地表温度变化对GNSS连续运行基准站垂向形变影响研究

利用实测地表温度数据,计算温度变化对GNSS基准站观测墩和基岩垂向形变的影响;联合大气负荷变化,综合分析温度变化对基准站垂向形变的影响规律。以新疆GNSS连续运行基准站数据为例,结果表明,温度变化对新疆GNSS连续运行基准站垂向影响的年周期项振幅为1.4～2.1 mm,半周年振幅为0.01～0.33 mm,周年项振幅占主要部分;垂向时间序列变化扣除温度变化影响后,RMS值平均减小0.55 mm,精度提高约9%;温度变化与大气负荷变化对垂向形变影响的趋势基本一致,呈现上半年增加、下半年下降,扣除两项影响后精度提高约13%。研究表明,温度和大气负荷变化均为基准站垂向位移周期性变化的重要影响因素。     

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。     

基于ALR的Hopfield神经网络在高程拟合中的应用

运用具有正规化项的增广拉格朗日函数作为神经网络的能量函数,辅助二次曲面拟合,进一步探索Hopfield神经网络在高程拟合中的应用。实际算例表明,该方法可以大大提高神经网络的计算效率和可靠性。     

利用附加系统误差参数的升降轨InSAR-GPS数据融合方法建立三维形变场

针对合成孔径雷达干涉测量技术（interferometric synthetic aperture radar,InSAR）监测形变时高空间分辨率的优势以及GPS监测数据高精度、高时间分辨率的特点,对升、降轨InSAR与GPS数据融合获取高精度的三维形变场的方法展开研究。提出以高精度的GPS观测值为约束,对升、降轨InSAR观测方程分别添加一个跟点的位置有关的系统误差函数,以对InSAR数据中残留的系统误差进行修正,减弱或消除系统误差的影响。模拟数据和实测数据表明,该方法能够有效地补偿不同轨道InSAR数据与GPS数据间的系统误差影响,且计算简单;采用附加系统误差参数的升、降轨InSAR-GPS综合形变分析模型建立的三维形变场具有更高的精度。     

利用自适应最小二乘配置的GPS水准与重力似大地水准面的拟合

针对GPS水准与重力似大地水准面之差中存在系统误差的问题,使用最小二乘配置估计信号大小,来提高似大地水准面的拟合精度.对于最小二乘配置的噪声与信号的协方差之间的关系不合理,采用自适应因子纠正两者之间的关系,并首次将自适应最小二乘配置算法应用于似大地水准面精化.最后使用我国东部面积将近2万km2的城市A的数据进行验证,计算结果表明,最小二乘配置及自适应最小二乘配置在一定程度上能够提高拟合效果,使似大地水准面更接近于真实值,实现了国内较大城市面积的1.0 cm检核精度的区域似大地水准面成果.     

基于粒子群优化算法的多因子自适应滤波

在抗差多因子自适应滤波的基础上,提出基于粒子群优化智能算法进一步搜索自适应因子的优化值,提高自适应因子的可靠性.在基于状态不符值构造的自适应因子的基础上,构造适应性函数,采用粒子群优化算法搜索更有效的自适应多因子.利用动态导航数据进行验证,结果表明,基于粒子群优化的多因子自适应滤波能更有效地控制异常影响,提高动态导航精度.     

基于交互多模型的组合导航观测异常影响控制

为了控制观测值异常对组合导航精度的影响,提出基于交互多模型的观测数据异常影响控制算法,即建立观测正常和异常的多模型集,各模型间通过马尔可夫模型进行切换,当观测值正常时,正常模型起作用;观测值异常时,故障模型起作用,从而可有效地抑制观测数据异常对滤波精度的影响。     

不同植被水分指数对小麦水分状况监测效果对比

通过对比不同水分指数对冬小麦水分状况的监测效果,选择出不同时期的最优水分指数,为遥感监测作物水分提供理论依据。利用冬小麦一个完整生长季内不同时期的5次水分胁迫下光谱与水分状况实测数据,计算出NDVI、NDWI、GVMI(全球植被水分指数)、PWI(植被水分指数)及WI(水分指数)这5个常用水分指数的数值,并与EWT(等效水厚度)、FMC(相对水分含量)进行相关性分析。经过综合分析与比较,发现在小麦生长前期,FMC比EWT更适合反演水分状况,而小麦生长后期,则EWT比FMC更为适合。不同时期小麦水分监测的最优指数不同,而且随着小麦的生长,光谱指数对水分状况监测效果呈现先升后降的趋势。在实际应用中,应当根据小麦生长的不同时期,选择不同的指数来监测小麦的水分状况。     

��������ӦUnscented Kalman�������˲�

???????????????????????????????UKF?????????????÷??????????????????Unscented Kalman????????????????????????????????????Э????????????????????Kalman?????????????Kalman?????Unscented Kalman??????????????????????UKF?????????????????????????????     

利用交互多模型的动态精密单点定位故障诊断算法

提出了一种基于相邻历元模型概率比的交互多模型方法,以提高故障诊断的效率,控制异常数据对定位结果的影响。首先,根据故障可能发生的情况建立交互多模型,以便对故障进行定位;然后,根据相邻历元的故障模型概率比对故障进行诊断,提高故障诊断的正确率;最后,根据抗差估计原理对故障进行处理,控制异常影响,提高动态精密单点定位的精度。以实测动态GPS数据为例,此模型可以提高故障诊断的正确率,控制异常影响,进而提高动态精密单点定位的精度。