【摘 要】
：
基于MGEX(multi-GNSS experiment)测站实测数据,采用系统间交叉验证方法检核海上BDS/GNSS精密单点定位质量。分析不同系统组合的精密单点定位精度和收敛速度,结果表明,相对于单BDS,不同系统组合可有效提高精密单点定位的收敛速度和定位精度;组合系统的数目越多,相应的精密单点定位精度越高,收敛速度越快。同时,在静态、仿动态、海上动态不同定位模式下,采用系统间交叉验证方法检核精
论文部分内容阅读
基于MGEX(multi-GNSS experiment)测站实测数据,采用系统间交叉验证方法检核海上BDS/GNSS精密单点定位质量。分析不同系统组合的精密单点定位精度和收敛速度,结果表明,相对于单BDS,不同系统组合可有效提高精密单点定位的收敛速度和定位精度;组合系统的数目越多,相应的精密单点定位精度越高,收敛速度越快。同时,在静态、仿动态、海上动态不同定位模式下,采用系统间交叉验证方法检核精密单点定位的精度和可靠性。
其他文献
实时地图匹配技术在智能交通、自动驾驶等领域起着关键作用。现有实时地图匹配算法在高架、立交道路等复杂场景受到平行道路的干扰,匹配正确率较低。针对这一问题,本文提出了一种利用与车辆轨迹同步采集的图像对行驶场景进行分类,从而辅助城市复杂道路环境下地图匹配的方法。该方法在车辆靠近高架区域时利用图像对车辆行驶场景进行分类,结合车辆行驶方向、轨迹点与路段的距离、匹配路段邻接性等指标,对当前轨迹点进行实时匹配。
露天矿山大部分道路坡度大,无人驾驶矿车在上下坡之前如果不能合理规划速度,则容易发生一些危险,例如因下坡急减速导致的物料外撒或因上坡导致的溜车。无人驾驶矿车通过精确检测车辆前方一定范围内的道路坡度,可以在上下坡之前合理规划速度。目前无人驾驶矿车实时检测露天矿山道路坡度存在一些挑战:露天矿山道路坡度大且不平整,无人驾驶矿车在行驶过程中会有比较大的俯仰和弹跳运动,因为基于惯性导航系统(inertial
高山峡谷地区山高坡陡、通讯及卫星信号遮挡严重、高原高寒、地质灾害频发、人力不易到达,无法使用全站仪、GNSS和航空摄影测量等技术测绘地形图。结合川藏铁路勘测设计的实际需求,提出地面三维激光扫描精细地形测绘方法,制定了相应的作业流程,包括技术设计、外业数据采集、点云数据处理、DEM生成和地形图编辑及断面提取等五个步骤。以川藏铁路某特大桥大比例尺地形图测绘为例进行工程应用研究,GNSS RTK高程检测
利用GAMIT/GLOBK 10.7获取欧洲约70个GPS站2011—2016年的高精度坐标时间序列。利用奇异谱分析(SSA)和最小二乘拟合相结合进行站速度估计,并将估计结果与最小二乘谱分析估计值及SONEL站速度对比,在此基础上对欧洲地壳运动规律进行分析。结果显示:站速度估计的中误差平均值均小于0.45 mm/yr,优于常规最小二乘谱分析估计精度,说明在一定程度上避免了周期和噪声项的影响;与SO
Atmospheric refractivity fields are more strongly affected by more water vapor in the tropical lower troposphere than elsewhere. In this study, based on model simulations, we first collocated the radi
考虑到当前已有的ZTD、ZWD垂直剖面模型时空分辨率低等不足,以NASA提供的2014～2016年气象再分析资料MERRA-2为基础,分析中国区域ZTD、ZWD高程缩放因子的时空分布特性。结果表明,ZTD、ZWD高程缩放因子均具有明显的年周期和半年周期变化,与经度、纬度相关性显著,且两者时空分布特性具有明显差异。
利用小波变换与RBF神经网络方法预测河北省GNSS水汽值。首先对GNSS测站水汽序列进行小波分解,然后利用RBF神经网络对小波分解的高频与低频信号进行预测,最后通过实验选择合适的高频与低频信号结果重构获得GNSS水汽值预测值。以实测GNSS水汽值为标准,基于小波变换与RBF神经网络预测的GNSS水汽值精度高于单一RBF神经网络预测精度,但预测结果的精度随着预测时长的增加而降低。
基于中国大陆构造环境监测网络的连续GNSS观测数据,选取云南省25个测站的坐标时间序列研究地表质量变化对建立噪声模型的影响。计算陆地水负载、大气压负载和非潮汐海洋负载引起的测站非线性变化,采用极大似然估计对不同噪声组合进行分析,分别建立负载改正前后各GNSS测站的最优噪声模型,同时估计速度的不确定度。结果发现,云南省GNSS测站各分量的噪声特性主要表现为闪烁噪声+白噪声(FN+WN);环境负载改正
考虑到传统谐波模型难以精确描述GNSS坐标时间序列的非线性变化,导致信号和噪声不能很好地分离,进一步影响粗差探测和噪声估计,本文提出一种基于奇异谱分析的粗差探测与噪声估计算法。首先采用奇异谱分析方法分离出GNSS坐标时间序列中的信号与噪声,然后基于IQR准则探测噪声中的粗差,最后采用最小二乘方差分量估计(LS_VCE)方法定量估计各噪声分量。算例表明,相比于传统基于谐波模型的算法,该算法的粗差探测
提出一种基于EM算法优化相关向量机(RVM)的BDS-3超快速钟差预报算法。首先,利用组合MAD法预处理钟差数据,并进行一次差分计算;然后,利用钟差一次差分数据对RVM模型进行训练,通过EM算法迭代求取模型的超参数;最后,利用优化后的RVM模型进行数据预测,将钟差一次差分预测值还原,得到钟差预报值。采用iGMAS中心提供的实测BDS-3超快速钟差数据进行预报实验,并将本文模型与QP模型、SA模型及