实验室守时系统综合原子时算法研究

论文摘要

综合原子时是由实验室守时系统多台原子钟共同维持的地方原子时时间尺度,原子时的算法与实现在产生和保持综合原子时的过程中具有十分重要的地位,在某种程度上直接影响综合原子时的稳定度、准确度和可靠性。本文围绕综合原子时算法展开具体研究,论文的主要内容和研究成果概括如下:1.应用实测数据对加权平均算法进行了多项计算实验,分析了时钟数量、计算周期、取权方差间隔、最大权设置等计算要素的不同设置对加权平均算法计算结果的影响,取得了具有参考价值的结论。2.推导了根据钟差比对数据计算原子钟真方差的公式,设计并实现了以真方差计算原子钟权重的加权平均算法。算例表明,该算法获得的平均时间尺度的稳定度比传统加权平均算法有一定的提高。3.将抗差估计理论应用于综合原子时计算,设计了以预报残差为参数的权因子函数,应用实测数据验证了抗差估计算法的有效性。4.研究了铯钟与氢钟联合守时算法,针对氢钟存在频漂的特点,提出了将氢钟的预报模型改为二次预报模型,权重计算的速率方差改为模型拟合方差的新算法。实际计算结果表明,新算法比传统算法具有明显的优势。5.研究了Kalman滤波原子时算法,提出了引入过程噪声因子改善过程噪声方差的Kalman滤波新算法,提高了过程噪声方差和观测噪声方差先验值不准确情况下Kalman滤波结果的稳定度。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 主要研究内容
• 第2章 原子时算法基础
• 2.1 常用时间尺度
• 2.1.1 世界时（UT）
• 2.1.2 国际原子时（TAI）
• 2.1.3 协调世界时（UTC）
• 2.1.4 时间标示法
• 2.2 地方原子时与实时UTC（K）
• 2.2.1 地方原子时
• 2.2.2 实时UTC与控制
• 2.2.3 自由时标与驾驭时标
• 2.3 钟差与钟差模型
• 2.3.1 相对钟差与绝对钟差
• 2.3.2 钟差模型
• 2.4 原子钟及原子时标的性能指标
• 2.4.1 原子钟噪声类型
• 2.4.2 稳定度的时域表征
• 2.4.3 频率准确度
• 2.4.4 频率漂移率
• 第3章 钟差数据预处理
• 3.1 计算点数据拟合
• 3.1.1 一阶钟差模型
• 3.1.2 二阶钟差模型
• 3.1.3 一阶钟差模型与二阶钟差模型拟合结果比较
• 3.2 钟差数据粗差探测
• 3.2.1 粗差存在性判断
• 3.2.2 粗差定位与估计
• 2₀ 的确定'>3.2.3 理论方差σ²₀的确定
• 3.2.4 粗差探测算例
• 3.3 跳相跳频分析
• 3.3.1 跳相探测与估计
• 3.3.2 跳频分析
• 第4章 原子时加权平均算法研究
• 4.1 加权平均算法原理
• 4.1.1 平均时间尺度定义
• 4.1.2 实用公式
• 4.1.3 算法分析
• 4.1.4 ALGOS算法
• 4.2 计算软件设计
• 4.3 加权平均算法实验分析
• 4.3.1 实验数据准备
• 4.3.2 计算概述
• 4.3.3 ALGOS算法结果与TAI比较
• 4.3.4 计算周期比较
• 4.3.5 方差间隔比较
• 4.3.6 速率方差样本数N比较
• 4.3.7 最大权限值比较
• 4.4 基于真方差的加权平均算法
• 4.4.1 真方差计算
• 4.4.2 [Clocki-Clockj]计算
• 2₀ 计算'>4.4.3 σ²₀计算
• 4.4.4 算例
• 4.4.5 算例分析
• 4.4.6 结论
• 4.5 本章小结
• 第5章 抗差估计在原子时计算中的应用
• 5.1 引言
• 5.2 抗差估计原理
• 5.3 原子时抗差估计算法设计
• 5.3.1 原子时计算公式
• 5.3.2 权因子计算
• 5.3.3 计算流程
• 5.4 算例与分析
• 5.4.1 原始数据的抗差估计
• 5.4.2 加入模拟粗差后的抗差估计
• 5.5 本章小结
• 第6章 铯钟与氢钟联合守时算法
• 6.1 引言
• 6.2 氢钟频率特性分析
• 6.2.1 频漂特性分析
• 6.2.2 预报模型比较
• 6.2.3 速率方差分析
• 6.3 铯钟与氢钟联合守时原子时算法
• 6.3.1 预报公式改进
• 6.3.2 速率方差计算改进
• 6.4 算例与分析
• 6.4.1 数据说明与算例设计
• 6.4.2 结果与分析
• 6.5 本章小结
• 第7章 KALMAN滤波原子时算法
• 7.1 引言
• 7.2 KALMAN滤波原理
• 7.2.1 数学模型
• 7.2.2 Kalman滤波公式
• 7.2.3 Kalman滤波的计算步骤
• 7.3 原子时KALMAN滤波算法模型
• 7.3.1 状态向量
• 7.3.2 观测值向量
• 7.3.3 状态转移矩阵与过程噪声方差矩阵
• 7.3.4 观测方程
• 7.3.5 随机模型
• 7.4 实验与分析
• 7.4.1 数据源
• 7.4.2 状态参数初始值
• 7.4.3 观测值及其噪声方差
• 7.4.4 过程噪声方差
• 7.4.5 加权平均算法与Kalman滤波算法比较
• 7.4.6 观测噪声方差与过程噪声方差分析
• 7.4.7 结论
• 7.5 自适应KALMAN滤波原子时算法
• 7.5.1 概述
• 7.5.2 根据方差比确定过程噪声因子
• 7.5.3 自适应滤波计算步骤
• 7.5.4 算例
• 7.6 本章小结
• 第8章 总结与展望
• 参考文献
• 作者简历
• 致谢