APP下载

基于稳健卡尔曼滤波的倾斜探测电离层MUF短期预报方法

2021-02-28李国军郑广发叶昌荣周银萍

通信学报 2021年1期
关键词:卡尔曼滤波方法

李国军,郑广发,叶昌荣,周银萍

(重庆邮电大学超视距可信信息传输研究所,重庆 400065)

1 引言

电离层是随时间、空间高度变化的复杂系统,它对短波天波的传播、地空和星间的信息链路有着至关重要的影响,是短波通信链路的中间介质。由于受太阳辐射、大气环流和地磁环境等多种因素的影响,电离层具有时变色散特性,容易发生扰动,影响短波通信质量,甚至导致通信中断。因此准确预报电离层能反射的最大可用频率(MUF,maximum usable frequency)[1],在短波通信[2-3]以及电离层探测[4]中具有重要的意义。

电离层的频率预报主要分为2 种,即长期预报[5]和短期预报[6]。长期预报是通过建立电离层参考模型(IRI,international reference ionosphere)[7],根据太阳活动指数以及电离层月中值参数,预测未来时间电离层的变化情况。正是由于这种月中值特性,长期预报方法在具体时刻的预报存在较大的偏差,往往仅适用于频率的初选[8]。相比于长期预报,短期预报根据电离层短期内会保持相对稳定的电离特性,结合实测数据,通过算法得出短期电离层的变化情况,预报准确性更高,适用性更强。因此,在过去的几十年里,电离层预报的发展趋势也逐步由长期预报向短期预报发展[9]。目前,电离层短期预报方法主要有等效太阳黑子数法[10]、自相关分析法[11]、多元线性回归法[12]、神经网络法[13-14]、卡尔曼滤波(KF,Kalman filter)法[15-16]、相似日法[17]等。其中,等效太阳黑子数法和神经网络法需要大量的历史数据作为输入,而自相关分析法和卡尔曼滤波法需要的历史数据相对较少,因此更常用。……

登录APP查看全文

猜你喜欢

卡尔曼滤波方法
学习方法
改进的扩展卡尔曼滤波算法研究
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
用对方法才能瘦
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼
基于EMD和卡尔曼滤波的振荡信号检测