| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及其意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 GNSS星载原子钟的现状 | 第11-12页 |
| 1.2.2 IGS及其钟差产品现状 | 第12-14页 |
| 1.2.3 卫星钟差预报的研究现状 | 第14-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 导航卫星钟差预报的基础理论 | 第18-33页 |
| 2.1 基本定义 | 第18页 |
| 2.2 星载原子钟数据的特点 | 第18-20页 |
| 2.2.1 原子钟系统性模型 | 第19-20页 |
| 2.2.2 原子钟随机性模型 | 第20页 |
| 2.3 钟差数据的预处理 | 第20-25页 |
| 2.3.1 相频数据转换 | 第20-21页 |
| 2.3.2 数据绘图分析与数据跳变、间断的分析处理 | 第21-23页 |
| 2.3.3 粗差的处理 | 第23-25页 |
| 2.4 几种常用的卫星钟差预报模型 | 第25-32页 |
| 2.4.1 多项式模型 | 第25-26页 |
| 2.4.2 谱分析模型 | 第26-27页 |
| 2.4.3 灰色模型 | 第27-29页 |
| 2.4.4 时间序列模型 | 第29-30页 |
| 2.4.5 Kalman滤波模型 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 几种常用钟差预报模型的预报效果分析 | 第33-52页 |
| 3.1 引言 | 第33页 |
| 3.2 预报试验与结果分析 | 第33-51页 |
| 3.2.1 QP模型 | 第33-36页 |
| 3.2.2 SA模型 | 第36-39页 |
| 3.2.3 GM(1,1)模型 | 第39-41页 |
| 3.2.4 ARIMA模型 | 第41-45页 |
| 3.2.5 KF模型 | 第45-47页 |
| 3.2.6 五种模型钟差预报结果的对比分析 | 第47-51页 |
| 3.3 本章小结 | 第51-52页 |
| 第四章 卫星钟差预报的小波神经网络算法 | 第52-76页 |
| 4.1 人工神经网络 | 第52-57页 |
| 4.1.1 人工神经网络的发展历程 | 第52-53页 |
| 4.1.2 人工神经网的原理 | 第53-57页 |
| 4.2 小波神经网络 | 第57-59页 |
| 4.2.1 小波神经网络模型概述 | 第57页 |
| 4.2.2 小波神经网络的工作原理 | 第57-59页 |
| 4.3 钟差预报的小波神经网络模型 | 第59-72页 |
| 4.3.1 钟差一次差预报原理 | 第60页 |
| 4.3.2 钟差预报的小波神经网络模型构造 | 第60-62页 |
| 4.3.3 基于钟差一次差预报原理的小波神经网络预报性能分析 | 第62-67页 |
| 4.3.4 基于钟差一次差序列的数据预处理方法 | 第67-68页 |
| 4.3.5 算例与分析 | 第68-72页 |
| 4.4 WNN钟差预报模型与五种常用钟差预报模型的对比分析 | 第72-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 卫星钟差预报的三种改进方法 | 第76-92页 |
| 5.1 钟差预报的最小二乘配置模型 | 第76-84页 |
| 5.1.1 LSC模型描述 | 第76-78页 |
| 5.1.2 钟差预报的LSC模型结构 | 第78-79页 |
| 5.1.3 钟差预报的LSC模型协方差函数的确定 | 第79-81页 |
| 5.1.4 算例与分析 | 第81-84页 |
| 5.2 灰色系统模型与小波神经网络组合的钟差预报方法 | 第84-88页 |
| 5.2.1 模型原理 | 第84-85页 |
| 5.2.2 算例与分析 | 第85-88页 |
| 5.3 基于分布式计算技术的组合预报钟差方法 | 第88-91页 |
| 5.3.1 钟差预报的分布式线性组合模型 | 第88-90页 |
| 5.3.2 钟差预报的分布式神经网络模型 | 第90-91页 |
| 5.4 本章小结 | 第91-92页 |
| 第六章 总结与展望 | 第92-94页 |
| 6.1 总结 | 第92-93页 |
| 6.2 不足与展望 | 第93-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-100页 |
| 作者简历 | 第100页 |
