����GPS�۲������ɽ8.1������΢��̬�����о�

???????????????????????????????????????嶫?????????GPS????????????????????????????????λ??ó?????????β???????仯???????????2001???????8.1???????????β?????????д?????μ?仯????????仯?????????ж??????????С????????????????????????????????????????8.1????????????????????????????????о????????????????β???????п???????????????????     

DOPֵ����GNSS��Զ�λԤ�����������о�

????GNSSα????λ??????λ?????????????????λ????????DOP???????λ????????RDOP??????????????????????????????????仯?????????????DOP????GNSS????λ????????÷?Χ??????????????DOP??RDOP?????????仯??????????????￡????????????????????????????????????????????????DOP?????????λ????????????????????RDOP?????????λ?????????     

����RBF���˲�������Բο�վ�߳�ʱ�����з���

?????????IGS???????вο??????????仯???????仯????????????????????????????仯??????RBF?????????缰С??????????????????MATLAB7.0????????IGS???????????????GRNN?????????С??????????????????????????????????????????????????????д??????仯????????????????????????????仯?????????????????????     

����GOCE��GRACE������ģ��λϵ��������Ϸ�

???GOCE??GRACE????????????????е???????????о?????GOCE??GRACE?????????λ??????????????????????λ???????????????????????????Э????????????????????GRACE?????????ITG??GRACE2010s??GOCE?????????GO_CONS_GCF_2_DIR_R1?????????????????????????????????????????????????????????????????GRACE??GOCE????????????????????????????徫?????????GOCE??GRACE????????GOCO01S??????????????????Э?????????????????????????????????m??λ?????????????     

GPS/GLONASS��Ͼ��ܵ��㶨λ��������άˮ�������е�Ӧ��

???????GPS/GLONASS ?????????λ??????????????????????????й?????????12??CORS?6 d????????????????COSMIC????????????????????????????GPS???????λ???????GPS/CLONASS ??JP3?????????λ??????????????????????????????????18%??????????10%??     

�İ�����������Ӧ�䳡�仯�ۺ��о�

??????????????????????????????????С?????????????????о????????????????仯?????????????5.1??????????????????????????С?????????P??λ?????????仯???????????????????????????????????????仯??????2006??4?????????Χ?200 km??     

����شŵ͵�λ�Ƴ����һ�ֿ��ܻ���

????????????????????????????1998-01-10???????????o????Ч?????????????????????????λ?????????Ч?????????仯???????о?????????????????Ч?????????仯????“???λ??”????????????????????仯?????????????Ч????????仯??????????λ????????????????????     

GALILEO�걸��ϵͳ��XPL�㷨�о�

????XPL????Ч?????????HPL??VPL??????????????????м?????????????????????HPL??VPL??????????????HPL??VPL?????????С??9 m??12 m?????????12 m??20 m?????????????????????????????????????     

��ͨ��·��������Ӧ��׮���ȵĽ�һ���о�

??????????????????????λ?????????????????????·?????????????????λ?????????λ?????????λ????????????????????????????????????????????????,?????????????Ч??     

�α�Ԥ��ģ�͵Ķ��ݽ׷���

?????????г???????????????????????????????????????????????????????????????????????????α?????????黯???α?????????????????????????????????α?????????????????????????????????????е????????????,??????????α???????????     

L���߷��ڵȼ�Ȩ���������ģ���е�Ӧ��

??????????????????????????????????????????????????L???????????????????????????????????????????е????????????????????t???Cholesky?????е?λ?????????????????????????????????????????????????е?λ???????L???????????????е????????á????????????????????????Ч?????????????????     

一种基于丹麦法的改进型双步M估计

针对抗差估计方法初值与临界值选取不当的问题,提出一种以L1-范估计的平差值作为初值、以改进的丹麦法权函数作为第一步抗差阶段权函数的双步M估计,该方法既具有较强的抗差性,又具有最小二乘的最优性。试验表明,该方法估计结果与无粗差时的LS估计结果基本一致,抗差效果明显优于传统抗差估计方法与其他两步抗差估计。     

һ�ֻ��ڵ��󷨵ĸĽ���˫��M����

??????????????????????????????????????????L??1??-?????????????????????????????????????????????????????????M??????÷???????н?????????????????С??????????????????????÷??????????????????LS????????????￡?????Ч????????????????????????????????????????     

一种选权迭代法的半参数回归模型在滑坡预测中的应用

传统抗差估计中的选权迭代法无法探测到模型的系统误差，而基于补偿最小二乘原理的半参数模型可以较好地分离出系统误差。通过建立选权迭代法的半参数回归模型，利用时间序列法、L曲线法分别确定模型中的正则化矩阵及平滑因子，并利用选权迭代法重新定权，同时降低了观测粗差和系统误差对参数估值的影响。通过仿真算例，并以重庆奉节县大坪滑坡实测数据为例，验证了选权迭代法的半参数回归方法应用到三峡库区滑坡预测的有效性和优越性。     

基于多视线向D-InSAR技术的三维地表形变抗差解算方法

针对粗差对多源InSAR数据三维地表形变解算的影响,提出一种基于多视线向D-InSAR技术的三维地表形变抗差解算方法。该方法利用多视线向D-InSAR地表形变监测数据,在最小二乘原则的基础上实现InSAR三维地表形变解算,获取平差观测量的残差,建立最小二乘残差与观测量单位权方差的函数关系,并通过计算出的单位权方差对InSAR地表形变观测量进行定权;基于等价权原理,选用IGGⅢ权函数实现三维地表形变的抗差解算。最后,以2009年意大利拉奎拉地区地震为例,对该解算方法的可行性和精度进行验证。结果表明,该方法可以获取可靠的解算结果。     

线性EIV模型的t型估计

将数理统计中的t型估计作为一种抗差估计引入测量平差中,提出线性EIV模型的t型抗差估计及其EM算法。以平面拟合为例,当向观测向量和系数矩阵加入粗差时,选取合适的自由度v,t型估计具有较好的抗粗差能力,求出的参数均值与真值偏差较小。     

多维观测的矩阵参数建模与加权最小二乘估计

针对常规向量参数法多维观测建模与平差效率低的问题，分析指出多维观测矩阵参数建模条件应满足不同观测维度的参数独立且个数相等特点（简称独立同构特征），进而利用该建模条件、Kronecker积运算性质和加权最小二乘原理提出矩阵参数建模与加权最小二乘估计方法。该方法顾及不同观测维互相关性，增大系数阵稠密度，降低法矩阵阶数，从而有效提高了建模与平差计算效率。空间直线和GPS站坐标时序模型计算结果均表明，向量参数法和矩阵参数法平差结果相同，但后者具有更高的存储与计算效率。     

�����Ƚ��ֻ�������Bayes���Ʒ��ڵؿ��α�����е�Ӧ��

??????????????????α?????GPS???ι???????????α?????????????????????????????????????????????????????????????????????????в??????????????????????????????????????????α???????????????????ι????????????α???????????????????Ч?????????????????????????????????Bayes?????????????????α?????????????????????????????????????????????????????????????????????????????????????????????Щ???????????????????????????????????????????????????GPS????????м??????????????????????????Ч???????????????????????????????????????     

大旋转角的空间直角坐标转换方法的改进

针对现有大旋转角空间直角坐标转换方法存在的问题,基于尺度参数的SVD估计提出改化模型,并推导了参数解估计的方向余弦法、单位四元数法及罗德里格矩阵法。最后,基于奇异点、模型条件数、中误差及迭代次数等指标,通过文献算例和大旋转角仿真算例比较分析了3种方法在七参数模型与本文改化模型的坐标转换效果。结果表明,旋转矩阵的SVD初值优于单位阵初值,改化模型优于七参数模型,方向余弦法优于其他两种方法。     

稳健总体最小二乘Helmert方差分量估计

对于总体最小二乘而言,经常需要处理不同精度或者不同类型的观测数据,根据先验方差来定权往往不准确,同时观测数据中可能含有粗差。针对这两个问题,提出稳健总体最小二乘Helmert方差分量估计,将稳健估计和Helmert方差分量估计同时应用于总体最小二乘中。最后通过两个实验的计算结果表明,该方法是可行的、有效的。