1.一种双重滤波加权平均的星站钟差数据融合方法，其特征在于，该方法采用前置滤波器剔除各个基准终端观测钟差数据中的奇异值，并填补钟差数据空缺值；用动态加权平均算法实现钟差数据融合；采用α‑β滤波器进行星站钟差跟踪滤波，生成钟差融合终值，并为加权平均时的动态权值分配提供依据，同时还为前置滤波器的阈值调优提供参考。
2.如权利要求1所述的方法，其特征在于，所述前置滤波器剔除各个基准终端观测钟差数据中的奇异值，并填补钟差数据空缺值的具体实现方法是：
对输入星站钟差序列Dk，前置滤波器的输出响应如下：
式中，Mk是当前星站钟差样本及其前K‑1个样本组成的滑动窗口的中值，定义为：
Mk＝median{Dk‑(K‑1),…Dk‑2,Dk‑1,Dk}  (2)
其中，median是求给定数值的中值的函数；K是一个正整数，称为窗口宽度；Sk是中位数绝对偏差尺度估计，定义为：
Sk＝1.4826×medianj∈[1,K]{|Dk‑j‑Mk|}   (3)
其中，1.4826是一个工程经验值，它使中位数绝对偏差尺度估计成为高斯数据标准偏差的无偏估计；T是一个动态阈值调优参数，其大小由跟踪滤波器输出最新的钟差融合终值的方差大小决定；当前星站钟差样本Dk与中值Mk相差超过TSk，则视该样本为奇异值，并用中值Mk替换该样本；
同时，前置滤波器的滑动窗口可将钟差数据源中的空缺值与邻近的非空数值联系起来，只要滑动窗口内不全是空缺值，即只需滑动窗口内有一个及以上非空数值，则当前正被处理的空缺值可被填补为窗口内数据的中值；而对于持续时间大于窗口长度的空缺值，取同一时刻其它基准终端观测同一颗卫星的非空钟差数据的平均值填补。
3.如权利要求1所述的方法，其特征在于，所述用动态加权平均算法实现钟差数据融合的方法是：
将不同基准站观测到的同一颗卫星钟差数据进行分类融合，进而得到地面观测站与每颗卫星之间更精确的星站钟差；
来自N个基准终端的N组原始数据的融合过程可用下式(4)来描述：
其中， 表示k时刻的融合值，它是一个估计值；^代表估计，Yki表示各基准终端k时刻通过前置滤波之后的星站钟差数据，aki表示k时刻各基准终端的加权系数，并满足下式(5)的关系：
如果该基准终端的观测数据与跟踪滤波器输出的滤波值相差大，则该基准终端观测数据的均方根误差大，可靠度小，分配的加权系数就小；否则认为可靠度高，分配到的加权系数就大；
式(6)用以计算基准终端观测数据的均方根误差：
其中，RMSE代表均方根误差，Yk代表k时刻的观测数据，Xk‑1代表k‑1时刻的跟踪滤波值，n代表测量数据的个数；
各个基准终端的观测数据可看成是由真实值叠加了各种测量噪声得到的，即：
其中， 表示k时刻第i个基准终端的观测值， 表示k时刻第i个基准终端的观测噪声，Yk视为待估计的真值；使估计值与真值的偏差平方和的均值达到最小值，即满足下述指标：
将式(4)代入到式(8)中，得到：
由于加权系数还满足式(5)，那么联合式(9)，应用拉格朗日乘数法求解加权系数，引入拉格朗日函数函数L：
对函数中的a1，a2，…aN分别求偏导，并令其等于零，最终可求得各基准终端加权系数的计算公式：
其中，σi取各基准终端观测数据的均方根误差RMSE。
4.如权利要求1所述的方法，其特征在于，所述α‑β滤波器包含预测和更新两个步骤，用下面的两个公式描述：
n m
式中，‑代表先验，^代表估计；Xk(Xk∈R)：系统状态变量；Zk(Zk∈R)：观测变量；F：状态转移矩阵；H：观测矩阵；K：常增益矩阵；
系数α和β是无量纲的量，分别为状态向量不同分量的常滤波增益，α和β的值通常是一个很小的正值，一般满足以下关系：
0.3<α<0.5  (14)
将α代入式(20)可得β的范围是：0.05<β<0.18；α和β的值确定之后，α‑β滤波器增益按照下面公式确定：
式中，T为滤波周期。