为提高对流层天顶延迟(Zenith tropospheric delay,ZTD)的估计性能,提出了基于数据融合的ZTD估计方法。估计干延迟采用Saastamoinen模型,估计湿延迟采用Askne模型,地表气象测量设备提供给两模型所需的气压、温度以及水汽压,Askne模型所需的加权温度、温度变化率和湿度变化率由全球气压和温度2w(Global pressure and temperature 2w,GPT2w)模型提供。当气象测量设备不可用时,上述所有气象参数均来自于GPT2w模型。利用国际GPS服务(International GPS service, IGS)提供的数据进行验证,结果表明:当地表测量设备存在时,所提方法较Saastamoinen模型提高了8mm;当全部气象参数来自GPT2w时,本方法较GPT2w+Saastamoinen模型提高了8.1mm;对于季节分明的测站,误差趋势同样具备季节性;对于海拔高和气候干燥的的测站,估计误差较小。
针对卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)存在周日效应、短期稳定度不高的问题,通过引入基于注意力机制的Transformer权值矩阵,利用Vondrak-Cepek组合滤波的方法将中国科学院国家授时中心(National Time Service Center, NTSC)、德国物理技术研究院(Physikalisch-Technische Bundesanstalt, PTB)之间的TWSTFT和全球定位系统(Global Positioning System, GPS)P3码共视法的时间比对链路进行融合,分析融合前后链路的性能指标并与没有周日效应、短期稳定度高的GPS精密单点定位(GPS precise point positioning, GPS PPP)时间比对参考链路进行比较。结果表明,引入注意力机制权值的Vondrak-Cepek组合滤波融合方法与参考链路GPS PPP的标准差为0.310 9 ns,具有改善TWSTFT周日效应、提升链路整体稳定性的作用。
