基于MATLAB的GPS卫星绕地运行轨迹动态模拟仿真

简介: 基于MATLAB的GPS卫星绕地运行轨迹动态模拟仿真

1.算法运行效果图预览

1.jpeg
2.jpeg

2.算法运行软件版本
matlab2022a

3.算法理论概述
模拟24颗GPS卫星的轨道运行是一个复杂的任务,涉及到多个卫星的轨道计算和绘制。以下是一个大致的步骤和示例代码,用于在MATLAB中模拟和绘制这些卫星的轨道运行。实际GPS卫星的轨道参数非常复杂,而且卫星之间的相对运动也需要考虑。下面的示例代码是一个简化的版本,用于演示基本的概念。要通过MATLAB模拟24个GPS卫星的轨道运行效果,你可以按照以下步骤进行操作:

   获取卫星轨道参数: GPS卫星的轨道参数可以从相关文献或数据源中获取。这些参数包括每颗卫星的半长轴、偏心率、轨道倾角、升交点赤经等。

    计算卫星的轨道: 使用获取的轨道参数,可以通过开普勒运动方程计算每颗卫星在每个时间点的位置和速度。

   选择模拟时间范围: 选择一个适当的时间范围,以便观察卫星在地球上的运动。

   生成时间序列: 生成一系列时间点,可以使用MATLAB中的时间函数,如linspace来生成等间隔的时间点。

   计算卫星位置: 对于每个时间点,使用计算得到的轨道参数和时间,计算每颗卫星的位置和速度。

   绘制卫星轨道: 使用MATLAB的绘图函数,如plot3,绘制每颗卫星在三维空间中的轨道。你可以在地球球面上绘制卫星的位置,也可以绘制在三维笛卡尔坐标系中的轨迹。

    通过使用GPS卫星星历(Almanac data)信息,来计算模拟24个GPS卫星的轨道。每个卫星用PRN1-24来编号,假设GPS卫星轨道是圆的。

自己卫星轨道模拟,这个卫星是离地面350Km的太阳同步轨道卫星。这个轨道是椭圆的,使用轨道倾角98度
计算自己卫星和每个GPS卫星的多普勒频移。
注意:这里使用GPS卫星是发送源,自己的卫星是接收源。假设发送频率1575.42 MHz

    GPS卫星轨道周期几乎是24小时,而自己的卫星在太阳同步轨道上的周期大概是1.5个小时,那么就是说太阳同步轨道已经绕几周了,GPS卫星才饶一周。所以当算多普勒频移的时候只需要算出GPS一个周期时间内的多普勒频移就好了。就是说,如果在算多普勒频移的时候,如果算多过24小时,那么多普勒频移就会重复了。我只需要24小时GPS轨道周期内的多普勒频移就好了。

     这里,首先介绍一下星历文件的含义:

Prn

卫星编号

iode

电文中给出的当前参考历元的有效期

Crs

电文中给出的轨道半径角距的改正项—正弦振幅

delta_n

电文中给出的平地点角改正值

M_zero

电文中给出的参考时刻平近点角

Cuc

电文中给出的升交点赤经的改正项—余弦振幅

e1

电文中给出的轨道椭圆偏心率

Cus

电文中给出的升交点赤经的改正项—正弦振幅

sqrt_a

电文中给出的卫星轨道椭圆长半轴的平方根

toe

电文中给出的参考时刻

Cic

电文中给出的倾角角距的改正项—余弦振幅

OMEGA_zero

电文中给出的参考时刻升交点赤经

Cis

电文中给出的倾角角距的改正项—正弦振幅

i_zero

电文中给出的参考时刻轨道倾角

Crc

电文中给出的轨道半径角距的改正项—余弦振幅

omega

电文中给出的轨道近地点角距

OMEGA_dot

电文中给出的升交点赤经变化率

i_dot

电文中给出的轨道倾角变化率

   这里需要注意的时候,由于GPS距离地面的高度一般为20000km,而这里的同步卫星只有350km,所以看上去会效果不明显,所以这里我们把这里的参数设置的大些,这样看上去效果稍微明显点。然后你再写论文的时候,如果用到其中的数据,只要把他改回350即可。另外,其周期为1.5小时,这样在房子的时候,速度太快,不容易观察,这里稍微设置的大些,使用周期为6小时。

4.部分核心程序

``` Prn = NavData(PRNS_SEL,1);%识别导航数据中的PRN

    iode       = NavData(PRNS_SEL,11);%企业日期序列号

    Crs        = NavData(PRNS_SEL,12);%轨道半径正弦谐波校正的振幅

    delta_n    = NavData(PRNS_SEL,13);%与计算值的平均运动差

    M_zero     = NavData(PRNS_SEL,14);%参考时间的平均异常

    Cuc        = NavData(PRNS_SEL,15);%纬度变元余弦谐波校正项的振幅

    es         = NavData(PRNS_SEL,16);%偏心率

    Cus        = NavData(PRNS_SEL,17);%纬度变元正弦谐波校正项的振幅

    sqrt_a     = NavData(PRNS_SEL,18);%半长轴的平方根

    toe        = NavData(PRNS_SEL,19);%星历重新出现时间(GPS周第二次)

    Cic        = NavData(PRNS_SEL,20);%倾角余弦谐波校正项的振幅

    OMEGA_zero = NavData(PRNS_SEL,21);%参考时间赤经

    Cis        = NavData(PRNS_SEL,22);%倾斜角正弦谐波校正项的振幅

    i_zero     = NavData(PRNS_SEL,23);%参考时间的倾角

    Crc        = NavData(PRNS_SEL,24);%轨道半径余弦谐波校正的幅度

    omega      = NavData(PRNS_SEL,25);%近地点论点

    OMEGA_dot  = NavData(PRNS_SEL,26);%赤经角变化率

    i_dot      = NavData(PRNS_SEL,27);%倾斜度变化率
   %计算真实异常

   %校正平均运动
    n_initial  = sqrt(Gravitational_constant)/(sqrt_a*sqrt_a*sqrt_a);
    n          = n_initial + delta_n;

   %计算自参考历元以来的时间
    t_k = func_tk_limits(t,toe);

   %T_K平均异常
    M_k = M_zero + n * t_k + 2*pi;             
    E_k = M_k;
    E_k1= M_k - es*sin(E_k);

    %E_K的迭代求解
    while (abs(E_k - E_k1) > 1e-9)
        E_k1 = E_k;
        E_k  = M_k + es * sin(E_k1);
    end;   

    %TRUE ANOMALY
    v_k   = 2*atan(sqrt((1+es)/(1-es))*tan(E_k/2));    
    %%纬度论

    %未修正纬度的自变量
    phi_k = v_k + omega;   

    %校正
    C_u = Cus*sin(2*phi_k) + Cuc*cos(2*phi_k);
    C_r = Crs*sin(2*phi_k) + Crc*cos(2*phi_k); 
    C_i = Cis*sin(2*phi_k) + Cic*cos(2*phi_k);   

```

相关文章
|
1天前
|
机器学习/深度学习 算法 计算机视觉
基于CNN卷积神经网络的金融数据预测matlab仿真,带GUI界面,对比BP,RBF,LSTM
这是一个基于MATLAB2022A的金融数据预测仿真项目,采用GUI界面,比较了CNN、BP、RBF和LSTM四种模型。CNN和LSTM作为深度学习技术,擅长序列数据预测,其中LSTM能有效处理长序列。BP网络通过多层非线性变换处理非线性关系,而RBF网络利用径向基函数进行函数拟合和分类。项目展示了不同模型在金融预测领域的应用和优势。
|
6天前
|
机器学习/深度学习 存储 算法
基于CNN+LSTM深度学习网络的时间序列预测matlab仿真,并对比CNN+GRU网络
该文介绍了使用MATLAB2022A进行时间序列预测的算法,结合CNN和RNN(LSTM或GRU)处理数据。CNN提取局部特征,RNN处理序列依赖。LSTM通过门控机制擅长长序列,GRU则更为简洁、高效。程序展示了训练损失、精度随epoch变化的曲线,并对训练及测试数据进行预测,评估预测误差。
|
7天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于DCT变换和位平面分解的数字水印嵌入提取算法matlab仿真
这是一个关于数字水印算法的摘要:使用MATLAB2022a实现,结合DCT和位平面分解技术。算法先通过DCT变换将图像转至频域,随后利用位平面分解嵌入水印,确保在图像处理后仍能提取。核心程序包括水印嵌入和提取,以及性能分析部分,通过PSNR和NC指标评估水印在不同噪声条件下的鲁棒性。
|
8天前
|
机器学习/深度学习 算法 安全
m基于Qlearning强化学习工具箱的网格地图路径规划和避障matlab仿真
MATLAB 2022a中实现了Q-Learning算法的仿真,展示了一种在动态环境中进行路线规划和避障的策略。Q-Learning是强化学习的无模型方法,通过学习动作价值函数Q(s,a)来优化智能体的行为。在路线问题中,状态表示智能体位置,动作包括移动方向。通过正负奖励机制,智能体学会避开障碍物并趋向目标。MATLAB代码创建了Q表,设置了学习率和ε-贪心策略,并训练智能体直至达到特定平均奖励阈值。
41 15
|
8天前
|
算法 数据安全/隐私保护 C++
基于二维CS-SCHT变换和扩频方法的彩色图像水印嵌入和提取算法matlab仿真
该内容是关于一个图像水印算法的描述。在MATLAB2022a中运行,算法包括水印的嵌入和提取。首先,RGB图像转换为YUV格式,然后水印通过特定规则嵌入到Y分量中,并经过Arnold置乱增强安全性。水印提取时,经过逆过程恢复,使用了二维CS-SCHT变换和噪声对比度(NC)计算来评估水印的鲁棒性。代码中展示了从RGB到YUV的转换、水印嵌入、JPEG压缩攻击模拟以及水印提取的步骤。
|
9天前
|
机器学习/深度学习 算法 数据可视化
基于BP神经网络的32QAM解调算法matlab性能仿真
```markdown - 32QAM解调算法运用BP神经网络在matlab2022a中实现,适应复杂通信环境。 - 网络结构含输入、隐藏和输出层,利用梯度下降法优化,以交叉熵损失最小化为目标训练。 - 训练后,解调通过前向传播完成,提高在噪声和干扰中的数据恢复能力。 ``` 请注意,由于字符限制,部分详细信息(如具体图示和详细步骤)未能在摘要中包含。
|
10天前
|
机器学习/深度学习 算法 网络架构
基于yolov2深度学习网络的单人口罩佩戴检测和人脸定位算法matlab仿真
摘要:该内容展示了一个基于YOLOv2的单人口罩佩戴检测和人脸定位算法的应用。使用MATLAB2022A,YOLOv2通过Darknet-19网络和锚框技术检测图像中的口罩佩戴情况。核心代码段展示了如何处理图像,检测人脸并标注口罩区域。程序会实时显示检测结果,等待一段时间以优化显示流畅性。
|
23天前
|
数据安全/隐私保护
地震波功率谱密度函数、功率谱密度曲线,反应谱转功率谱,matlab代码
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
|
23天前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)

热门文章

最新文章