基于遗传算法的整周模糊度解算方法

在卡尔曼滤波的基础上,利用高斯变换降低各整周模糊度之间的相关性,然后利用遗传算法进行搜索,提出了自适应遗传算法,改进了搜索效果,仿真结果表明,自适应遗传算法有更快的搜索速度和更强的鲁棒性.     

用遗传算法搜索GPS单频单历元整周模糊度

介绍了短基线利用单频单历元双差载波相位定位时模糊度固定的基本理论，探讨了利用遗传算法快速搜索GPS单频单历元整周模糊度的一些理论和实现的方法．提出了用改进的正则化方法改善浮动解来提高搜索成功率的新思路。算例分析表明，在一定的条件下．应用遗传算法搜索整周模糊度成功率高、稳键性较好。     

一种整周模糊度快速求解的改进LAMBDA方法

本文提出了一种改进LAMBDA方法:在确定Z变换后的模糊度时,改变以往对所有历元的模糊度全部进行搜索的做法,而是通过设置合理的条件,将搜索与直接归整有效地结合起来,从而减少了模糊度的解算时间,提高了解的效率。文章最后利用实测GPS数据验证了改进效果。     

一种新的GPS整周模糊度单历元求解算法

针对不存在先验信息时常规GPS单历元数据处理中存在的问题,提出了一种新的GPS整周模糊度单历元算法。该算法先采用一个历元的码观测值进行最小二乘定位,求取初始模糊度,并根据解的中误差来构造模糊度原始搜索空间,再采用两种不同线性组合的扩波方法进行模糊度变换,使原模糊度的搜索空间变小。在模糊度的新搜索空间确定后,通过线性组合的逆变换求取模糊度N₁及N₂,并以模糊度函数法进行真值的搜索,实现单历元解算。采用基线长度不同的两组数据测试,结果表明了本文方法的可行性和可靠性。     

在坐标和模糊度域中进行整周模糊度搜索

本文提出了一种基于条件平差理论的整周模糊度搜索方法,整周模糊度搜索可以在坐标域,模糊度域或两者域内进行搜索,此方法能应用坐标和模糊度残差判据,搜索和固定好最佳模糊度整数,在用于静态测量和动态测量《ＫＳＧＳoft》软件中,获得了满意的结果。     

单频GPS整周模糊度动态快速求解的研究

提出了一种动态快速求解整周模糊度的方法,即先对系数阵进行QR分解,然后通过矩阵变换使模糊度参数和位置参数分离,从而降低矩阵的维数,满足实时动态求解的要求,最后应用LAMBDA方法搜索模糊度。为验证该算法,用单频GPS接收机进行了静态定位和动态定位两种试验。结果表明,静态定位误差小于1cm,动态定位误差小于3cm。由此可见,该方法能够为动态用户快速而精确地实施GPS单频动态定位。     

长距离多站RTK定位中整周模糊度求解的研究

全球定位系统(G lobal Position ing System,GPS)由于其准确性、实时性以及易用性而广泛应用。实时动态定位(RTK?Real-time K inematic)就是其一个典型的民用实例。但是,由于在动态点上观测时间较短,各种类型误差变化较大,很难准确实时计算出整周模糊度,进而极大地影响了定位精度。本文提出了一种误差模拟的算法,根据定位误差的渐变原理,充分利用动态点周围的多个基准站上准确丰富的误差信息,根据一定规则模拟动态点上的误差,最终计算动态点上的整周模糊度。实验证明:在基准站距离较短,采样率较高的情况下本文的算法非常有效。     

用LAMBDA改进算法固定GPS整周模糊度

介绍了LAMBDA算法原理,结合国土资源调查的工程实践,对常规的LAMBDA方法作了两点改进,即扩大超椭球的体积En和以点位的先验信息检验坐标解算结果。实测数据分析表明,两点改进均能有效地提高基线解算的可靠性,具有一定的理论价值。     

三种整周模糊度搜索方法对比

在含有载波相位的数据处理中,如何准确高效获得载波相位的模糊度数值,是精密定位数据处理中的重要问题;本文概述了对整周模糊度数据处理的整数最小二乘方法,介绍并对比了三种整周模糊度搜索的方法,对实际的数据处理有指导意义。     

改进遗传算法优化灰色神经网络隧道变形预测

针对目前隧道变形预测方法的不足,该文提出了使用改进型遗传算法优化灰色神经网络的隧道变形预测模型。改进遗传算法策略:在种群繁衍过程中根据个体的适应度进行排序,再将排序后的种群均分为3个部分,按照比例对3个部分进行选择,最后从适应度较大的部分中随机选取个体在重新补充到种群中。改进型遗传算法可以避免陷入局部收敛成功找寻全局最优解,提高收敛速度。该文利用实际隧道监测数据进行实验,验证改进型遗传算法优化灰色神经网络的隧道变形预测模型。实验证明,改进型遗传算法优化灰色神经的隧道变形预测模型在进行隧道拱顶下沉量预测时有着更高的精度、更好的稳定性。     

对GPS模糊度解相关方法的一种改进

针对Lenstra-Lenstra-Lovász（LLL）规约算法在高维情况下规约耗时较大的特点,采用贪心算法和部分列向量规约,减少LLL算法规约过程中的基向量交换和尺度规约次数,以降低LLL算法的计算复杂度。通过模拟和实测的数据验证,该改进方法可以降低LLL算法的规约耗时,因而对高维模糊度的快速解算具有一定的参考应用价值。     

实数编码改进遗传算法的非线性最小二乘平差

遗传算法在处理测量领域中的非线性问题时,算法中的种群数目大小、个体中的参数分量的数量以及参数的取值区间都会对算法的效率产生影响。针对基本遗传算法在处理非线性问题时,容易陷入局部最优值、速度慢、收敛区间小等问题,本文采用了一种新的交叉策略,并对变异算子中的变异步长作动态的自适应改变。最后通过实例解算验证了这种改进的遗传算法比基本遗传算法更加稳定、精度更高、收敛速度更快、收敛区间更大。     

改进的自适应遗传算法支持下点云与BIM模型配准

在钢结构数字化检测中,点云与设计模型的配准是进行数字化检测的关键步骤,配准的精确度决定了检测分析的准确度。传统配准方法一般先进行粗配准再进行精确配准,计算量大且收敛速度缓慢。针对精确配准存在的问题,本文提出了基于改进的自适应遗传算法用于点云与设计模型的配准方法,自适应地调整交叉概率与变异概率的执行顺序及概率值的大小,提高了种群的多样性及收敛速度。试验证明,改进后的自适应遗传算法极大地提高了点云与模型配准精度和收敛速度。     

基于LAMBDA和DC算法的GPS单历元整周模糊度的快速确定

仅利用LAMBDA方法求解GPS单历元整周模糊度成功率不高,并且当接收卫星数较多时搜索空间较大。为此,采用TIKHONOV正则化方法削弱单历元模型法方程的病态性,并且基于协方差矩阵选择部分宽巷模糊度,先采用LAMBDA方法进行搜索,再利用高解算效率的DC算法解算剩余宽巷模糊度,最后通过两组不同线性组合的逆变换直接求取原始观测值L1和L2的整周模糊度。实验和计算表明,方法显著提高整周模糊度的搜索效率,并且提高模糊度搜索成功率。     

基于LAMBDA方法的模糊度解算研究

高精度GNSS定位需要解算双差模糊度值,经典最小二乘求解的模糊度一般为浮点解,浮点解丢失了模糊度的整数性,不利于提高未知参数的精度。本文讨论了LAMBDA方法的原理及其算法,对模糊度整数变换前后LAMBDA方法的执行结果进行了比较,讨论了联合去相关法和迭代法两种整数Z变换算法的基本原理,对LAMBDA整周模糊度解算方法中的两种整数Z变换算法进行了比较。结果表明LAMBDA方法模糊度效率较高,联合去相关法的处理成功率高于迭代法。     

GPS短基线整周模糊度的直接解法

提出了在位移值较大的情况下(0.7 m),通过多种载波相位组合,解算短基线GPS整周模糊度的方法。导出了在解算过程中保证L1和L2载波的整周模糊度N1和N2为整数的条件,从而将DC(direct calcu-lation)算法[1]不仅推广到大变形的情况,而且推广到短基线GPS整周模糊度的解算,解决了快速准确解算短基线GPS整周模糊度的问题。     

GNSS双频整周关系约束模糊度算法研究

根据GNSS双频载波相位观测值间的特定关系,提出了一种基于双频整周关系约束的模糊度解算方法(FirCAR)。该方法在局部整数范围内可将载波相位的等效波长增长,以利于整周模糊度的快速解算。不同长度的基线数据实验证明了该算法的正确性和有效性,并分析了卫星截止高度角对解算结果的影响。     

下三角Cholesky分解的整数高斯变换算法

针对全球导航卫星系统(GNSS)载波相位测量中,基于整数最小二乘估计准则解算整周模糊度问题。目前以LAMBDA降相关算法和Lenstra-Lenstra-Lovász(LLL)为代表的规约算法应用最为广泛。由于不同算法采用的模糊度方差-协方差阵的分解方式不同,导致难以合理地进行不同算法性能的比较。该文通过分析LAMBDA算法的降相关特点,从理论上推出基于下三角Cholesky分解多维情形下的整数高斯变换的降相关条件及相应公式,并与分解方式不同的LAMBDA和LLL算法作了对比。实验结果表明,降相关采用的分解方式将会直接影响计算复杂度和解算性能,因此该文推导的整数高斯变换算法便于今后基于下三角Cholesky分解的降相关算法间的合理比较。     

一种改进Hausdorff距离和自适应遗传搜索的遥感目标匹配方法

采用快速点提取算子SIFT算子提取特征点,减少图像数据量,针对传统Hausdorff距离对噪声、出格点较敏感的问题对其进行改进,并以改进后的鲁棒Hausdorff距离作为匹配测度,利用非遍历而又有效的遗传搜索策略进一步提高了匹配速度。对发生旋转变形和灰度变化的遥感影像进行模拟实验,实验结果证明了该算法的有效性和快速性。