卫星数据广播系统（精选12篇）
卫星数据广播系统 篇1
GPS系统是美国从20世纪70年代开始研制的全球卫星导航系统, 该系统利用导航卫星进行测时和测距, 具有海、陆、空全方位实时3维导航与定位能力, 具有全天候、高精度、自动化、高效益、性能好、应用广等显著特点。GPS已经成为世界上最实用也是应用最广泛的全球卫星定位系统。
GPS接收机接收到GPS信号并成功解码得到时间和位置信号后, 有很多数据会在不同的设备之间传输, 为了确保数据的有效传输, 美国国家航海电子协会制订了NMEA20183协议, 规范了各设备之间数据传输格式, 其已广泛应用于很多领域。本文以NMEA20183协议为基础, 充分利用FPGA可并行运行的特点, 利用软件编程在单片FPGA上并行实现GPS信息的接收处理、存储器和PWM控制, 同时根据FPGA具有丰富的I/O接口特点, 通过编程为DSP等微处理器的无缝接入预留接口。
1 系统总体结构
车载GPS及其相应的导航系统要求系统既要具有高速实时的计算能力, 也具有丰富的外设接口, 保证采样速度和精度。同时, 根据整个系统小型化的考虑, 惯导平台通常采用小容量PWM驱动装置, 从而减小外部电磁环境的影响, 保障其工作精度。FPGA具有丰富的I/O功能, 而且可以多个进程并行运行, 可以满足系统的要求。本文设计GPS数据采集与处理系统就采用FPGA作为核心处理芯片实现GPS数据采集处理和PWM控制, 系统硬件结构如图1所示, 系统的核心处理器FPGA选用xilinx公司的XC3S400, 它采用90nm工艺, 最大容量40万门, 工作频率可达200MHz, 此外系统还包括电源管理单元, 程序和数据存储器, 接口电平转换单元等部分组成。系统采用5V供电, 选用TI公司的TPS75003作为电源管理芯片, 提供+3.3V、+2.5V和+1.2V电压。
2 技术实现
本系统充分利用FPGA可并行运行的特点, 利用软件编程在单片FPGA上并行实现GPS信息的接收处理、存储器和PWM控制, 同时根据FPGA具有丰富的I/O接口特点, 通过编程为DSP等微处理器的无缝接入预留接口。GPS数据由东方联星公司的CNS100-GG卫星导航接收机以232接口的形式提供。CNS100-GG卫星导航接收机, 能够实时接收GPS和GLONASS卫星导航信息, 实现机动载体的实时高精度三维定位、三维测速、精确定时, 具有定位精度高、启动时间短、体积小、功耗低、性能可靠、适应各类载体, 具有抗干扰/防欺骗能力。CNS100-GG卫星导航接收机热启动时间为1秒, 冷启动时间为35秒。CNS100提供的GPS数据格式以$GPGGA、$GPRMC和$GPGSV开头, 以0x OD 0x OA结束。
根据CNS100-GG接收机提供的GPS信号特点, 采用FPGA进行编程, 基于FPGA的GPS数据接收流程如图2所示。FPGA首先检测以“$”开始的GPS帧头数据, 并在地址译码信号的作用下将数据存入FPGA自带的Block RAM, FPGA检测到0x OD 0x OA结尾数据时, 表示该帧GPS数据接收完成, FPGA产生完成标志, 通知DSP读取和处理GPS数据, 同时将存储器片选地址翻转, 以待下次GPS数据存入另一存储空间, 完成乒乓存储。
3 仿真验证
对基于FPGA的GPS数据接收系统进行软件仿真验证, 基于ISE软件的FPGA实现图如图3和图4所示, 对FPGA接收GPS进行数据仿真, 仿真波形如图5所示。从图3至图5可以看出, 基于FPGA能够实现GPS数据的实时接收。
结束语
FPGA具有并行运算的特点, 能够实现数据的高速实时采集, 本文基于FPGA设计了GPS数据的实时采集系统, 该系统能够实现数据的实时采集和处理。
参考文献
[1]闻敬文.基于FPGA的系统设计[M].北京:机械工业出版社, 2006.
[2]Liu J J, Huang X S.A hardware design of low cost inertial navigation system.[J].Navigation and Control, Vol.2, No.3, pp.6-9, 2003 (in Chinese) .
[3]I Daubechies, R A DeVore, C S Güntürk, V A Vaishampayan.A/D conversion with imperfect quantizes[J].IEEE Trans.Inform.Theory, Vol.52, No.3, pp.874-885, 2006.
[4]杨芳, 郝永平, 苗雷.基于FPGA技术的多处理器导航系统设计[J].弹箭与制导学报, 2007 (2) :126-128.
卫星数据广播系统 篇2
环境卫星A、B星数据下载地址：http://219.143.215.28:8080/zywx/login.jsp
中巴资源数据：
CBERS-01/02/02B星以2级产品实行网上免费分发政策,其中02B星的HR免费分发需用户与中心签订《保密协议》和《02B星数据联合开发推广协议》。
用户使用用户服务系统的主要流程为：注册->登陆->查询->浏览->订购->下载。
注册：用户注册时必须填写真实的用户信息，否则将不能被审核通过，这样就不能进行后续的查询，下载等操作。订购下载CBERS-01/02/02B星数据只需在02B星数据分发系统进行注册。
查询：查询分为文本查询和地图查询。文本查询是指根据一些已知的条件,直接选择查询参数（包括：采集日期，Path/Row,经纬度，卫星名，传感器名，接收站等），系统根据选定的这些参数进行查询。地图查询是指用户可以在页面显示的地图上用相应的工具选择一个固定的区域进行查询，目前用户服务系统提供矩形框选择查询和行政区选择查询。在地图查询中，还可以对地图进行放大，缩小，定位等一些辅助查询的操作。当选择好区域后，区域的经纬度和Path/Row就会自动被获取，再根据其他一些辅助参数（包括：采集日期，卫星名，传感器名，接收站等）进行查询。
订购：用户可以从查询结果中选择仔细需要的图像，然后点击订购按钮即可实现产品的订购。订购完成后，服务器会自动处理订单，用户只需等待订单完成后就可以进行产品下载了。
下载：用户服务系统采用的是FTP服务器的形式为用户提供下载的，用户订单被处理完成后，系统会自动发送下载链接到用户注册时登记的电子信箱里，用户也可以直接访问用户服务系统中的产品下载模块进行产品的下载。
环境卫星数据：
卫星遥感数据在海洋渔业中的应用 篇3
关键词：海洋渔业；卫星遥感数据；南极磷虾
中图分类号： S127文献标志码： A文章编号：1002-1302（2014）06-0223-03
收稿日期：2013-10-10
基金项目：公益性行业（农业）科研专项（编号：201203018）；南北极环境综合考察与评估专项（编号：CHINARE 2012/2016-01-06）；南极海洋生物资源开发利用专项；国家“863”计划（编号：2012AA092304）。
作者简介：吴越（1987—），男，江苏泰兴人，硕士，研究实习员，从事渔业遥感的研究。E-mail：wu.yue1006@163.com。
通信作者：黄洪亮，研究员，从事捕捞技术与渔业工程的研究。E-mail：ecshhl@163.com。海洋是海洋生物生存和活动的场所，海洋环境与海洋生物的生存息息相关，每一个环境参数的变化，都会引起海洋生物的分布、洄游、移动、集群的变化[1]，很多学者通过研究海水温度、叶绿素a浓度及海冰等环境因子的变动，来掌握海洋经济鱼类及其他海产生物的分布、洄游、移动、集群的变化，为海洋渔业资源开发、评估及管理提供必要的科学资料[2-6]。因此，在海洋渔业的开发和管理中需要实时、同步、高效地掌握海洋环境要素的变化，而传统的实测海洋数据的方法无法满足该要求。卫星遥感技术能够实现对地表信息长时间、大范围、高精度的同步监测，因此在渔场分布、渔业环境监测等研究中得到了越来越多的应用，但是随着科技的发展，星载的卫星传感器越来越多，所获得的数据类型也变得繁多。在海洋渔业应用中，卫星遥感数据根据传感器波段类型一般可分为光学遥感数据和微波遥感数据，光学遥感数据主要有NOAA/AVHRR（advanced very high resolution radiometer）数据、中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer，简称MODIS）数据、Landsat卫星数据（包括MSS、TM、ETM+）、SPOT数据等；微波遥感数据常有Envisat、Radarsat-1、Radarsat-2等卫星数据。在研究过程中科技工作者有了更多的选择，但同时还需要面对如何选择合适数据的难题。本研究根据文献资料，着重描述了常用于监测海洋环境要素的几种卫星遥感数据的基本信息，并分析其特性以及可以应用的对象，使得在今后的研究中能方便快捷地选择合理的数据源；同时讨论了卫星遥感在南极磷虾渔业中的应用前景，选择适合南极磷虾渔业环境监测的卫星遥感数据，为今后的南极磷虾渔业渔场分布及资源评估研究提供了基础。
1光学遥感数据资料
1.1NOAA/AVHRR数据
NOAA/AVHRR是NOAA系列卫星的主要探测仪器，它是一种五光谱通道的扫描辐射仪，星上探测器扫描角为 -55.4°～+55.4°，星下点分辨率为1.1 km，由于扫描角大，图像边缘部分变形较大，实际上最有用的部分在-15°～+15°范围内（15°处的地面分辨率为1.5 km），这个范围的成象周期为6 d[7]。
AVHRR遥感数据具有以下几个特点：第一，覆盖范围大，幅宽为2 800 km，能够完整地获取大尺度范围内瞬时同步的海洋环境信息；第二，时间周期短，加上多星系统，周期更短，可以实时对海洋环境进行动态监测，掌握其变化情况；第三，数据容量、处理量小。同时，AVHRR是国际共享资料，数据来源比较方便，国内可以实时接收。
AVHRR数据可以用来连续地观测大面积的海洋表面温度、叶绿素浓度等环境要素的分布以及变化情况。我国学者很早就开始利用AVHRR提取海洋表面温度、叶绿素浓度等信息，其中张松等利用AVHRR数据分析了1985年1月至2007年12月冬、夏2季渤海、黄海、东海表面温度年际变化特征[8]；商少凌等通过对1997—1998年夏汛期间AVHRR海洋表层水温的分析来推测台湾海峡中上层鱼类中心渔场的变动[9]；赵冬至等利用AVHRR数据的可见光和近红外波段进行归一化差值的方法和2个波段的比值与实测的数据建立相关关系，来获取近岸海域叶绿素浓度[10-14]。此外，AVHRR数据还可以应用到反演海表面悬浮泥沙浓度的研究中，李京利用AVHRR数据提取了杭州湾海域的悬浮泥沙含量[12]。
1.2MODIS数据
MODIS是搭载在Terra和Aqua卫星上的一个重要的传感器，是卫星上唯一将实测数据通过X波段向全世界直接广播，可以免费接收数据并无偿使用的星载仪器。MODIS共有36个光谱波段，从0.4 μm（可见光）到14.4 μm（热红外）全光谱覆盖，具有250、500、1 000 m空间分辨率，每1～2 d观测1次地球表面。在轨道的夜间时段，只有热红外波段收集数据[13]。
MODIS数据具有以下几个特点。第一，覆盖范围大。幅宽为2 330 km，能够获取大尺度范围内瞬时同步的海洋环境数据。第二，空间分辨率大幅度提高。由NOAA的千米级提高到了MODIS的百米级。第三，周期短。Terra和Aqua卫星都是太阳同步极轨卫星，Terra在地方时上午过境，Aqua在地方时下午过境，1 d可以过境4次，具有快速实时的监测能力。第四，多波段数据。MODIS数据具有36个波段，多波段信息可以同时提供海洋水色、浮游植物等特征信息，增加了海洋复杂系统的观测和识别能力等。
MODIS数据的应用比较广泛，刘良明等研究了MODIS数据反演黄海以及东海海域表面温度的方法，建立了适合我国海域的MODIS海表面温度遥感反演模型[14]；沙慧敏等利用MODIS数据反演了东海表面温度、叶绿素a浓度时空分布特征，并分析了其年际变化[15]；钱莉等利用MODIS數据提取渤海的叶绿素a浓度，分析其时空变化特征[16]；王芳等基于MODIS数据和泥沙粒径二元特征参数建立反演模型，来获取渤海海洋表层悬浮泥沙浓度[17]；吴龙涛等利用MODIS数据的1B级数据对渤海海冰进行反演，提供海冰遥感图像和海冰密集度、冰厚度数值产品[18]；张辛等利用MODIS数据，以中山站附近海域为研究对象，提取了该地区海冰范围数据及其周围温度信息[19]。因此，MODIS遥感数据主要用于监测海表面温度、叶绿素浓度、悬浮泥沙、海冰等海洋环境要素。
1.3Landsat TM卫星数据
美国NASA的陆地卫星（Landsat）自1972年7月23日以来已发射7颗（第6颗发射失败）。Landsat在不同阶段装载的传感器不同，卫星数据分为MSS、TM、ETM+数据。目前在海洋环境监测中最常用的是TM数据，它是Landsat 4和Landsat 5携带的传感器专题制图仪（thematic mapper）所获取的多波段扫描影像，从1982年发射至今，工作状态良好，实现了连续地获取地球影像。TM数据包含7个波段，波段1～5和波段7的空间分辨率为30 m，波段6（热红外波段）的空间分辨率为120 m[20]。
TM数据的主要特点有以下几点。第一，空间分辨率高。空间分辨率比MODIS遥感数据更高，使得获取的海洋环境信息更精确。第二，周期较长。Landsat 4、Landsat 5卫星每16 d扫描同一地区，即16 d覆盖全球1次。第三，覆盖范围偏小。幅宽为185 km，可以用于小范围内环境监测。第四，时间序列长。从1982年至今，TM遥感数据保持着良好的工作状态，具有长时间监测同一地区的能力，同时还可以与MSS和ETM+遥感数据进行互补，能够更精确地获取监测信息。
TM数据较适合长期监测海岸带海域环境的变化。胡平香等利用1988—2003年之间不同时相的七景TM数据对江苏省辐射沙洲的中部进行了滩涂演变的监测[21]；郑小慎等利用TM数据建立了9种波段组合，并与实测数据建立了渤海湾海表面叶绿素a浓度反演模型，发现4波段和3波段组合建立的回归模型较适合渤海湾海表面叶绿素a浓度的反演[22]；邢飞等利用TM数据反演了江苏近岸海域四季大面悬浮泥沙浓度，并与现场调查的实测数据进行对比，结果表明，利用TM数据反演的悬浮泥沙浓度基本上可以正确反映该地区悬浮泥沙浓度的时空分布趋势[23]；国巧真等建立TM数据的海冰面积与MODIS和NOAA/AVHRR海冰面积之间的对应关系，用TM海冰面积来订正MODIS和NOAA/AVHRR海冰面积，以提高这2种高时间分辨率遥感资料对海冰面积的判别精度[24]。从上述研究可以看出，TM数据主要用于海岸带滩涂演变、岸线变化以及海岸带海域悬浮泥沙浓度、叶绿素浓度、海冰等海洋环境变化的监测。
2微波遥感数据资料
2.1合成孔径雷达
星载合成孔径雷达（synthetic aperture radar，简称SAR）因其全天候、全天时、高分辨率、穿透力强等优点，得到了广泛的应用。星载SAR系统的卫星有很多种，包括ERS-1、ERS-2、Radarsat-1、ASAR、Radarsat-2等。
相对于光学遥感来说，微波遥感具有很多独特的优点：同步性、快速观测性；全天时、全天候；微波辐射对地表具有一定的穿透能力；对某些地表物体具有特殊的波谱特征，例如冰在微波波段的比辐射率是0.99，但是水在微波波段的比辐射率为0.40，两者数值相差巨大，可以很清楚地看出，微波遥感能轻易地将两者分开[25]。
2.2Radarsat-2卫星数据
Radarsat-2是由加拿大航天局和麦克唐纳/德特威乐联合出资研制的星载合成孔径雷达系统，设计的最高分辨率可以达到3 m，于2007年12月14日成功发射升空。它具有高分辨率成像能力以及多种极化方式，能够根据指令进行左右视切换获取图像，缩短卫星的重访周期为24 d，增加了立体数据的获取能力，另外还具有强大的数据存储功能和高精度姿态测量及控制能力，成为了目前世界上最先进的商业合成孔径雷达卫星[26]。
Radarsat-2的SAR数据特点：第一，超精细分辨率。SAR图像的分辨率最高可达3 m，是目前在商业卫星中使用的最小分辨率。第二，全极化成像模式。多种极化模式提高了对地面区分识别和分类的能力，增加了SAR图像的应用范围。第三，成像选择能力。既可左视也可右视，缩短了卫星对探测区域重访的时间，同时可以拍摄其他高分辨率卫星拍摄不到的南极的一些区域。第四，几何准确度提高。由于其载有GPS的接收系统，提高了卫星系统定位的精度。第五，快速及时响应能力。
卫星数据广播系统 篇4
关键词：北斗卫星,自动气象站,气象数据
北斗卫星导航系统是我国自主研发的卫星导航系统[1],广泛应用于交通、海洋、气象、水利和测绘等领域[2]。基于北斗卫星短报文通信功能的自动气象站数据传输系统[3]具有无覆盖盲区、全天候实时通信、数据传输成本低、可靠性和安全性高的特点,解决了偏远地区布设自动气象站数据传输困难的问题[4]。同时,北斗系统的授时和定位功能保证了自动气象站精确位置信息和气象数据时间的准确度[5]。
基于北斗卫星的自动气象站数据传输系统在福建和新疆等省份已初步推广应用[6],但由于气象数据长度远大于北斗短报文通信单次通信数据量[7,8],因此需分包发送。例如,CDT-441H型北斗用户机IC卡3级通信等级时单次最大通信量为78.5 B,发送数据协议长度为230 B的CAMS620-HM自动气象站数据时,要将数据分3包发送,而短报文通信服务频度为1 min,所以最小发送周期为4 min。可见,现有数据发送的方式不仅使发送频度减小,且使气象数据传输成功率和系统设备利用效率大大降低。此外,自动气象站多布设在偏远地区,对其的监测、维护和管理比较困难。
针对上述问题,设计了基于北斗的自动气象站数据传输管理系统,旨在运用数据压缩技术、北斗短报文通信技术和自动检测控制技术,解决北斗短报文单次通信限制气象数据传输的难题,提高对自动气象站监测、维护和管理的能力。
1 系统设计方案
基于北斗的自动气象站数据传输管理系统由FPGA处理器模块、北斗模块和外围检测控制模块组成。FPGA处理器模块通过I/O口与外围检测控制模块连接,通过双通信串口分别与自动气象站和北斗模块对接,构成集气象数据采集、压缩处理、传输和远程管理于一体的自动气象站数据传输管理系统。系统框图如图1所示。
系统包括3个功能模块:气象数据传输模块、远程管理模块和系统检测控制模块。气象数据传输模块接收、处理和发送气象数据;远程管理模块接收、识别和响应基于北斗短报文的远程管理指令;系统检测控制模块用于系统调试、自动检测和控制。
2 气象数据传输模块设计
2.1 数据传输模块工作流程
气象数据传输模块用于接收、处理和发送气象数据,数据传输结构如图2所示。
气象数据传输步骤为:(1)向自动气象站发送气象数据获取指令。指令的最大发送频度小于北斗导航模块的短报文通信频度,指令格式按照自动气象站的数据协议编写。(2)接收并识别自动气象站反馈的数据。根据自动气象站数据协议的起始位0x01和结束位0x0a判定数据的起始、结束和数据的长度,根据第2位0x55和第3位0x42识别数据类型。(3)处理接收到的一帧气象数据,包括数据预处理、数据压缩和数据编码。(4)通过北斗模块以短报文方式将编码数据发送到气象中心。
2.2 气象数据处理
数据处理是本系统的核心,系统根据气象数据的特点,采用预编码LZW编码和静态Huffman编码压缩气象数据。气象数据字符出现频率的高冗余度使利用字符出现频率冗余度压缩数据的LZW编码和Huffman编码能够保证气象数据压缩的效率,且均为无损压缩,保证了压缩后气象数据的信息量不会减少。系统数据处理流程如图3所示。
首先,对识别后的数据预处理,整理气象数据的标志位等辅助信息并调整数据格式。例如,去掉气象数据正文开始位、结束位等标志位。其次,运用LZW编码压缩数据的字符串,通过步进查询法判定输入的字符串是否与编码表预设的字符串一致,若一致则用预设的字符替代该字符串。然后,根据预设的静态Huffman编码对数据的字符变长编码。最后,整理数据并根据北斗短报文通信协议编码数据。
系统通过数学统计方法统计气象数据特点预设LZW编码表和静态Huffman编码表压缩气象数据,不传输LZW动态编码表和Huffman树的信息,降低了编解码的复杂度,提高了编解码速度。
3 远程管理模块设计
3.1 模块结构及工作流程
远程管理模块接收并响应气象中心基于短报文形式的远程管理指令,完成对数据传输管理系统、自动气象站系统和外围模块的远程管理。具体包括:获取小时和分钟气象数据、系统电源管理、位置定位、北斗模块初始化、通信端口设置、系统校时、气象数据发送频度设置和气象中心ID设置等。远程管理结构如图4所示。
气象中心远程管理流程如下:
(1)接收远程管理指令。通过北斗模块接收气象中心北斗短报文形式发来的管理指令。
(2)指令识别。通过查询法根据预设的指令码表判定指令的具体内容。
(3)指令响应。根据指令的具体内容发送相应控制指令。
(4)接收反馈信息。接收指令执行后的反馈信息并将其发送到气象中心。
3.2 远程管理指令设计
本系统远程管理指令采用指令内容首字母加标志位的格式,使指令具有很强的可识别性。例如,当系统漏发小时气象数据时,气象中心可以短报文形式发送指令XSSJ#,当系统收到指令后远程管理模块向自动气象站发送获取小时气象数据指令UCrn,自动气象站收到指令后反馈小时气象数据,系统接收到气象数据后调用数据传输模块将数据发送到气象中心。
现有基于北斗卫星的自动气象站系统缺乏远程管理功能,而本系统远程管理模块不仅能使气象中心实现对自动气象站系统的远程管理,而且管理功能丰富。
4 系统检测控制模块设计
本模块用于系统检测、控制和调试。一方面,本模块自动检测主板温度和电源电压等状态,实现控制电源通断、电池组切换、远程信息报警等功能。例如,当检测到系统存在异常时,模块自动完成控制功能并发送报警信息到气象中心;另一方面,在系统安装调试时配置系统初始参数,如通信端口波特率、气象数据发送频度、系统时间、报警阈值、气象中心ID等参数。系统检测控制模块的功能如图5所示。
本模块和远程管理模块共同完成对自动气象站的管理,模块的自动管理权限优先级小于气象中心远程管理指令,本模块的设计减少了人工管理的工作量,出现异常问题时能及时自动响应,保护系统设备。
5 系统验证
为验证系统LZW字符串编码与Huffman字符编码相结合对气象数据的压缩能力和系统的传输性能,分别设置了2 min、5 min、10 min、20 min 4种数据发送频度对系统进行验证测试,分别统计分析每种发送频度下的连续200帧气象数据,数据统计分析如表1所示。
卫星释放速度验证的数据分析方法 篇5
卫星释放速度验证的数据分析方法
以神舟七号飞船释放伴随卫星为背景,重点研究卫星在轨释放速度的地面试验验证.提出了一种试验数据处理的方法,并详细分析了试验中可能产生的.各种误差,将试验结果的偏差控制在±1%以内.根据伴随卫星实际运行数据,证明了地面试验分析方法的有效性.
作 者：王江秋 付碧红 陈宏宇 朱振才 作者单位：上海微小卫星工程中心,上海,50刊 名：宇航计测技术 ISTIC英文刊名：JOURNAL OF ASTRONAUTIC METROLOGY AND MEASUREMENT年，卷(期)：30(2)分类号：V557关键词：卫星 在轨释放 速度 地面试验 数据处理 Satellite On-orbit releasing Velocity Ground test Data processing
卫星数据广播系统 篇6
关键词：卫星钟差时间序列建模异常值探测
中图分类号：P186文献标识码：A文章编号：100％3973(2010)012-094-02
1引言
卫星钟差是GPS卫星上所安装的原子钟的钟面时与GPS标准时间的误差。由于卫星在空间轨道飞行，卫星钟与地面时间基准的比对不可能连续进行，当卫星运行到地面监测站观测不到的弧段时，卫星钟与系统时间之间的同步只能由卫星钟自己维持，为了得到连续的卫星钟差结果，必须对卫星钟差进行预报。进行卫星钟差的预报，需要根据卫星钟的运行性能，建立准确的卫星钟差模型。目前常用的钟差模型有二次多项式模型、灰色模型和基于时间序列思想的建模方法。
然而，上述研究没有涉及异常值诊断的问题。时间序列通常包含着大量的信息，是建模和预测的主要依据。若钟差序列中含有异常值，就会使传统的建模、估计及检验方法陷入困境，从而不能准确的预测和控制。若将异常值准确的探测和估算出来，就可以借此修正模型，从而提高预测的准确性。
本文讨论卫星钟差序列的时间序列建模及异常值探测问题。结合卫星钟差序列的特点，提出卫星钟差序列的时间序列建模方法。当钟差序列(或差分后的序列)符合自回归模型时，探测序列中的异常值，并对异常扰动进行估计。计算结果表明验证了建模的效果，并说明了修正异常值能提高卫星钟差预报精度。
2建模与异常值探测
卫星钟差数据的建模过程如图1所示。
下面对差分后的钟差序列进行模型识别和定阶。通过计算差分序列的自相关函数和偏相关函数，判断差分序列符合AR模型，进一步根据AIC准则函数可知模型的阶数为2。采用文献[9]介绍的Bayes方法探测和估计异常值。表1和表2分别列出了基于均值漂移模型和基于方差膨胀模型两种方案计算得到的事件A，发生的后验概率。
表1和表2是考察k=1时事件A，发生的后验概率，表1和表2分别按顺序列出了P(AIY)最大的六个值，从该表我们可以看出，钟差序列差分后的序列的第25个值为异常值的后验概率远远大于其余点为异常值时，4，的后验概率(两种方案的最大值分别为次大值的82倍和65倍以上)。由此表明观测值差分后数据的第25个值明显为异常值。通过最小二乘估计计算得到异常扰动为y=-0.0233ns。
将异常值带入差分后的序列修正模型参数。对比修正前后数据预报结果，列于表3。
从表3可以看出，采用时间序列分析的方法对卫星钟差数据进行建模是切实可行的，无论是异常值修正之前还是修正之后的预报误差都很小。另外，探测并修正序列中的异常值能有效的提高预报精度，除了第284个数据预报精度略有下降，其它数据的模型修正后预报的结果比修正前预报的精度都有明显提高，第280个数据的预报精度提高了约一倍。
3结束语
卫星数据广播系统 篇7
风云三号(Fengyun-3,FY-3)气象卫星是我国实现全球、全天候、多光谱、三维、定量遥感的第二代极轨业务气象卫星[1],可实现全球、全天候、三维定量遥感,在气象、海洋、水利、农业、交通以及环境等领域广泛应用。随着FY-3数据和产品在全球数值天气预报业务模式中的广泛应用,其各级产品的发布时效也逐渐成为衡量整个星地业务系统设计合理性和数据处理效率的重要指标之一。FY-3星地业务系统数据传输与处理的环节较多,地面系统的平台多为异构且较为复杂[2],影响其时效性的因素也是多种多样。
本文通过卫星数据获取、地面站数据接收与传输、原始资料的汇集与预处理以及对各仪器L1(Level-1)数据的加工,对L2(Level-2)产品生成环节的信息进行采集与处理,构建数据生成时效分析系统并建立数据生成时效性数据库,能够对星地业务系统各类产品生成时效进行客观的量化评估,为业务优化与改进、相关业务数据发布时效指标与周期的制定等提供有效支撑。
1 星地业务系统数据生成时效分析系统构建
1.1 星地业务系统数据处理流程分析
FY-3星地业务系统数据处理流程主要由4个阶段组成,如图1所示。
(1)数据记录与下传阶段。生产实时数据中的高分辨率图像传输数据(High Resolution Picture Transmission,HRPT)和中分辨率图像传输数据(Medium resolution Picture Transmission,MPT),然后直接通过卫星数传系统下传广播;生成存储回放图像传输数据(Delayed Picture Transmission,DPT)后记录在FY-3卫星的固态存储器中,根据卫星程控方案与地面数据接收站点位置布局,在地面接收站指定的俯仰角范围内进行下传广播。
(2)数据接收和传输阶段。地面站接收卫星数据后,根据不同信道(HRPT/MPT/DPT)按固定时段切块,形成原始分块数据文件(RAW),并向处理中心进行同步并行传输。
(3)数据汇集阶段。处理中心将各地面站传输的原始分块文件进行处理,包括分通道拆包解包、多站数据去重复、优化拼接等作业,最后根据各种仪器使用要求生成不同时间粒度(分段、分弧段、按轨道)的L0(Level-0)数据。
(4)产品生成阶段。以L0为数据源,依照实时或延迟数据处理调度策略处理实时数据和延迟到达的数据;启动各仪器各阶段的产品处理作业流程,生成经地理定位和辐射定标后[3]的L1预处理产品及根据不同科学算法所反演生成的不同地球物理量L2产品,并同步进行数据分发与存档。
1.2 时效分析建模
针对FY-3业务系统数据处理流程中4个阶段的数据生成过程,定义4个阶段的数据生成延迟时间,分别为星地延迟(Delay_StoG)、传输延迟(Delay_GtoC)、汇集延迟(Delay_CtoL0)和产品生成延迟(Delay_LtoL),其中:Delay_StoG=目标数据地面接收时间(timeForReceive)-目标数据仪器观测时间(timeForObs)Delay_GtoC=目标数据到达处理中心时间(timeForCenter)-timeForReceive Delay_CtoL0=目标数据汇集完成时间(timeForL0)-(timeForCenter)Delay_LtoL=高级别数据生成时间(timeForL_high)-低级别数据生成时间(timeFor_low)。
数据生成时效性分析系统将星地业务流程中的数据生成信息采集后,根据Delay_StoG、Delay_GtoC、Delay_GtoL0、Delay_LtoL分析判别各个环节的数据生成时延。
1.3 系统构建
星地业务系统数据生成时效分析系统主要由4个功能模块以及数据库组成,即星地数据信息获取模块、数据传输模块、数据整合去重复入库模块、数据分析模块和时效分析数据库,如图2所示。其各自功能如下:
(1)星地数据信息获取模块。负责原始数据采集,需要从业务系统各个环节中采集原始数据信息,包括地面站数据接收时间表信息、与时效相关的工程遥测信息、地面站数据接收信息、中心原始分块数据汇集与处理信息、各级产品文件生成信息等。
(2)数据传输模块。负责将星地数据信息获取模块收集到的信息传输到星地业务系统运行时效分析系统所在运行服务器的指定存储位置。
(3)数据整合去重复入库模块。将星地数据信息获取模块收集到的原始信息进行加工,逐条解析,去掉重复部分,并将信息按类别输入至时效分析数据库中的各个表中。
(4)数据分析模块。通过时效性分析逻辑按时间序列对数据库各个表中的数据进行关联查询与分析,给出统计与分析结果。
(5)时效分析数据库。存放分类标准化后的数据信息,包括各业务环节的数据生成状态表、时效分析结果表等,具有数据分区存放、联合索引查询等数据库查询调优策略。
2 数据生成时效结果分析
系统以轨、日、月、年为不同时间粒度进行数据生成时效分析,以月、年为时间粒度进行分析需要在数据库中进行完整的数据积累。本文以轨、日为时间分析粒度,对具有典型时效性要求、以5分钟段为单位的中分辨率光谱成像仪(Medium Resolution Spectral Imager,MERSI)数据和以轨道(FY-3极轨卫星[4]轨道周期约为102分钟)为单位的微波湿度计(MicroWave Humidity Sounder,MWHS)数据进行举例分析。
MERSI分析样本选取2014/10/14日FY-3C卫星扫描轨道号第5474轨(降轨)的卫星观测数据。时效分析结果如下图3所示。
5474轨卫星观测到的MERSI数据从2014/10/14 00∶55∶00开始,到01∶45∶00结束,之后卫星进入地影。从图3可知两块五分钟数据扫描开始时间为01∶05∶00和01∶10∶00,各业务环节的延迟均较少(L2产品生成时间在1 000秒以下),这是因为该数据由佳木斯地面站的实时MPT信道(卫星过境接收时间:01∶04∶30至01∶16∶04)接收,星地几乎无延迟,地面站采用文件切块的方式传输RAW数据,在充分利用通信带宽的基础上实现了低延迟传输[5];其它时间的观测数据则存在明显的星地延迟和传输延迟,这是由于这些数据被计入卫星的DPT固存中,需要在5475轨或5476轨才能完全下传至地面站,且传输采用整轨RAW文件传输(不切块)的方式,因此会产生相对较大的传输时延(20至30分钟),随着星地延迟的增加,数据汇集和L0文件生成时延开销也会相应的增加。图4为5474轨FY-3C卫星MERSI观测数据的平均生成时延,星地时延是业务流程中的主要瓶颈。
图5为2014-10-14全天FY3C卫星MWHS观测数据的时延分析。
由于MWHS以轨道为文件处理单元,因此全天的数据星地时延均较大(2小时以上),汇集时延在01∶18至06∶23时段增大的原因是这些数据在传输时出现较长延迟,产生了处理时延放大效应。
从系统分析可知,分块粒度较小的数据生成时延要远小于分块粒度较大的数据,这是由于分块粒度较大的数据需要进行多轨拼接合成,其处理过程中的时间开销相对较大。
3 结语
本文梳理了风云三号气象卫星及其地面应用系统的数据生成与处理流程,根据不同业务环节的数据处理特点建立了数据生成时效评估模型,并在此基础上设计了数据生成时效性分析系统。最后以典型的具有生成时效要求的两类仪器数据进行举例分析,结果表明,星地时延是业务流程中的主要瓶颈之一。FY-3数据不同仪器的数据生成时延与分块处理的粒度大小有关。本系统可为地面数据接收站点布局规划和业务系统设计提供有价值的参考,同时其积累的数据生成时效信息可为具有高时效应用需求的产品发布周期提供量化依据。
参考文献
[1]杨军,董超华,等.新一代风云极轨气象卫星业务产品及应用[M].北京:科学出版社,2011:253-267.
[2]谢利子,赵现纲,郭强,等.风云系列气象卫星关键业务监控报警系统的设计与实现[J].计算机应用,2012,32(S2):192-195,225.
[3]梁顺林.定量遥感[M].北京:科学出版社,2014:90-149.
[4]章仁为.卫星轨道姿态动力学与控制[M].北京:北京航空航天大学出版社,1998:22-28.
浅谈遥感卫星数据传输技术 篇8
一、数据获取与传输技术
1、数据接收。数据接收时遥感卫星数据获取与处理技术的第一个环节。卫星数据接收系统有天线、馈源、天线座、伺服系统、信道、管理监控等部分, 主要负责实现卫星跟踪和数据接收。管理与监控软件要按照业务部门预定的任务计划和接收站位置与卫星轨道参数获得卫星方位信息, 并编制接收计划, 存在多个接受任务就需要编制接收列队, 管理监控软件按照接收列队实现数据接收。卫星接入接收站天线接收范围, 天线馈源、天线座和伺服系统形成工作信号回路, 实现信号的接收、放大、变频、处理与天线方位调整。天线对卫星跟踪稳定之后, 开始进行信号的放大、变频、解调、同步处理, 输出卫星基带数据, 并将其传递给记录设备。
2、数据记录。数据记录与数据接收是两个联系紧密的环节, 数据接收系统捕获的卫星信号通过新到与数据通道开关交送记录系统进行保存。数据记录主要负责将卫星下行遥感卫星数据存储到设备上, 做好遥感卫星原始数据的保存, 同时做好后续数据处理的准备工作。
3、数据传输归档。1. 数据传输。是从接收站到数据中心的数据传输过程, 负责将卫星原始数据或者经过处理的数据从各地的接收站集中到数据中心或者机构总部。数据传输在遥感卫星数据获取中十分重要, 现在卫星技术、网络技术发展迅速, 卫星运行机构以及地面基站都使用了新的信息传输技术, 最常见的是卫星中继技术, 通过中继卫星将数据传输给机构总部, 不同基站之间通过网络也能够实现数据传输。2. 数据归档。关于卫星传输数据的归档工作, 主要有数据整理、数据质量评估、数据编目、数据存储等内容。卫星数据的存储工作主要是卫星数据和卫星数据编目信息的存储, 卫星数据多存在于数据库形式。数据归档工作的目的在于建立完善的数据保存体系, 为后期的数据检索、处理等提供服务基础。
4、数据发布。遥感技术不断发展, 遥感数据量增加, 信息量大, 数据质量很高, 提高遥感数据资源的利用率, 提供完善的遥感信息服务逐渐成为遥感数据发展的新问题。21世纪之后, 基于Web GIS技术以及空间数据库技术的数据发布系统建立了遥感数据查询、检索、定制、分发和共享的高效技术平台, 不仅仅实现了遥感数据的检索查询服务, 同时还实现了数据产品的在线定制、无缝浏览拼接、数据实时下载等服务, 成为了遥感数据发布的重要技术手段。
二、接口技术
1、遥感器接口。数据传输与遥感器接口遥感器输出的数据格式、数据类型以及数据速率可能存在较大的不同。但是遥感接口单元电路原理相同, 能够交换使用, 不会对数据传输性能造成很大影响。遥感数据再介入接口单元之前就已经完成了数据格式编排, 能够形成要求的数据结构, 即子帧。数据传输不关心子帧结构及其数据内容, 需要了解子帧数据长度与起始位置, 需要从传感器获得数据信号、帧脉冲信号和时钟信号, 为了实现系统数据同步, 需要将数据传输一路时钟信号传输给遥感器。接口单元电路需要实现遥感数据接收、存储和编组, 之后等待信道进行传输。道传输能力、存储能力以及遥感数据率确定数据量大小。缓存器与地址控制器使用两套电路, 一套电路接收遥感器传输数据, 另一套就开始传输数据, 编组内数据量不大, 缓存器可以使用FIFA代替。接口单元电路与数传内部总线之前接口除了数据总线, 还有读脉冲、读允许、数据就绪、数据结束等信号。
2、数据时钟。时钟单元提供数据传输系统主时钟, 是整个数据传输系统的心脏, 电路设计可以采用双机备份的方式开展工作。
3、总线管理控制。该单元电路对数据传输内部总线使用进行管理分配, 首先哪找结构单元传输来的数据就绪信号编制接口单元缓存器数据排队方案, 之后轮到某接口单元进行数据传输时首先使用数传帧结构发出单元控制信号, 要求产生能够和接口单元对应的遥感数据帧头数据。
结束语:
科学技术水平不断发展, 用户对遥感卫星系统要求越来越高, 卫星遥感信息传输系统传输数据量越来越大, 给卫星数据传输带来了很大的压力, 为了缓解传输系统工作压力, 需要要求用户尽量提出合理的卫星系统任务目标, 方便进行系统工作模式优化, 同时还需要加强技术攻关, 突破传统技术瓶颈, 提高技术水平, 这样才能不断提高遥感卫星数据传输技术水平。
参考文献
[1]周润松.将要上天的加拿大雷达卫星[J].国际太空, 2012 (3) :1-5.
[2]Resourcesat-1 (IRS-P6) Data User.s Handbook[Z].National Remote Sensing Agency, 2013.
卫星数据广播系统 篇9
1 测控数据的结构与特点
一般情况下, 为了满足卫星测控覆盖率的要求, 对同一颗卫星, 会安排多个位于不同区域的测控站进行测控, 这些测控站与控制中心间存在大量的数据交换。为了使测控站与控制中心之间的数据交换安全、可靠、实时性强, 在测控站和控制中心开发专门的数据传输系统完成测控数据的采集、加工和传输。数据传输系统和通信网共同构成了航天测控网的数据传输通道, 完成测控站与控制中心间的数据交换, 如图1所示。
测控数据包括测量数据 (遥测和外侧) 和控制数据 (遥控指令和注入数据) 。相对而言, 测量数据远远多于控制数据, 而卫星遥测数据包含有表征卫星状态的各种参数, 是地面测控系统监视和判断卫星健康状态的主要依据。下面以卫星遥测数据为例, 对其数据结构和特点进行分析。
1.1 遥测数据的结构
卫星下传的遥测数据包括实时遥测和延时遥测。遥测数据组合体制多种多样, 既有分帧遥测, 又有分包遥测。分帧遥测以遥测帧的方式下传, 多数以主副波道组帧, 遥测帧长为n个字节 (n=64, 128, 256等) 。而分包遥测由固定遥测及分包遥测组成。既包括类似分帧遥测由其在遥测帧中的位置联合部分标志参数确定的遥测数据, 也包含由多个遥测帧组包后由其在数据包中的位置联合部分标志参数确定的遥测数据[2]。地面测控站接收到卫星遥测数据后, 自动为每帧打上当时北京时间, 同时按照相关格式约定, 实时发送给控制中心。其信息主要包括:信源信宿, 信息类别、标志、时间, 数据长度和数据内容等。
1.2 遥测数据的特点
对于数据量最大的地球静止轨道同步卫星遥测数据, 其具有以下显著特点。
(1) 由于测控站24 h连续测控, 因此测控数据帧呈现出连续不间断。
(2) 测控数据帧序列是按时间大小顺序排列。
(3) 对于一颗具体型号的卫星, 其遥测数据的码速率和帧周期固定, 所有测控数据是按帧周期等时间间隔分布。
2 测控数据存储与查询方法
以记录方式存储的测控数据具有三个特点:一是记录数量巨大。根据实验测算, 如果按照每个参数采样值存储为一条记录的方式, 以北斗二号GEO卫星为例, 平均每秒钟有200个参数, 每天24 h跟踪, 一天产生的遥测记录为:200×3 600×24=17 280 000 (条) 。二是数据按照时间顺序入库。通常情况下, 测控数据均为实时接收入库, 按照数据采样时间顺序存储。三是数据入库后以只读方式访问。遥测和外测数据是卫星测控的原始采样数据, 存储到数据库中后一般只会对其进行查询检索操作, 不会对其进行更新、删除等操作。
2.1 索引的优化设计
索引是数据库中重要的数据结构, 它的根本目的就是为了提高查询的效率。为了实现海量测控数据的高效查询, 如何合理地设计索引是遥测数据查询优化的关键[3]。遥测数据是典型的时间序列数据, 通常情况下按时间顺序产生、存储和查询。通过对各类应用情况的分析, 发现对于卫星遥测数据, 所有的检索类型都是以某个时间区间为条件进行的;而90%以上的应用是查询某个参数在某段时间内的所有遥测值。因此对遥测数据表的索引设计就包含两个字段:数据时间 (DATA_TIME) 和参数代号 (PID) 。为了支持对某段时间中所有参数值进行查询, 索引字段的顺序必须为数据时间在前、参数代号在后[4]。遥测数据表索引设计如下:
2.2 基于时间分区表的优化
当表中的数据量不断增大, 查询数据的速度就会变慢, 应用程序的性能就会下降, 这时就应该考虑对表进行分区[5]。表进行分区后, 逻辑上表仍然是一张完整的表, 只是将表中的数据在物理上存放到多个表空间 (物理文件上) , 这样查询数据时, 不至于每次扫描整张表[6]。
Oracle的分区功能支持将表、索引或索引组织表进行分区。分区表具有以下优点。
(1) 改善查询的性能:对分区对象的查询可以优化为搜索对应的某个分区, 提高检索速度。
(2) 增强可用性:如果表的某个分区出现故障, 其他分区的数据仍然可用。
(3) 维护方便:如果某个分区出现故障, 只需要修复该分区即可。
(4) 均衡I/O:可以把不同的分区映射到不同磁盘以平衡I/O, 改善整个系统的性能。
Oracle支持范围、列表、散列等三类基本分区, 以及若干种组合分区。
测控数据中, 遥测、外测等海量数据具有时间序列的特征, 通常以时间为主键, 并以时间为条件进行检索, 同时需要对查询结果按照时间进行排序, 针对这些特点, 采用基于数据时间的范围分区方式进行存储, 可大大降低这类数据的检索效率, 使数据的查询响应时间不会随着数据量的增长而增加[7]。以分区表方式存储遥测数据设计如下:
2.3 基于索引组织表的优化
索引组织表 (Index Organized Table, IOT) 是与通常的堆组织表相对应的[8]。使用堆组织表时, 必须为表和表的索引分别留出空间, 存储在堆中的表是无组织的, 只要有可用的空间, 数据可以存放在任何地方, 而IOT表中的数据则是按主键存储和排序[9]。数据直接存储在索引上, 不存在主键的存储空间开销, 索引就是数据, 数据就是索引, 二者合而为一。IOT带来的好处一方面大大节约了存储空间的占用, 更重要的是大幅度降低了I/O数量。按IOT表的方式设计的遥测数据的存储表如下:
其中, 以数据时间 (DATA_TIME) 和参数代号 (PID) 为主键索引。按照这种方式进行遥测数据存储, 数据本身直接存放在索引中, 如图2所示, 大大降低了存储空间的占用。由于数据存储在索引中, 在数据插入时需要进行排序, 会损失部分写入的效率[10], 但遥测数据具有按照时间顺序入库的特点, 损失的效率会非常小。
3 实验与分析
对上述方法的存储空间和查询时间效率进行测试。测试环境:服务器Sun Fire490, 硬盘SCSI146GB, CPU 1 500 MHz×2, 内存8 GB;Oracle 10 G10.1.0.2 64 Bit。
首先接收存储某地球静止轨道同步卫星实时数据, 24 h内共存储记录16 990 000条, 平均每秒产生记录16 990 000/3 600/24=196.6条。然后使用脚本按照每秒钟200个参数自动生成60 d模拟测试数据, 在此基础上对存储空间和查询时间分别进行了分析。
3.1 存储空间分析
一颗地球静止轨道同步卫星每天产生的数据1 700万条记录, 占用存储空间约1 GB左右, 同一颗卫星的遥测数据以记盘文件方式 (不压缩) 存储约为820 MB左右。以堆组织表形式存储则占用空间为2.56 GB左右。通过IOT方式存储比以堆组织表方式 (索引与数据分别存储) 存储大幅度降低了存储空间占用, 前者只有后者的39.1%。通过IOT方式按照记录存储比原有的按照记盘文件方式 (每小时1个文件) 存储只增加了10%的存储空间占用, 但比压缩记盘文件方式增加了12倍的空间占用。
3.2 查询时间分析
从24 h的数据中检索某个参数一个小时内的所有值 (按数据时间排序) , 查询响应时间为0.17 s。从60 d的数据中检索同一个参数一个小时内的所有值 (按数据时间排序) , 查询时间为0.27 s。通过分区表和IOT方式存储, 当数据量从1 d增加到60 d时, 查询响应时间并无明显变化。遥测参数查询的SQL语句如下:
3.3 数据存储模式
对于测控数据中数据量最大的遥测数据, 存储要兼顾空间和时间两方面的因素, 要在尽量减少空间占用的同时尽量提高遥测参数的检索效率。
从3.1节和3.2节分析可知, 以记录方式存储支持对任意时间段内任意参数所有遥测值的快速检索, 虽然经过优化, 存储空间占用已经与按非压缩记盘文件方式基本相当, 但与压缩记盘文件方式相比仍有10倍左右的差距。为了在时间与空间之间取得平衡, 对遥测数据的存储采取文件和记录两种方式相结合的方案, 实时存储软件接收任务的遥测处理结果数据, 每小时将记盘文件压缩存储到数据库中, 同时解析收到的数据帧并将各个遥测参数的值按照记录的方式存入数据库[11]。记录方式的存储只保存最近一定时期 (如1个月) 的数据。既满足长期数据存档和事后分析的要求, 也支持近期遥测数据的实时检索, 为控制计算提供实时查询服务。
4 结论
本文结合工程实际需求, 提出了基于时间分区表和索引组织表的海量测控数据存储和查询方法。该方法通过工程实验和结果分析, 可以得出以下结论。
(1) 高效的查询检索。按照索引方式存储数据, 数据在数据块内按照时间数据存储, 大大降低了查询时的I/O次数, 使查询响应时间大幅度降低[12]。同时, 由于对数据按照时间进行分区存储, 基于时间的数据检索不会随时间和数据量的增长而导致查询响应时间的快速增长。
(2) 较低的存储空间占用。采用索引组织表形式进行存储, 测控数据全部存放在索引节点上, 节省了数据表本身需要占用的存储空间。另外可以通过对索引主键中的时间序列进行压缩, 进一步降低存储空间的占用。
(3) 支持数据的聚合分析。通过记录方式存储的测控数据, 支持数据库提供的聚合函数, 可以对数据进行不同长度和固定时间间隔的聚合分析。
参考文献
[1] 张秉强.数据库优化技术在海量数据下的研究与应用.上海:同济大学硕士学位论文, 2007:33—40
[2] 任国恒.同步卫星遥测数据相关性分析与研究.西安:西安工业大学硕士学位论文, 2011:14—41
[3] 卢海红.基于XML数据仓库历史数据归档与管理策略的研究.哈尔滨:哈尔滨工程大学硕士学位论文, 2007:51—56
[4] 吴广君, 王树鹏, 陈明, 等.海量结构化数据存储检索系统.计算机研究与发展, 2012;49 (S1) :86—92
[5] 陈苗.海量地学数据查询优化关键技术的研究.长春:吉林大学, 2008:87—110
[6] 刘难贵, 周俭, 贾宏.经济、安全的海量数据生命周期管理方案.计算机工程与设计, 2009;10 (19) :56—60
[7] 傅颖勋, 罗圣美, 舒继武, 等.安全云存储系统与关键技术综述.计算机研究与发展, 2013;50 (1) :136—145
[8] 姚书怀, 刘兴伟.大型数据中心海量数据存储解决方案的设计.四川工业学院学报, 2004;12 (S1) :65—72
[9] 朱海青, 唐娉, 王文杰.实现Oracle数据库中海量数据管理的简捷方案.计算机应用研究, 2005;2 (22) :185—191
[10] 唐立文, 宇文静波.海量空间数据存储技术研究.中国计算机辅助设计与图形学2008——纪念全国首届CAD/CG学术会议30 周年论文集, 2008:88—92
[11] 王华斌, 唐新明, 李黔湘.海量遥感影像数据存储管理技术研究与实现.测绘科学, 2008;33 (6) :153—157
卫星数据广播系统 篇10
不同于美国全球定位系统 (GPS) 及俄国格洛纳斯卫星导航系统
(GLONASS) 星座由单一的MEO卫星组成, 北斗系统星座不但包含了MEO卫星, 同时还有GEO卫星和IGSO卫星。GEO卫星周期和地球自转周期一样, 并且GEO卫星轨道面和地球赤道面重合, 相对地球静止不动。IGSO卫星的轨道高度和GEO卫星的轨道高度一样, 但是和地球赤道面形成55°夹角。IGSO卫星轨道周期和地球自转周期一样。相对于地球上的观测者, IGSO卫星轨迹形似 “8”字。由于北斗系统星座与其它卫星导航定位系统有很大区别, 所以很有必要对其进行分析。
1 北斗系统导航卫星在不同纬度下的可视分析
过去有诸多学者对北斗系统的星座进行过分析, 但大多基于仿真数据。如利用仿真数据分析北斗系统星座, 探讨北斗系统星座在不同区域的可视性。该文分别以北京和近赤道地区为例计算卫星的天空视图, 结果显示, 在亚太低纬度地区, BDS的GEO和IGSO卫星全部在视野以内。在高纬度地区 (北京) , GEO卫星全
部在视野以内, 且全部分布在观测者视野的南半部分, IGSO卫星会在某些时刻运行到视野以外。为了更加客观地分析北斗系统的特点, 收集了一个轨道周期的北斗系统广播星历数据 (日期为2012年5月29日) 。其计算结果表明在亚太地区赤道附近, 所有的GEO与IGSO卫星都可视, 并且GEO卫星分布在东西方向的正上空。IGSO卫星在整个轨道周期都可跟踪到, 并且卫星高度角在整个轨道周期内大于22.5°。在亚太高纬度地区 (北京) , GEO卫星分布在观测者视角的南半部分, IGSO卫星部分时刻会运行出视野以外, 但大部分时候, IGSO卫星相对于地球上高纬度地区观测者可视。和GPS、GLONASS等卫星导航系统比较起来, 对于亚太地区的观测者, 北斗系统卫星星座具有更加高效的利用率。
2 北斗系统相对静态定位精度性能分析
目前为止, 北斗系统已经能为亚太地区提供无源定位服务。为验证北斗系统相对静态定位精度, 在北京地区利用两台BDS/GPS接收机收集了6期 (每期观测时长为20 min) 静态数据, 接收机的采样频率设置为1 Hz, 基线长度约633 m, 为了降低多路径的影响, 卫星截止高度角设为15°。采用基于MWWL组合观测值和总电子含量变化速率技术探测与修复北斗系统和GPS相位观测值周跳。这种周跳探测方法能够精确探测与修复载波相位观测值上的小周跳。利用双差相位观测值组成观测方程, 可估计出位置参数与整周模糊度浮点解, 并用最小二乘降相关分解法方法进行整周模糊度的固定, 回代观测方程, 可估计出高精度的基线向量, 结果见图1及图2。
图1和图2结果表明, 单独利用北斗系统和GPS进行基线估计, 两者的精度相当。我国北斗系统已经具有为亚太地区测绘及相关部门提供高精度的定位服务能力。
3 北斗系统实时高精度动态定位精度性能分析
GPS已广泛应用于实时高精度动态定位领域, 为大坝、桥梁等大型工程提供安全监测提供技术手段。利用单历元算法 “实时”分别处理15 min北斗系统和GPS观测值, 得到三个坐标轴方向误差的时变序列 (见图3) 。在X轴与Y轴方向上, GPS误差小于北斗系统。Z轴方向上, 北斗系统与GPS误差相当。
4 结语
到2012年底, 北斗系统已能为亚太地区提供无源导航定位服务。该文利用BDS/GPS双频接收机接收广播星历和观测数据, 计算北斗系统卫星一个轨道周期内的卫星位置, 并分析北斗卫星在亚太地区不同纬度情况下的可视情况。结果表明北斗卫星的利用率在亚太地区比GPS卫星更好。在近赤道地区, 所有北斗系统的GEO和IGSO卫星在整个轨道周期内都为可视;在高纬度地区, GEO卫星在整周轨道周期内可视, IGSO卫星在大部分的轨道周期内都可以被高纬度地区北斗系统接收机跟踪到。分别以6期 (每期20 min) 北斗系统和GPS静态观测值计算基线, 两者的精度相当, 最大偏差不超过4 mm。利用单历元算法 “实时”计算每个历元的位置变化量, 在X轴和Y轴方向上, 北斗系统的精度比GPS稍差, 在Z轴方向上, 北斗系统的精度和GPS相当。同时, X轴和Y轴上出现的较大误差并没有一种随机性, 随着北斗系统的建立和完善, 这种误差一定能够得到有效地去除和削弱。
摘要：该文通过收集北斗导航卫星的实际数据, 计算北斗系统卫星一个轨道周期内的卫星位置, 并分析北斗卫星在亚太地区不同纬度情况下的可视情况。结果表明, 北斗卫星的利用率在亚太地区比GPS卫星更好。
关键词：北斗,导航卫星,定位性能,精度
参考文献
[1]刘路沙.北斗卫星为神州导航[J].中国测绘, 2010 (4) :24-25.
卫星数据广播系统 篇11
我国北斗卫星导航系统建设分两阶段实施。第一阶段，2000年建成北斗卫星导航试验系统，进行卫星导航技术试验，初步为我国及周边地区提供导航、授时和短报文通信服务。该试验系统已圆满完成各项试验任务，标志着我国成为世界上第三个拥有自主卫星导航系统的国家。
第二阶段，2020年前，建成覆盖全球的北斗卫星导航系统，为用户提供连续、稳定的导航、授时和短报文通信服务。该阶段于2004年9月正式启动，2007年4月成功发射北斗卫星导航系统首颗中圆轨道卫星，预计2010年左右系统建设覆盖亚太地区。
本次发射的卫星由中国航天科技集团公司所属中国空间技术研究院为主研制，设计寿命为8年，是我国北斗卫星导航系统第二阶段建设的第二颗卫星。
长征三号丙运载火箭由中国航天科技集团公司所属中国运载火箭技术研究院为主研制。该火箭是在长征三号甲和长征三号乙运载火箭的基础上研制出的三级液体火箭，与长征三号甲、长征三号乙共同构成了长征三号甲系列运载火箭的基本型谱。该火箭捆绑两枚助推器，地球同步转移轨道运载能力为3.8吨，火箭拥有灵活的姿控系统，具有对有效载荷进行大姿态调姿的能力。
卫星数据广播系统 篇12
随着遥感卫星技术的发展,每天都会从遥感卫星获得大量卫星遥感数据。从这些数据中提取对气象预报有用的信息成了一个刻不容缓的工作,将遥感卫星观测区的云区与晴空区区分开来是卫星资料研究的第一步,云检测结果的好坏直接影响了许多相关的后续工作。
目前检测云的方法有很多,Menzel等通过CO2切片法计算云顶气压和有效发散率来计算云导风。对于AIRS云检测,Goldberg等提出了NESDIS Goldberg云检测方案,并在原来云检测方案的基础上,分别对陆地和海洋表面的视场进行云检测[1]。
以上这些方法普遍存在的问题是处理算法较复杂,通常需要多通道的数据同时处理,数据处理的时间较长,工作量较大。经过长时间的研究,提出了从统计分析的角度,采用回归预测法来进行云检测可以大大缩短处理时间,减轻了数据处理人员的工作量。
1 模型建立与拟合
1.1 模型的建立
回归预测分析方法从事物的因果关系出发,在大量原始观测数据的基础上,建立自变量与因变量的函数表达式,确定回归方程,预测事物今后的发展趋势[2]。
在选取卫星数据时,选用了MODIS卫星的数据。它具有高光谱分辨率、高时间分辨率、适中空间分辨率、高灵敏度以及数据免费接收等特点,在国际上被广泛地应用。基于MODIS的36个通道中的14个,后增为19个[3],不同的路径采用不同的检测方法,对每个像素有没有云给出了4个层次的判断:无云、可能无云、可能有云、有云[4]。
在可见光波段,较厚的云体对太阳辐射有较强的反射,同时云的温度通常小于地表[5],因此,我们可以利用云的具有较低亮温值的特点来进行云检测。利用MODIS传感器的第20通道(3.66—3.84 μm)的亮温数据,对亮温数据进行回归分析,通过回归模型建立亮温和时间的关系,从而预测无云数据。
实验选取2011年某一沿海地区的亮温数据为研究对象,其未经预测的亮温数据在MTALAB中的散点如图1所示。
以该地区2006年至2010年的亮温数据分别建立5年的数据模型,数据模型如式1所示。
式(1)中,t为距离原点的时间,y为t时的亮温数据,a0、a1、…、an为常数。
因为5年的数据各不相同,所以5个方程里的系数也各不相同。经过多次递归迭代,选取适当的比例分配来回归预测该地区 2011年的数据模型,得出该地区2011年数据模型中a0、a1、…、an的具体数值。
1.2 MATLAB软件拟合
MATLAB软件提供了基本的曲线拟合函数的命令。多项式函数如式(2)所示。
式(2)中,n表示多项式的最高阶数,xdata、ydata为将要拟合的数据(分别代表时间及亮温值),它使用数据的方式输入。输出参数a为拟合多项式(1)的各个系数。
值y可用式(3)计算。
运用MATLAB对亮温数据进行拟合,当取n=3时,根据回归预测模型方程(1)得到拟合结果如图2所示。
1.3 数据分析
在数据统计分析中,拉依达法则可以用来剔除误差数据,用拉依达法则判断误差的基本思想是以给定的置信概率99.7%为标准,以三倍测量列的标准偏差限为依据,凡超过此界限的误差,就认为是异常值,异常值是不可取的[6],应该从测量数据中剔除。
拉依达准则的应用是有条件的,该准则只有在测量次数n比较大时才适用,至少n≫10次才行,否则使用该准则无效[7]。
运用拉依达准则对原始数据和拟合曲线进行分析,用MATLAB分别描绘出了云数据与无云数据,如图3所示。
2 结论
使用回归预测方法,对该地区的2011年MODIS数据进行云检测,对用此方法得到的有云和无云数据进行了图像重建,实验结果如图4(b)所示。
图4(a)为未进行处理前的数据图像重现图,两图对比表明,利用回归预测法对MODIS的20通道的亮温数据进行该地区无云检测具有较高的可行性。图4中图像的比例尺是:1∶4 000 000。
实际使用时应该特别注意,从图4可以看出,该方法对该通道有云的像素点的检测效果不佳。经分析,产生的原因有如下两点:
(1)MODIS的20通道的特点如表1所示。本实验数据只利用了MODIS的第20通道,而云在可见光/近红外波段的高反射特征、云中水汽的吸收特征,以及云在热红外不同波段的表现是不同的[8]。只通过对单一波段的分析,会造成某些云像素点检测不出来。
(2)拉依达法则的使用存在置信概率的问题,可能造成有些云的像素点检测不出来。而拉依达准则的应用是有条件的,该准则只有在测量次数n比较大时才适用。
因此,在针对不同的类似地区使用回归预测法时,需要对MODIS不同特征波段的数据分别进行云检测,同时选择多年大量的数据并及时调整拉依达准则中的辨别条件,综合分析不同波段的检测结果,从而大大提高其在有云数据处理方面的有效性。
该方法与现有的其他方法相比,具有处理速度快、操作简便的优点,特别适用于类似地区数据处理量较大的场合,具有一定的实际应用价值。
参考文献
[1]朱文刚,李刚.一种基于通道排序的云检测方法.安徽农业科学,2011;39(32):20093—20095
[2]甘蓉蓉,陈娜姿.人口预测的方法比较以生态足迹法灰色模型法及回归分析法为例.西北人口,2010;1(31):57—60
[3] Ackerman S,Strabala K,Paul W M,et al.Discriminating clear-skyfrom cloud with MODIS.J.Geophys.Res.,1998;10(1029):32141—32158
[4]张旭,崔彩霞.基于MODIS数据的云检测及其在新疆的应用.干旱区研究,2011;7(28):705—708
[5]汤琦,毛节泰.利用MODIS资料对中国西部地区的云检测.高原气象,2006;12(25):990—1000
[6]熊艳艳,吴先球.粗大误差四种判别准则的比较和应用.大学物理实验,2010;2(23):67—68
[7]张敏,袁辉.拉依达准则与异常值剔除.郑州工业大学学报.1997;3(18):84—88
【卫星数据广播系统】推荐阅读：
卫星数据06-25
卫星数据采集07-17
卫星数据接收站10-01
卫星释放速度验证的数据分析方法07-03
嫦娥一号卫星数据高可靠性保护设计10-19
卫星广播系统08-02
广播卫星09-02
广播卫星设备05-27
卫星直播系统10-06
卫星数字广播10-23