電離層融合處理和預報系統架構設計

中圖分類號：TP311 文獻標識碼：A

摘要：針對當前電離層現報和預報數據精度不足、多源異構數據融合困難等問題，本文基于全球衛星導航系統（Global Navigation Satellite System，GNSS）和垂測觀測數據，設計了一套電離層融合處理和預報系統。采用限帶卡爾曼濾波模型，基于銀河麒麟操作系統和云計算平臺，利用容器云、高可用、分布式架構實現全球及中國周邊區域電離層總電子含量（Total Electron Content，TEC）、F2層臨界頻率（Critical Frequency of theF2Layer，foF2）及電子密度的高精度現報和預報。實驗測試表明，該系統現報延遲約 5min 、空間時間分辨率達到 5°×2.5°×15min ，較傳統數據處理方法有較大提升。系統支持三維電子密度可視化，為電離層研究、衛星導航修正、短波通信及地基雷達等應用提供可靠數據支撐，為無線電系統應用提供高精度、高時效的電離層環境信息服務。

Architecture Design of Ionospheric Fusion Processing and Forecasting System

TAN Shuai1， ZHANG Bao2，MA Baotian1，OU Ming1 ，WANG Yan1，ZHEN Weimin1，ZHU Qinglin'（1. China Research Institute of Radio-wave Propagation，Qingdao 266lo7，China;2.PLA 61711 Troops，Kashi844000，China）

Abstract： In view of the current problems such as insufficient accuracy of ionospheric real-time and forecast data and the difficulty in fusing multi-source heterogeneous data， this paper designs a set of ionospheric fusion processing and forecasting system based on Global Navigation Satellite System（GNSS） and vertical observation data，aiming to provide high-precision and high-timeliness ionospheric environment information services for radio system applications. This system adopts Limited Kalman Filter Model， based on the Kylin operating system and cloud computing platform.It utilizes container cloud，high availability，and distributed architecture to achieve high-precision real-time and forecast reports of the total electron content （TEC），critical frequency of the F2 layer （foF2），and electron density in the global and surrounding areas of China. Experimental tests show that the system has a current reporting delay of approximately 5 minutes and a spatial-temporal resolution of 5^°×2.5^°×15min ，representing a significant improvement over traditional data processing methods. Additionally， the system supports three-dimensional electron density visualization，providing reliable data support for applications such as ionospheric research，satellte navigation correction，shortwave communication，and ground-based radar. It offers high-precision and high-timeliness ionospheric environment information services for radio system applications.

Keywords： ionospheric characteristic parameter； forecasting system；cloud computing platform; architecture design

電離層作為空間環境的重要組成部分，其形態變化特征和傳播特性對GNSS短波通信系統及高分對地觀測系統等無線電系統的性能具有決定性影響[1]。近年來，隨著空間技術應用的快速發展，電離層監測和預報的精度與時效性要求不斷提高。GNSS與垂直探測技術的結合成為電離層觀測技術研究的重要手段。GNSS 憑借全球覆蓋、高時空分辨率及全天候觀測等優勢，可提供大范圍的總電子含量（Total Electron Con-tent，TEC）數據[2];垂測技術（如數字測高儀）能精確獲取F2 層臨界頻率（foF2）等關鍵參數[3]，兩種技術的互補為全面認知電離層結構變化提供了新的觀測維度。美國開發的全球同化電離層模型（GlobalAssimila-tive IonosphericModel，GAIM）通過融合多源觀測數據，實現了全球電離層狀態的精確描述[4]；國際GNSS服務組織（International GNSS Service，IGS）建立的全球觀測網絡擁有超過 2OO個GNSS 臺站，為科學研究提供了寶貴的數據資源[5]；全球電離層無線電觀測站網（Global Ionospheric Radio Observatory，GIRO）整合了50余個數字測高儀站點，顯著提升了電離層垂向探測能力6；等[7-8機構在多源數據同化技術方面取得了重要突破，為區域電離層建模奠定了技術基礎。但多源異構數據的融合精度較低，特別是GNSS與垂測數據的協同同化問題，現有預報模型的區域適應性不足，難以滿足中國及周邊地區的特殊需求，業務化系統的計算效率與穩定性需要進一步提升[9]。基于此，本研究設計開發了新一代電離層融合處理和預報系統，創新性地結合了多源數據同化算法、國產云計算平臺和分布式架構技術，建立了GNSSTEC 與垂測 foF2 數據的優化融合方法[10-11]，，開發了面向中國區域的電離層短期預報模型，實現了業務化系統的穩定高效運行。該系統可提供全球及區域尺度的電離層TEC、foF2及電子密度等參數的現報和預報產品，為空間天氣研究、衛星導航修正、無線電通信優化等應用提供支撐。

系統組成與功能特性

1.1 基本組成

電離層數據融合處理和預報系統采用模塊化軟件架構設計，主要由同化數據制備軟件、同化產品制備軟件、同化產品展示軟件及中心數據庫4個核心組件構成。系統基于云計算平臺構建，充分利用云主機、云存儲和云網關等基礎設施資源，實現地基GNSS觀測數據與垂測數據的多源匯聚、智能解析、高性能計算、產品自動生成及可視化展示等功能。系統的整體架構設計如圖1所示。

1.1.1數據采集與整合

本系統整合了多源電離層觀測數據，構建了統一的天地基觀測網絡。國內觀測數據包括電波觀測站網地基垂測/斜測數據、GNSS觀測數據、衛星信標TEC

數據及掩星TEC/Ne數據[12]。國際觀測數據包括IGS 提供的GNSS 數據及GIRO全球電離層垂測數據[13]。通過系統化整合上述多源觀測數據，建立了完整的電離層觀測綜合數據庫，為電離層經驗模型的構建與應用提供了高質量數據支撐。

1. 1. 2 數據預處理與質量控制

同化數據制備軟件按照區域和類型對不同的觀測數據進行分類處理。地基GNSS數據處理包括算法解碼、特征參量提取、載波平滑偽距計算及電離層投影函數轉換。GIRO測高儀數據處理包括自動判讀置信度篩選（閾值 gt;75： ）和數據質量驗證。上述方法有效減少了異常值，顯著提升了TEC、foF2及電子密度等關鍵參數的質量。處理后的數據按照既定協議存儲為觀測過程文件，上傳至本地FTP服務器，供后續同化產品制備使用。

1.1.3 同化產品生成與存儲

同化產品制備軟件對觀測數據過程文件進行完整性校驗和解析，提取電離層觀測參量及地理位置信息。隨后調用限帶卡爾曼濾波同化模型庫，生成TEC、foF2、電子密度3類參量的現報/預報產品，存儲至服務器共享硬盤，同時將原始觀測數據和報文產品存人中心數據庫，支持后續數據再分析。中心數據庫采用開源MySQL關系型數據庫，存儲觀測過程數據、同化產品數據、再分析結果及系統運行日志等內容。

1.1. 4 區域自適應優化策略

針對極區和赤道區等特殊電離層環境，系統采用區域自適應優化策略。極區優化通過引人衛星信標TEC數據，補償GNSS觀測站稀疏問題;采用粒子沉降事件檢測算法;動態調整電子密度剖面約束條件。赤道區優化包括強化赤道電離異常（Equatorial Ionization Anomaly，EIA）雙峰結構建模及引人地磁傾角修正的垂測數據權重分配策略[14]。

1.1.5 可視化展示與交互功能

同化產品展示軟件部署于云主機，采用分布式架構設計，支持動態資源擴展和開源數據庫技術，可進行電離層數據同化產品展示和數據再分析。該軟件通過多線程異步計算和云虛擬服務器CPU/內存負載均衡技術，支持萬級用戶并發訪問。同時，同化產品展示軟件具備多終端適配功能，自適應顯示分辨率，兼容手機、平板、筆記本電腦等多種終端設備。

1.1.6數據訪問與共享

基于云服務平臺，系統實現了同平臺服務器間的高效數據訪問，確保數據流通性和系統協同能力。

1.2 系統功能特性

基于GNSS和垂測數據的電離層融合處理和預報系統具有以下功能特性：

1）長時效預報與廣域覆蓋能力系統采用無人值守工作模式，可實時匯聚全球多源電離層觀測數據。通過融合電波觀測站數據驅動電離層同化模型，實現電離層特征參量（TEC、foF2、電子密度等）的全球/區域實時顯示，支持 1～3h 短期預報及 1～3 天中期預報。在數據源穩定的情況下，系統可實現 3h 預報的實時更新和3天預報的定時更新，覆蓋范圍包含低、中、高緯度區域，空間分辨率為 5^° （經度） ×2.5^° （緯度） x （ ～25 ） km （高度），時間分辨率為 15min 。

2）多維度產品與在線計算功能 系統提供TEC、foF2及電子密度等參量的近實時現報和分時段預報。基于關系型數據庫存儲的歷史觀測數據，用戶可通過同化產品展示軟件按需進行在線計算，計算結果實時顯示于分析界面并自動歸檔至產品數據庫。

3）國產化云平臺架構系統使用開源開發工具，基于 /Python語言研發，部署于國產化云平臺虛擬服務器。軟件及開發平臺完全自主可控，且兼容國產麒麟操作系統。硬件組件采用國產CPU芯片與內存模塊，配合國產網絡及安全防護設備，確保系統具備高安全性與可靠性。

4）智能化運維與成本優勢系統突破傳統軟件交付后的高成本運維模式：通過云平臺集中提供安全防護、實時監控（CPU利用率/磁盤I/O/網絡流量等）運維服務。用戶可通過Web門戶靈活管理云資源，既保障操作系統安全穩定運行，又避免額外采購服務器及安全設備。該部署方案顯著降低人力維護成本，實現降本增效。

2 系統架構設計與實現

系統采用B/S架構與云平臺分布式部署模式，基于開源關系數據庫技術實現。系統功能模塊采用解耦

設計，將數據匯集、預處理、產品制備及展示等功能獨立開發并分布式部署于云平臺虛擬服務器集群。各模塊通過國產關系數據庫、通信服務及數據文件等多種方式進行高效數據交互。

2.1 網絡架構設計

電離層融合處理和預報系統利用云平臺對計算、內存、存儲及網絡資源進行合理分配，通過互聯網實現數據資源獲取、過程文件傳遞和報文產品發布等功能。系統所使用的云服務器是由云平臺硬件資源統一管理創建的虛擬服務器。為更好地展示軟件部署情況，對網絡拓撲關系進行具象化描述，系統網絡拓撲如圖2所示。

由圖2可知，系統主要依托互聯網專線獲取國內外電離層觀測數據，數據經云平臺統一防火墻、鑒權設備及安全軟件掃描查殺后匯入路由器，傳遞到云平臺數據匯集服務器中。云平臺數據匯集服務器與應用展示服務器均為計算型云主機，分布在同一個局域網，可通過路由器實時傳遞數據。同時，2臺云平臺服務器經由安全設備與互聯網連接，可支持多用戶、多類型設備同時訪問。其中，云平臺數據匯集服務器安裝了同化數據制備軟件、同化產品制備軟件及多源電離層同化模型庫；云平臺應用展示服務器安裝了同化產品展示軟件、中心數據庫和電離層同化模型庫，并配備高性能國產化芯片、大容量內存、存儲和千兆網絡帶寬等資源，支持高并發網站訪問需求。

2.2 軟件設計

電離層融合處理和預報系統體系分為基礎層、數據層、服務層及應用層。系統體系結構如圖3所示。

2.2.1 基礎層

基礎層主要由計算型云平臺和麒麟操作系統構成，作為電離層融合處理與預報系統的運行環境，為系統提供計算、存儲、網絡、大數據、中間件、安全防護、第三方插件以及系統驅動等軟硬件資源支持。云平臺所搭建的云主機基于國產化服務器、分布式存儲、千兆路由器和安全設備構建，配合銀河麒麟操作系統及其配套服務插件，為系統軟件運行和網站發布提供可靠的環境保障。

2.2.2 數據層

數據層主要包括電離層觀測數據和產品數據。觀測數據涵蓋IGS數據、GIRO垂測數據、衛星信標TEC 數據及掩星TEC/Ne數據;產品數據包含 TEC現報與預報、foF2現報與預報及電子密度現報與預報。數據層為系統提供數據支持，具備數據管理功能。

2.2.3 服務層

服務層包括電離層同化模型庫、HTTP服務、MySQL數據庫服務、FTP服務、QT構建庫等組件。電離層同化模型庫采用SO格式動態庫設計，適配飛騰 2000+ 芯片和銀河麒麟操作系統。模型預設經緯度分辨率為 5^°×2.5^° ，高度范圍為 100～2000km ，高度分辨率為 25～500km ，定時觸發時間為 15min 。QT構件庫為系統同化產品制備軟件的開發提供了開發庫支持。采用功能分解法進行模塊化設計，顯著提升軟件的重用性和可維護性。HTTP服務結合第三方WEB應用服務器實現系統報文產品發布功能。同化產品展示軟件繼承了HTTP服務簡單靈活、跨平臺性強的特點，兼容多平臺、多語言環境，可實現動態應用擴展，支持各類終端設備訪問。MySQL數據庫為系統提供電離層觀測數據、產品數據和日志數據的存儲及管理。系統通過MySQL原生驅動連接數據庫，基于觀測數據表協議，實現數據的存儲、查詢、修改和刪除等。FTP服務為系統提供可靠的文件傳輸保障。系統利用FTP服務進行數據通信，確保數據文件的安全性、可控性和完整性，在多源觀測數據獲取、產品分發和系統運維等方面表現優異。

2.2.4 應用層

應用層是電離層融合處理和預報系統的對外交互界面，集中體現系統整體功能，為第三方應用提供電離層同化產品數據，同時也是系統運維的關鍵環節。該層基于基礎層平臺運行，整合數據層資源，通過服務層接口實現通信，為各軟件功能模塊運行和電離層數據產品生成提供支持。

應用層由同化數據制備軟件、同化產品制備軟件和同化產品展示軟件3部分組成。根據系統功能設計，同化數據制備軟件包含5個功能模塊，同化產品制備軟件包含6個功能模塊，同化產品展示軟件包含7個功能模塊。

2.3 系統工作流程

電離層融合處理和預報系統工作流程涉及觀測數據獲取、特征參量提取、多源數據預處理、數據質量控制、多源電離層同化模型計算、產品發布等過程，工作流程如圖4所示。

1）同化數據制備軟件按預設任務觸發時間（整點觸發，間隔 15min ）啟動數據下載任務，從電波觀測站網、GNSS服務（IGS）及GIRO獲取GNSS數據、垂測數據、衛星信標TEC數據、掩星TEC/Ne數據。若下載成功，則創建當前工程任務并執行數據解壓和規范化操作；否則終止當前任務。

2）同化數據制備軟件對原始觀測數據進行預處理（包括野值剔除和周跳監測等），提取電離層觀測參量。對STEC數據、電子密度剖面和foF2等數據進行分類處理和質量控制后，按指定存儲協議生成觀測數據文件并上傳至FTP服務器，供后續流程使用。

3）同化產品制備軟件定時從FTP服務器下載觀測數據文件，完成下載后進行完整性校驗。校驗通過解析數據，獲取電離層觀測參量及地理位置信息，調用限帶卡爾曼模型、大型稀疏矩陣計算模型和高斯-馬爾科夫模型等多源電離層同化模型，生成TEC、foF2和電子密度現報與預報數據，校驗未通過則等待下次觸發。

4）同化產品制備軟件對數據產品進行質量檢測和歸檔，確保數據完整性后，分別存儲至云主機共享存儲和MySQL數據庫。

5）同化產品展示軟件完成數據產品校驗后，按區域和時間維度對電子密度、TEC和foF2的現報與預報數據進行可視化展示，直至下次任務觸發。從數據觀測采集到系統完成數據同化生成現報產品并展示，整個工作流程耗時約5分鐘。

6）當用戶使用同化產品展示軟件的數據再分析功能時，系統將從MySQL數據庫獲取指定時間段的預處理特征參量觀測數據，調用多源電離層同化模型重新計算生成歷史電離層特征參量產品，并將結果存人云主機共享存儲。

2.4 系統應用

電離層融合處理和預報系統通過同化產品展示軟件實現電離層分布的可視化呈現，支持按區域和時間段進行專業分析，其成果可應用于GNSS及短波通信等領域[15]。系統依托穩定可靠的電波觀測站網數據源，為分析工作提供了高質量的數據保障。

本系統采用的多源電離層同化模型基于限帶卡爾曼濾波算法，較傳統經驗模型（如IRI－2016）具有顯著優勢。

1）多源異構數據融合通過觀測誤差協方差動態調整權重系數，實現GNSS（ 5^°×2.5^° 高空間分辨率）、垂測 （25～500km 高垂直分辨率）、衛星信標（全天候覆蓋）數據的互補融合；

2）時空關聯建模采用球諧函數分解處理全球GNSS數據構造觀測方程矩陣，同時引入高斯-馬爾科夫過程實現電離層同化預報；

3）計算優化通過稀疏矩陣迭代求解算法將運算復雜度從 O（N³） 降至O（NlogN），滿足實時預報需求。其中模型參數采用自適應動態調整策略，例如卡爾曼增益通過觀測噪聲協方差動態調整。

觀測系統仿真試驗（Observing System Simulation Experiment，OSSE），利用2015 年3月中國區域內13個電離層垂測臺站（北京、海口、廣州、蘭州、滿洲里、烏魯木齊等）的觀測數據，采用平均誤差（Mean Er-ror，ME）和標準差（Standard Deviation，SD）2個統計指標進行定量分析。對比分析了國際參考電離層模型（IRI）和電離層數據同化模型的foF2預報精度。結果顯示，相比于IRI模型散點分布較分散，部分數據偏離 1：1 參考線（理想預測線），本系統模型散點更緊密地分布在參考線附近，預測值與實測值吻合度更高。經過分析，IRI模型foF2的平均誤差達到 0.80MHz ，標準差為 1.00MHz ；而經過同化模型處理后，這兩個關鍵指標分別降低至 0.38MHz 和 0.51MHz ，降幅分別達到 52.5% 和 49%^[16] 。這一結果充分證明了數據同化技術在改善電離層電子密度預報精度方面的有效性。

系統采用無人值守的運行模式，通過開機自啟動和“保活服務\"確保持續運行，結合云平臺監控功能，實現資源管理和異常事件告警，在降低運維成本的同時保障了數據的連續性。相關同化模型成果已集成至電波觀測網系統，提升了電離層監測預報能力。云平臺可靈活配置，支持異地備份、資源擴容和負載均衡等功能，顯著提升了系統效能。

同化產品展示軟件作為系統成果的統一輸出界面，提供電離層同化近實時產品展示和歷史再分析功能，支持TEC、foF2和電子密度等參數的可視化展示，軟件界面示意圖如圖5所示。軟件功能模塊設計充分考慮用戶數據定制需求，可通過云平臺FTP服務器實現數據共享。軟件通過直觀的交互界面為用戶提供電離層專業數據的便捷訪問和分析，TECMap 如圖6所示，foF2Map如圖7所示，NeMap 如圖8所示。

3 結論

本文基于多源異構數據、銀河麒麟操作系統和云計算平臺，構建了電離層融合處理和預報系統。系統采用限帶卡爾曼濾波模型，通過動態權重優化機制，有效整合了GNSS 與垂測數據，實現了電離層參量（TEC、foF2、電子密度）的現報與預報，顯著提升了電離層三維結構重構精度 （5^°×2.5^°×15min） 。系統實驗驗證了多源數據同化在電離層建模中的普適性，實現了更高的數據安全性和區域服務靈活性。然而，系統無法提供特定區域的高精度數據同化產品，極區電子密度反演存在偏差，主要受限于現有站點分布不均，站點距離較遠和極區觀測數據稀缺。本研究建立了動態優化的多源同化框架，為衛星導航修正和短波通信提供了可靠數據支持。后續研究將重點提升系統集成模型的時間序列預測能力，接人更多臺站電離層觀測資料，構建極區聯合觀測網絡，完善高緯度數據同化體系。

參考文獻

[1] 甄衛民，歐明，於曉，等．衛星信號電離層探測及應用技術[M．北京：國防工業出版社，2022.

[2] 甄衛民，歐明，朱慶林，等．電離層探測及模化技術研究綜述[J]．電波科學學報，2023，38（4）：625－645.

[3］歐明，陳龍江，王妍，等．地基GNSS和天基掩星觀測對全球電離層數據同化效果的影響分析［J]．電波科學學報，2022，37（4）：619-628.

[4］張姍，劉笑凱，王超，等．基于國產化平臺監控軟件的設計與實現[J]．電子技術應用，2018，44（10）：5－10.

[5] 羅曉慧．淺談云計算的發展[J].電子世界，2019（8）：104.

[6] 歐明，甄衛民，徐繼生，等．電離層多源數據同化方法研究[J]．電波科學學報，2015，30（1）：147－152.

[7]王華峰，張艷茹，蔡紅濤，等．多GNSS 監測下中國區域電離層格網模型可用性分析[J]．全球定位系統，2022，47（2）：60-65.

［8]歐明，陳龍江，甄衛民，等．一種近實時全球電離層數據同化和預報系統的構建與實現[J]．電波科學學報，2024，39（2）：313-321.

[9］歐明，熊雯，劉裔文，等．基于地基GNSS 和COSMIC掩星數據吸收的三維電離層電子密度重構方法[J]．電波科學學報，2019，34（3）：322-329.

[10］陳龍江，甄衛民，歐明，等．一種基于分步線性最優估計的全球中低緯區域電離層foF2重構方法[J]．電波科學學報，2021，36（1）：36-42.

[11］張富彬，周晨，王成，等．基于深度學習的全球電離層TEC預測[J]．電波科學學報，2021，36（4）：553－561.

[12]劉大鵬，申旭輝，楊德賀，等．張衡一號衛星觀測的地基VLF波電離層加熱擾動特征［J]．電波科學學報，2021，36（6）：970-976.

[13］尹萍，李博，任丹丹．基于多分辨率GPS 層析技術的電離層暴時LSTID特征研究[J]．電波科學學報，2019，34（5）：643-654.

[14]PIGNALBERI A， PEZZOPANE M，RIZZI R，et al. Efective solar indices for ionospheric modeling： a review and aproposal for a real-time regional IRI[J]. Surveys in geophysics，2018（1o）：1-43.

[15]於曉．電離層模型在衛星導航系統中的應用研究[D]．武漢：武漢大學，2018.

[16］宋方雷，甄衛民，於曉，等．TIEGCM與IRI在中國垂測站的預測性能比較[J]．電波科學學報，2017，32（3）：356－364.