分数谐波而非轨道谐波的解释;包络调制分量与β角相关,26颗卫星的β角漂移斜率与主脊包络相关系数呈负相关,总体Pearson相关系数为?0.83(p<0.001),Spearman秩相关系数为?0.66(p=0.0017),表明β角调制包络的时变方向而非绝对幅度。在短期预报验证方面,DOY 212单日独立预测中,uREE对强周期性卫星(C24–C26、C34、C44)的RMS分别降至2.023、2.194、3.200、1.237和0.770 ns,相对固定基线改进超过57%;对弱结构卫星,uREE通过自适应模式的收缩保护自动回归固定基线精度。五种策略的残差标准差均约为1.5 ns,但平均偏差误差(MBE)差异显著,uREE的MBE仅0.716 ns,占总RMS的18.5%,而其余四种策略均超过83%。uREE将总体RMS从固定基线的3.649 ns降至1.665 ns,改进54.4%;KNN、RBF-KRR和FFT的总体RMS分别为6.583、6.734和7.627 ns,均未优于固定基线,其退化源于主导周期超出特征滞后范围且与日相位不可通约,数据驱动模型无法进行相位相干延续。
讨论部分指出,三个跨卫星共同周期分量表明CPD具有系统性时变结构,研究视角应从静态偏差估计转向时变周期表征。基本周期与14恒星日重合,且IGSO卫星基本周期远超轨道重复周期,排除了单星轨道力学驱动,更可能源于地球自转相关系统效应,如地面跟踪网几何的周期变化或地球定向参数模型的残余误差。亚谐波中IGSO卫星不存在48 h轨道分量,为排除轨道谐波解释提供关键证据,支持基本周期分数谐波起源。包络调制分量与β角漂移方向负相关,与已有卫星钟周期性的β角及食季相关变化一致,并将发现扩展至CPD层面。uREE的精度优势源于系统偏差缓解(贡献占比18.5%)而非随机噪声抑制,这解释了数据驱动方法虽擅长非线性映射却无法消除非平稳周期结构引入的系统偏差。该框架可迁移至资源受限平台,如智能手机和消费级GNSS终端,先验周期校正能以极低成本提高实时精度。当前验证存在局限性:预报仅限单日(DOY 212),30天建模窗口覆盖的β角范围有限,极端条件(如食季)下的鲁棒性未验证,且未纳入深度学习基线。未来研究应利用多季节和完整食周期β角数据验证包络调制规律的普适性,将预报时长扩展至7–14天以评估长时间尺度误差积累,并引入太阳辐射压先验信息增强物理可解释性。研究结论为:CPD包含三个跨卫星聚集的周期分量,NTFT将建模残差标准差从5.273 ns降至0.429 ns;β角调制包络的时变方向而非绝对幅度,包络相关系数与β角漂移方向呈负相关(Pearson r=?0.83,p<0.001);uREE将预报RMS从3.649 ns降至1.665 ns,改进54.4%,系统偏差贡献降至18.5%,强周期性卫星改进超过57%,弱结构卫星自动回归固定基线。NTFT动态脊为CPD非平稳周期识别提供了无需预设的分析途径,uREE为实时钟偏差的物理可解释预报提供了方法论框架。