一种星历无更新条件下天基物联网终端的轨道预报方法与流程

1.本技术涉及卫星轨道预报的技术领域，具体而言，涉及一种星历无更新条件下天基物联网终端的轨道预报方法。

背景技术：

2.目前天基物联网正处于建设期，天上通信卫星数量有限，尚无法做到全部覆盖。而通过卫星轨道预报技术提前获得卫星的入境、出境时间，可以主动控制终端在卫星入境后、出境前进行数据的收发而其余时间则控制终端休眠，这样不但能极大的提高终端的通信成功率而且可以大大降低终端功耗。因此，卫星轨道预报是天基物联网终端提高通信成功率、降低功耗的一项重要技术。
3.现有的基于sgp4模型的轨道预报算法，依赖于北美防空司令部发布的两行根参数。北美防空司令部的地面测控网对太空中出现的目标进行跟踪定轨后测出目标的飞行轨道，然后将以两行根参数的格式发布在网站上。两行根数数据仅由2行数据组成，这2行数据包括星历编号、tle历时、bstar拖调制系数、轨道倾角、升交点赤经、轨道偏心率、近地点角距、平近点角、平均运动等参数。
4.现有的天基物联网终端轨道预报算法，是将俯仰角阈值及从网上下载的最新的tle数据固化设置到终端设备的flash存储器中，每次轨道预报时，就从flash存储器中读取固化设置好的tle数据，代入到sgp4模型中计算获得卫星的位置矢量。再根据物联网终端当前时刻的经纬度信息，计算得到终端的位置矢量，并根据卫星和终端的位置矢量计算得到地面物联网终端与卫星的俯仰角。再由终端通过判断计算得到的俯仰角值是否超过设置的阈值，来判断卫星是否入境，从而提前获得卫星出入境的时间。
5.由于上述天基物联网终端轨道预报算法依赖于两行根数，因此要获取比较精确的预报结果，则需要频繁更新终端中固化设置的tle数据。
6.而现有技术中，对于一台天基物联网终端设备，更新终端中固化设置的tle数据的手段主要有以下三种：(1)人为通过相关指令现场写入flash更新；(2)依赖传统网络的某种手段无线远程更新；(3)依赖卫星通讯链路下行更新。
7.然而，由于大部分天基物联网终端都是部署在一些诸如森林、海洋、矿产等野外区域，这些区域基本都是环境恶劣、传统网络覆盖不到并且人力不可达的区域。这样对于无下行或者少下行的天基物联网终端来说，频繁更新tle数据变得十分困难。而时间一长，基于固化设置的tle参数进行轨道预报的误差将会越来越大。
8.因此，需要一种星历无更新条件下，也能够在一定周期内提高天基物联网终端轨道预报精度的天基物联网终端轨道预报方法。

技术实现要素：

9.本技术的目的在于：如何在星历无更新条件下提高天基物联网终端轨道预报的精度。
10.本技术的技术方案是：提供了一种星历无更新条件下天基物联网终端的轨道预报方法，该方法包括：数据初始化，并获取预设时刻的tle数据；调用两行根数拟合预测模型，基于预测模型及预设的tle数据，计算两行根数预测值；根据两行根数预测值，计算卫星的入境与出境时间。
11.上述任一项技术方案中，进一步地，数据初始化，具体包括：初始化预报的起始时刻、预报天数、终端的经纬度信息、卫星入境仰角阈值。
12.上述任一项技术方案中，进一步地，根据两行根数预测值，计算卫星的入境与出境时间，具体包括：将两行根数预测值代入到sgp4卫星轨道预报模型中，计算得到卫星在地心地固坐标系下，从预报起始时刻到终止时刻的卫星位置矢量；根据终端经纬度信息，计算终端在地心地固坐标系下，从预报起始时刻到终止时刻的终端位置矢量；根据卫星位置矢量与终端位置矢量，计算从预报起始时刻到终止时刻的终端到卫星的仰角，并在判定仰角大于或等于卫星入境仰角阈值时，计算卫星的入境与出境时间。
13.上述任一项技术方案中，进一步地，两行根数预测值中包括：平近点角值，计算两行根数预测值，具体包括：
14.根据建立的平近点角拟合预测模型，计算预报起始时刻的平近点角值，平近点角值的计算公式为：
15.m1＝(y0+((tx-t0)*n1*360/(24*3600)))％360.0
16.式中，m1为平近点角，y0为参考点时刻的平近点角，tx-t0为预报起始时刻距参考点时刻的秒数，n1为每天环绕地球圈数平均值，％为取模运算。
17.上述任一项技术方案中，进一步地，每天环绕地球圈数平均值n1为从参考点时刻到预报起始时刻以天为间隔，对预测的卫星每天的环绕地球圈数n2进行平均值计算所得的均值，其中，预测的卫星每天的环绕地球圈数n2的计算公式为：
18.n2＝p11*t2^3+p12*t2^2+p13*t2+p14
19.式中，n2为卫星每天的环绕地球圈数，t2为当前时间距最早的样本历史tle历时的秒数，p11、p12、p13、p14为第一卫星拟合参数。
20.上述任一项技术方案中，进一步地，两行根数预测值中包括：近地点幅角预测值，计算两行根数预测值，具体包括：
21.根据建立的近地点幅角拟合预测模型，计算预报起始时刻的近地点幅角预测值，近地点幅角预测值的计算公式为：
22.ω1＝(p21*t+p22)％360.0
[0023][0024]
式中，ω1为计算的过程值，ω2为近地点幅角预测值，t为预报起始时刻距最早的样本历史tle历时的秒数，p21、p22为第二卫星拟合参数。
[0025]
上述任一项技术方案中，进一步地，方法还包括：对近地点幅角预测值进行修正，并根据修正后的近地点幅角预测值，计算卫星的入境与出境时间，其中，修正近地点幅角预测值的计算公式为：
[0026][0027]
式中，ω3为修正后的近地点幅角预测值，％为取模运算,x1、x2、x3为修正值，ω2_1、ω2_2、ω2_3、ω2_4为修正角度区间值。
[0028]
上述任一项技术方案中，进一步地，两行根数预测值中包括：轨道偏心率值，计算两行根数预测值，具体包括：
[0029]
根据建立的轨道偏心率拟合预测模型，计算预报起始时刻的轨道偏心率值，轨道偏心率值的计算公式为：
[0030]
ecc＝a0+a1*cos(w*t)+b1*sin(w*t)-c1*t
[0031]
式中，ecc为轨道偏心率，t为预报起始时刻距最早的样本历史tle历时的秒数，a0、a1、b1、c1、w为偏心率拟合参数。
[0032]
上述任一项技术方案中，进一步地，两行根数预测值中包括：升交点赤经值，计算两行根数预测值，具体包括：
[0033]
根据建立的升交点赤经拟合预测模型，计算预报起始时刻的升交点赤经值，升交点赤经值的计算公式为：
[0034]
ω＝(p31*t+p32)％360.0
[0035]
式中，ω为升交点赤经值，t为预报起始时刻距最早的样本历史tle历时的秒数，p31、p32为第三卫星拟合参数。
[0036]
上述任一项技术方案中，进一步地，两行根数预测值中包括：轨道倾角值，计算两行根数预测值，具体包括：
[0037]
根据建立的轨道倾角拟合预测模型，计算预报起始时刻的轨道倾角值，轨道倾角值的计算公式为：
[0038]
x＝t％31536000
[0039]
y0＝i0-δi*(t/31536000)
[0040]
i＝p41*x^9+p42*x^8+p43*x^7+p44*x^6+p45*x^5+p46*x^4+p47*x^3+p48*x^2+p49*x+y0
[0041]
式中，x为运算用秒数，i为轨道倾角，t为预报起始时刻距最早的样本历史tle历时的秒数，y0为周期性一年的轨道倾角初始角度，％为取模运算，i0为最早样本tle数据对应的轨道倾角值，δi为样本tle数据对应的轨道倾角一年的总变化值，p41、p42、p43、p44、p45、p46、p47、p48、p49为第四卫星拟合参数。
[0042]
本技术的有益效果是：
[0043]
本技术中的技术方案，相比于现有天基物联网终端简单固化设置某一时刻tle数据，并基于固化设置的tle参数进行轨道预报的方法，本技术有效提高了在星历无更新条件下提高天基物联网终端轨道预报的精度，本技术中的技术方案能够使得天基物联网终端无需频繁更新tle参数最新数据，实现了在星历无更新条件下较高精度的轨道预报，从而提高了依赖轨道预报进行卫星通讯的通信成功率；
[0044]
本技术中的技术方案可以拓展到采用sgp4轨道预报算法且无星历更新手段的天基物联网终端设备应用中，比如少下行或者无下行且人力不可达的天基物联网数据采集设备，有助于天基物联网的普及。
附图说明
[0045]
本技术的上述和/或附加方面的优点在结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0046]
图1是根据本技术的一个实施例的星历无更新条件下天基物联网终端的轨道预报方法的示意流程图；
[0047]
图2是根据本技术的一个实施例的轨道预报方法的详细流程图；
[0048]
图3是根据本技术的一个实施例的bstar拖调制系数拟合与样本曲线的示意图；
[0049]
图4是根据本技术的一个实施例的轨道倾角拟合与样本对比曲线的示意图；
[0050]
图5是根据本技术的一个实施例的升交点赤经拟合与样本对比曲线的示意图；
[0051]
图6是根据本技术的一个实施例的轨道偏心率拟合与样本对比曲线的示意图；
[0052]
图7是根据本技术的一个实施例的近地点幅角拟合与样本对比曲线的示意图；
[0053]
图8是根据本技术的一个实施例的平近点角拟合与样本对比曲线的示意图；
[0054]
图9是根据本技术的一个实施例的环绕地球圈数/天拟合与样本对比曲线的示意图；
[0055]
图10是根据本技术的一个实施例的近地点幅角修正前拟合与采样曲线的示意图；
[0056]
图11是根据本技术的一个实施例的近地点幅角修正后拟合与采样曲线的示意图。
[0057]
其中，图中虚线为拟合数据曲线，图中实线为采样数据曲线。
具体实施方式
[0058]
为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施方式对本技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互结合。
[0059]
在下面的描述中，阐述了很多具体细节以便于充分理解本技术，但是，本技术还可以采用其他不同于在此描述的其他方式来实施，因此，本技术的保护范围并不受下面公开的具体实施例的限制。
[0060]
本领域技术人员能够理解的是，长时间不更新两行根参数带来的误差，对于依赖轨道预报结果控制数据通讯的天基物联网终端来说，最直接的影响就是通信成功率大大降低，因此，在无法频繁更新两行根参数的应用场合，如何在尽可能长的周期内提高轨道预报精度，对于天基物联网终端的通信成功率及功耗控制至关重要。
[0061]
如图1所示，本实施例提供了一种星历无更新条件下天基物联网终端的轨道预报方法，该方法对预报卫星的历史tle数据(即卫星星历，又称为两行轨道数据(two-line orbital element，tle))进行解析，重点与轨道预报有关的7个参数：bstar拖调制系数、轨道倾角、升交点赤经、轨道偏心率、近地点角距、平近点角、平均运动，对这些参数的历史数据进行数据拟合，建立预测模型，从而可以计算任意时刻该卫星的最新tle参数值。将拟合预测的参数代替原固化设置的tle数据代入sgp4模型中进行计算，这样在一定周期内可以
较大的提高轨道预报的精度。该方法包括：
[0062]
步骤1，数据初始化，并获取预设时刻的tle数据；
[0063]
步骤2，调用两行根数拟合预测模型，基于预测模型及预设的tle数据，计算两行根数预测值；
[0064]
步骤3，根据两行根数预测值，计算卫星的入境与出境时间。
[0065]
本实施例中，该方法基于sgp4/sdp4模型的轨道预报算法，以stm32系列mcu作为控制芯片的天基物联网终端为实现原型，该物联网终端包括卫星通讯、gnss数据获取、传感器数据采集与处理、数据存储、轨道预报等功能模块。在该方法中，前期通过大量的历史数据分析，建立两行根各参数的拟合预测模型，并且在轨道预报算法中，将两行根拟合预测模型预测的参数值代替固化设置的某一时刻的tle数据进行计算，进而实现了星历无更新条件下在一定周期内提高天基物联网终端轨道预报精度。
[0066]
如图2所示，本实施例中的上述方法具体包括：
[0067]
步骤一：轨道预报模块初始化预报的起始时刻、预报天数、终端的经纬度信息、卫星入境仰角阈值，同时读取设置在flash存储器中的预设时刻的tle数据，并对该预设时刻的tle数据解析，其中，该预设时刻可以为终端投入现场使用前更新的最新时刻。
[0068]
其中，预报的起始时刻不能早于tle拟合预测模型中最早的历元时刻及固化设置的两行根数的历元时刻；终端的经度纬度信息来自对gnss模块数据的获取与解析；卫星入境仰角阈值可设，一般天基物联网终端设置为10度。终端flash存储器中固化设置的tle数据对应的平近点角是步骤二中计算平近点角的参考点时刻的平近点角角度初始值。
[0069]
需要说明的是，本实施例计算过程所需的数据，可以根据预设的tle数据推导解析得出，如参考点时刻的平近点角，具体过程不再赘述。
[0070]
步骤二：调用两行根数拟合预测模型，基于预测模型及预设的tle数据，计算两行根数预测值，该两行根数预测值包括多个参数，其具体步骤如下：
[0071]
为能更具体描述，以norad卫星编号44486目标星为例，基于2020年1月1日-2020年12月31日期间的历史两行根数，建立的两行根数拟合预测模型。
[0072]
(1)根据建立的bstar拖调制系数拟合预测模型，计算预报起始时刻的bstar拖调制系数；
[0073]
具体的，根据norad卫星编号44486目标星的bstar拖调制系数拟合预测模型，计算bstar拖调制系数，对应的计算公式为：
[0074]
bstar＝(a11*sin(w11*t+w12)+a12*sin(w13*t+w14)
[0075]
+a13*sin(w15*t+w16)+a14)*(1.0e-09)
[0076]
式中，t为预报起始时刻距最早的样本历史tle历时的秒数，e为科学计数法的符号，bstar为计算出的bstar拖调制系数，a11、a12、a13、a14、w11、w12、w13、w14、w15、w16为bstar拖调制拟合系数。
[0077]
需要说明的是，对于不同的卫星，上述bstar拖调制拟合系数的取值不同，在本实施例中，上述公式通过拟合可得：
[0078]
bstar＝(5.215e+03*sin(5.9e-08*t-1.258)+4.342e+04*sin(4.607e-06*t+1.706)+3.968e+04+1525*sin(1.122e-06*t-2.416))*(1.0e-09)。
[0079]
本实施例中，bstar拖调制系数拟合与样本对比曲线如图3所示。
[0080]
(2)根据建立的轨道倾角拟合预测模型，计算预报起始时刻轨道倾角值；
[0081]
具体的，norad卫星编号44486目标星的轨道倾角拟合预测模型对应的计算公式为：
[0082]
y0＝i0-δi*(t/31536000)
[0083]
i＝p41*x^9+p42*x^8+p43*x^7+p44*x^6+p45*x^5+p46*x^4+p47*x^3+p48*x^2+p49*x+y0
[0084]
式中，x为运算用秒数，i为轨道倾角，t为预报起始时刻距最早的样本历史tle历时的秒数，y0为周期性一年的轨道倾角初始角度，％为取模运算，i0为最早样本tle数据对应的轨道倾角值，δi为样本tle数据对应的轨道倾角一年的总变化值，p41、p42、p43、p44、p45、p46、p47、p48、p49为第四卫星拟合参数。
[0085]
在本实施例中，上述公式可转换为：
[0086]
x＝t％31536000
[0087]
y0＝97.592918046467157-0.035302310512776*(t/31536000)
[0088]
i＝3.82614660121e-68*x^9-3.476294247930169e-60*x^8+1.150674884118187e-54*x^7+9.649466411807340e-45*x^6-4.016130435245305e-37*x^5+6.379324007326139e-30*x^4-3.380564016008760e-23*x^3-2.197045289343381e-17*x^2-1.363845987310940e-09*x+y0。
[0089]
本实施例中，轨道倾角拟合与样本对比曲线如图4所示。
[0090]
需要说明的是，技术研发人员通过对多个低轨卫星2年以上的tle数据解析出来的轨道倾角数据曲线进行分析发现，轨道倾角的曲线变化规律以一年左右为周期重复，因此，选取一年的数据为样本，以一年作为分段，对轨道倾角进行分段拟合预测会比直接对数据进行拟合预测更加准确。
[0091]
上述轨道倾角拟合预测模型中，x为当前时刻在当前分段区间(1年)距分段起始点的秒数，即运算用秒数，0.035302310512776为轨道倾角一年的角度减小值，y0为该预测模型每个分段区间(即1年)的轨道倾角初始角度。
[0092]
这样，只对分段区间(1年)的轨道倾角数据建立拟合预测模型，再结合x、y0与拟合预测模型的计算，可以计算大于最早的样本历史tle历时的任意时刻的轨道倾角i。
[0093]
(3)根据建立的升交点赤经拟合预测模型，计算预报起始时刻升交点赤经值；
[0094]
具体的，norad卫星编号44486目标星的升交点赤经拟合预测模型对应的计算公式为：
[0095]
ω＝(p31*t+p32)％360.0
[0096]
式中，ω为升交点赤经值，t为预报起始时刻距最早的样本历史tle历时的秒数，p31、p32为第三卫星拟合参数。
[0097]
在本实施例中，对于norad卫星编号44486目标星的上述计算公式可转换为：
[0098]
ω＝(1.139345573666438e-05*t+77.972487600318090)％360.0。
[0099]
本实施例中，升交点赤经拟合与样本对比曲线如图5所示。
[0100]
需要说明的是，技术研发人员通过对升交点赤经的采样数据进行分析发现，升交点赤经是在0-360度之间周期性变化，其变化规律趋近线性变化。
[0101]
因此，对升交点赤经建立拟合预测模型时，先将升交点赤经的采样数据进行整合，
将分段的线性曲线整合为一条连续的线性曲线，即将采样数据根据分段依次对应加上对应的角度值360*(n-1)，其中n表示段数，比如第2段曲线在采样值基础上加360度，第3段曲线在采样值基础上加720度，以此类推，得到一组整合后的采样值，最后形成一条连续的线性曲线，对整合的连续线性曲线进行数据拟合并对360度取模，就能得到0-360度分段的拟合预测曲线。
[0102]
(4)根据建立的轨道偏心率拟合预测模型，计算预报起始时刻轨道偏心率值；
[0103]
具体的，norad卫星编号44486目标星的轨道偏心率拟合预测模型对应的计算公式为：
[0104]
ecc＝a0+a1*cos(w*t)+b1*sin(w*t)-c1*t
[0105]
式中，ecc为轨道偏心率，t为预报起始时刻距最早的样本历史tle历时的秒数，a0、a1、b1、c1、w为偏心率拟合参数。
[0106]
需要说明的是，对于不同的卫星，偏心率拟合参数a0、a1、b1、c1、w的取值不同。
[0107]
在本实施例中，上述轨道偏心率拟合预测模型的计算公式可以转换为：
[0108]
ecc＝0.002119+1.17414927e-04*cos(6.896e-07*t)+0.00015943473*sin(6.896e-07*t)-(6.651882e-13)*t。
[0109]
本实施例中，轨道偏心率拟合与样本对比曲线如图6所示。
[0110]
需要说明的是，技术研发人员通过对轨道偏心率的采样数据进行分析发现，轨道偏心率的变化曲线为偏移量逐渐下移的正弦曲线，因此在对轨道偏心率建立拟合预测模型时，对轨道偏心率数据进行fourier拟合，并在拟合模型上增加偏移量的变化值，即上述模型中的偏移参数0.002119-(6.651882e-13)*t。
[0111]
(5)根据建立的近地点幅角拟合预测模型，计算并修正预报起始时刻的近地点幅角预测值；
[0112]
具体的，norad卫星编号44486目标星的近地点幅角拟合预测模型的计算公式为：
[0113]
ω1＝(p21*t+p22)％360.0
[0114][0115][0116]
式中，ω1为计算的过程值，ω2为所述近地点幅角预测值，t为预报起始时刻距最早的样本历史tle历时的秒数，p21、p22为第二卫星拟合参数，ω3为修正后的近地点幅角预测值，％为取模运算,x1、x2、x3为修正值，ω2_1、ω2_2、ω2_3、ω2_4为修正角度区间值。
[0117]
需要说明的是，对于不同的卫星，修正值x1、x2、x3以及修正角度区间值ω2_1、ω2_2、ω2_3、ω2_4的取值不同。
[0118]
本实施例中，上述公式可转换为：
[0119]
ω1＝(-3.951714645710906e-05*t+1.586901637646532e+03)％360.0
[0120][0121][0122]
式中，ω1为计算的过程值，ω2为计算出的近地点幅角预测值，ω3为修正后的近地点幅角预测值，t为预报起始时刻距最早的样本历史tle历时的秒数，％为取模运算。
[0123]
本实施例中，近地点幅角拟合与样本对比曲线如图7所示。
[0124]
需要说明的是，技术研发人员通过对近地点幅角的采样数据进行分析发现，近地点幅角是在360-0度之间周期性变化，其变化规律趋近线性变化。
[0125]
因此，对近地点幅角建立拟合预测模型时，先将近地点幅角的采样数据进行整合，将分段的线性曲线整合为一条连续的线性曲线，即将采样数据根据分段依次对应加上对应的角度值360*(n-m)，其中n表示总段数，m表示第m段，比如总段数n＝5，第1段曲线在采样值基础上加360*(5-1)度，第2段曲线在采样值基础上加360*(5-2)度，以此类推，形成一组整合后的采样值，最后形成一条连续的线性曲线。再对整合的连续线性曲线进行数据拟合并对360度取模。同时，设定如果计算得出的初始近地点幅角值ω1《0，则ω2＝ω1+360.0，就能得到360-0度分段的拟合预测曲线。
[0126]
根据该拟合曲线可以看出，通过线性拟合得到的曲线与采样曲线有一定误差，因此，对拟合的分段线性曲线再在每段之间进行分段修正，这样能较好的提升拟合预测的精度。修正前后的对比曲线如图10和图11所示。
[0127]
(6)根据建立的平近点角拟合预测模型，计算预报起始时刻的平近点角值；
[0128]
具体的，norad卫星编号44486目标星的平近点角拟合预测模型的计算公式为：
[0129]
m1＝(y0+((tx-t0)*n1*360/(24*3600)))％360.0
[0130]
式中，m1为平近点角，是预测计算值，y0为参考点时刻的平近点角，即平近点角角度初始值，实际应用时，其取值为终端flash存储器中固化设置的tle数据对应的平近点角，单位：度，tx-t0为预报起始时刻距参考点时刻的秒数，n1为每天环绕地球圈数平均值，其中，tx为预报起始时刻距1970年1月1日0时0分0秒所经过的秒数，t0为参考tle历时时刻距1970年1月1日0时0分0秒所经过的秒数。
[0131]
本实施例中，平近点角拟合与样本对比曲线如图8所示。
[0132]
为了能够建立平近点角的拟合预测模型，计算预报起始时刻的平近点角值，还需要预测卫星每天的环绕地球圈数。并且，从参考点时刻到预报起始时刻以天为间隔，对预测的卫星每天的环绕地球圈数n2进行平均值计算，得到每天环绕地球圈数平均值n1，再代入平近点角的计算公式中进行计算，得到预报起始时刻卫星平近点角m1。
[0133]
(7)根据建立的每天环绕地球圈数拟合预测模型，计算预报起始时刻卫星每天的环绕地球圈数，对应的计算公式为：
[0134]
n2＝p11*t2^3+p12*t2^2+p13*t2+p14
[0135]
式中，n2为卫星每天的环绕地球圈数，t2为当前时间距最早的样本历史tle历时的秒数，p11、p12、p13、p14为第一卫星拟合参数。
[0136]
需要说明的是，对于不同的卫星，第一卫星拟合参数p11、p12、p13、p14的取值不同。
[0137]
本实施例中，上述公式可以转换为：
[0138]
n2＝2.814e-26*t2^3+2.003e-19*t2^2+1.094e-10*t2+15.07105
[0139]
式中，n2为卫星每天的环绕地球圈数，t2为预报起始时刻距最早的样本历史tle历时时刻所经过的秒数，即预报起始时刻距离用来做数据拟合的历史tle数据样本中tle历时最早的那一条tle参数对应的tle历时时刻所经过的秒数。
[0140]
本实施例中，每天环绕地球圈数拟合与样本对比曲线如图9所示。
[0141]
步骤三：将步骤二预测的两行根数预测值，代入到sgp4卫星轨道预报模型中，计算得到卫星在地心地固坐标系下，从预报起始时刻到终止时刻的卫星位置矢量，其中，具体包含计算卫星平均运动和半长轴、计算大气阻力和引力摄动、计算长周期项和短周期项、计算瞬时轨道根数、计算卫星在地心地固坐标系中的位置。
[0142]
步骤四：根据步骤一中从gnss模块获取的终端经纬度信息，计算终端在地心地固坐标系下从预报起始时刻到终止时刻的终端位置矢量。
[0143]
步骤五：根据终端和卫星在地心地固坐标系下从预报起始时刻到终止时刻的位置矢量，计算从预报起始时刻到终止时刻的终端到卫星的仰角。
[0144]
通过仰角是否大于等于步骤一中的卫星入境仰角阈值，计算卫星的入境与出境时间。
[0145]
轨道预报完成后，天基物联网终端会根据轨道预报结果在卫星入境时刻自动从休眠中唤醒，与卫星进行通信；而非卫星过境时刻，终端处于低功耗休眠状态(数据采集时也会自动唤醒)。
[0146]
将基于拟合预测模型的轨道预报结果与固化设置某一时刻(2020年12月29日04:50:30)tle数据轨道预报结果进行对比，如表1所示：
[0147]
表1
[0148][0149]
统计的预报结果数据显示，在无星历更新条件下，基于拟合预测模型进行轨道预报比单纯固化某一时刻tle数据进行轨道预报，在一定周期内精度得到了较大提升。
[0150]
以上结合附图详细说明了本技术的技术方案，本技术提出了一种星历无更新条件下天基物联网终端的轨道预报方法，包括：数据初始化，并获取预设时刻的tle数据；调用两行根数拟合预测模型，基于预测模型及预设的tle数据，计算两行根数预测值；根据两行根数预测值，计算卫星的入境与出境时间。通过本技术中的技术方案，有助于在星历无更新条件下提高天基物联网终端轨道预报的精度。
[0151]
本技术中的步骤可根据实际需求进行顺序调整、合并和删减。
[0152]
本技术装置中的单元可根据实际需求进行合并、划分和删减。
[0153]
尽管参考附图详地公开了本技术，但应理解的是，这些描述仅仅是示例性的，并非用来限制本技术的应用。本技术的保护范围由附加权利要求限定，并可包括在不脱离本技术保护范围和精神的情况下针对发明所作的各种变型、改型及等效方案。

技术特征：

1.一种星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，该方法包括数据初始化，并获取预设时刻的tle数据；调用两行根数拟合预测模型，基于所述预测模型及预设的所述tle数据，计算两行根数预测值；根据所述两行根数预测值，计算卫星的入境与出境时间。2.如权利要求1所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述数据初始化，具体包括：初始化预报的起始时刻、预报天数、终端的经纬度信息、卫星入境仰角阈值。3.如权利要求2所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述根据所述两行根数预测值，计算卫星的入境与出境时间，具体包括：将所述两行根数预测值代入到sgp4卫星轨道预报模型中，计算得到卫星在地心地固坐标系下，从预报起始时刻到终止时刻的卫星位置矢量；根据所述终端经纬度信息，计算终端在地心地固坐标系下，从预报起始时刻到终止时刻的终端位置矢量；根据卫星位置矢量与终端位置矢量，计算从预报起始时刻到终止时刻的终端到卫星的仰角，并在判定所述仰角大于或等于卫星入境仰角阈值时，计算卫星的入境与出境时间。4.如权利要求1至3中任一项所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述两行根数预测值中包括：平近点角值，所述计算两行根数预测值，具体包括：根据建立的平近点角拟合预测模型，计算预报起始时刻的所述平近点角值，所述平近点角值的计算公式为：m1＝(y0+((tx-t0)*n1*360/(24*3600)))％360.0式中，m1为平近点角，y0为参考点时刻的平近点角，tx-t0为预报起始时刻距参考点时刻的秒数，n1为每天环绕地球圈数平均值，％为取模运算。5.如权利要求4所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述每天环绕地球圈数平均值n1为从参考点时刻到预报起始时刻以天为间隔，对预测的卫星每天的环绕地球圈数n2进行平均值计算所得的均值，其中，预测的卫星每天的环绕地球圈数n2的计算公式为：n2＝p11*t2^3+p12*t2^2+p13*t2+p14式中，n2为卫星每天的环绕地球圈数，t2为当前时间距最早的样本历史tle历时的秒数，p11、p12、p13、p14为第一卫星拟合参数。6.如权利要求1至3中任一项所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述两行根数预测值中包括：近地点幅角预测值，所述计算两行根数预测值，具体包括：根据建立的近地点幅角拟合预测模型，计算预报起始时刻的所述近地点幅角预测值，所述近地点幅角预测值的计算公式为：ω1＝(p21*t+p22)％360.0
式中，ω1为计算的过程值，ω2为所述近地点幅角预测值，t为预报起始时刻距最早的样本历史tle历时的秒数，p21、p22为第二卫星拟合参数。7.如权利要求6所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述方法还包括：对所述近地点幅角预测值进行修正，并根据修正后的近地点幅角预测值，计算所述卫星的入境与出境时间，其中，修正所述近地点幅角预测值的计算公式为：式中，ω3为修正后的近地点幅角预测值，％为取模运算,x1、x2、x3为修正值，ω2_1、ω2_2、ω2_3、ω2_4为修正角度区间值。8.如权利要求1至3中任一项所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述两行根数预测值中包括：轨道偏心率值，所述计算两行根数预测值，具体包括：根据建立的轨道偏心率拟合预测模型，计算预报起始时刻的所述轨道偏心率值，所述轨道偏心率值的计算公式为：ecc＝a0+a1*cos(w*t)+b1*sin(w*t)-c1*t式中，ecc为轨道偏心率，t为预报起始时刻距最早的样本历史tle历时的秒数，a0、a1、b1、c1、w为偏心率拟合参数。9.如权利要求1至3中任一项所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述两行根数预测值中包括：升交点赤经值，所述计算两行根数预测值，具体包括：根据建立的升交点赤经拟合预测模型，计算预报起始时刻的所述升交点赤经值，所述升交点赤经值的计算公式为：ω＝(p31*t+p32)％360.0式中，ω为升交点赤经值，t为预报起始时刻距最早的样本历史tle历时的秒数，p31、p32为第三卫星拟合参数。10.如权利要求1至3中任一项所述的星历无更新条件下天基物联网终端的轨道预报方法，其特征在于，所述两行根数预测值中包括：轨道倾角值，所述计算两行根数预测值，具体包括：根据建立的轨道倾角拟合预测模型，计算预报起始时刻的所述轨道倾角值，所述轨道倾角值的计算公式为：x＝t％31536000y0＝i0-δi*(t/31536000)i＝p41*x^9+p42*x^8+p43*x^7+p44*x^6+p45*x^5+p46*x^4+p47*x^3+p48*x^2+p49*x+
y0式中，x为运算用秒数，i为轨道倾角，t为预报起始时刻距最早的样本历史tle历时的秒数，y0为周期性一年的轨道倾角初始角度，％为取模运算，i0为最早样本tle数据对应的轨道倾角值，δi为样本tle数据对应的轨道倾角一年的总变化值，p41、p42、p43、p44、p45、p46、p47、p48、p49为第四卫星拟合参数。

技术总结

本申请公开了一种星历无更新条件下天基物联网终端的轨道预报方法，该方法包括：数据初始化，并获取预设时刻的TLE数据；调用两行根数拟合预测模型，基于预测模型及预设的TLE数据，计算两行根数预测值；根据两行根数预测值，计算卫星的入境与出境时间。通过本申请中的技术方案，有助于在星历无更新条件下提高天基物联网终端轨道预报的精度。联网终端轨道预报的精度。联网终端轨道预报的精度。