在全球导航卫星系统中,准确的位置定位从本质上讲取决于对时间的精确测定。作为现今对时间测定上最为精密的仪器,原子钟已被广泛应用于导航卫星系统,因此星载原子钟性能的优劣直接影响着全球导航卫星系统的定位精度。卫星星载原子钟时钟误差是导航卫星精密定位的主要误差源之一,建立能够对卫星钟差进行准确分析和预报的模型,对于减小卫星定位误差具有重要的意义。本文主要对卫星钟差的高精度预报方法进行研究,内容如下:(1)对影响导航卫星精密定位精度的各类误差源进行了分类总结,并分析了星载原子钟的频率特性;(2)对四种已被广泛认可的卫星钟差预报模型进行了分析,包括线性模型、二次多项式模型、灰色模型、卡尔曼滤波模型以及周期项模型,并以北斗卫星为例,对各种模型对于短期预报的性能与优劣进行了对比,实验结果表明附加周期项二次多项式模型在北斗卫星钟差短期预测中效果最佳;(3)使用稀疏化理论对AR模型参数进行稀疏得到稀疏自回归模型,使用该模型对卫星钟差中的随机性部分进行修正,得到了一种同时考虑系统性误差和随机性误差的钟差组合预报模型,以获得更高的预报精度。实验结果表明,使用稀疏自回归模型与二次多项式模型进行组合,能够显著提高卫星钟差的预报精度;(4)使用反向传播神经网络对卫星钟差的随机性部分进行修正。调整BP神经网络的结构,对各种神经网络的应用模式进行对比分析,得到一种最优的应用模式。实验结果表明,使用BP神经网络与附加周期项的二次多项式模型进行组合,能够显著提高卫星钟差的预报精度,其中IGSO卫星的精度提高最大。(5)对本文提出的两种卫星钟差组合模型进行对比实验分析,结果表明,在500min内的钟差预报中,稀疏自回归模型精度更高;当预报时间延长到一天时,BP神经网络的预报精度更好;BP神经网络能够有效解决传统外推模型的预报精度随时间延长而快速降低的问题。