长期稳定性优于ALGOS
针对低轨星座大规模时标计算，融合卡尔曼滤波与加权平均，并引入自适应时钟控制，在计算资源与守时性能之间取得平衡。
Shui, Yu · 彭竞 · Ma, Ming · 龚航 · Li, Zongnan · 倪少杰
Remote Sensing 2024
在1,000,000 s采样间隔下频率稳定度达到(Formula presented.)，优于ALGOS，适合长期守时。
与传统算法AT1、ALGOS、Kalman、D-KPW相比，20天预测误差降低65%~67%。
算法结合卡尔曼滤波与加权平均，在保证性能的同时平衡计算资源，适合大规模星座部署。
通过D-KPW (Control)算法兼顾时间基准的短期和长期频率稳定度。