����������ǿ��Ϣ��PPP�Ŀ��������㷨

???????????????????????????????????????в?OMC??????????????????OMC?????????????????и???????????OMC???????????????????????????UPD???????????????α???????????????????????????????????????????????????????α??????????????????????λ?????????PPP??????????????y???CORS??????????????????????????????????????????????????????????????PPP?????????????????49 km??110 km???????ο???????????????????????????????????????????PPP??????????????????????PPP????÷?Χ??     

�й�����IGS����վ���ܵ��㶨λ����ʱ������Ƶ�׷���

??ITRF2008??????й???????5??IGS??????WUHN??BJFS??URUM??KUNM??SHAO??2012??????????????TriP?????????????????????????С??????????????????????????????????????????н?????????????????????????????????GAMIT/GLOBK????????????????????з?????????ж???????????????й??????IGS???????????д??????????????????????????????????????????????????URUM??KUNM??BJFS??SHAO?????????????????????BPPL+WN????WUHN??????N??E??U????????????????з?????????????BPPL+WN??FN+WN??PL+WN??????????BPPL+WN??????????а???????????????????????????2 mm??BPPL???????WN??????1/10???????0.28??0.89 mm????????????????С???????????????????????????????????С??????TriP??????????????????????????????????????????????????     

����������С���˷���������ת�Ƕ���ά����ת��

???о???????????????????????????У????????????????????????????????(EIV???)?????????????????????????????2???????????????????????????С????????н???????????(?????????)??????2???????????С?????(??????????????е???????С?????)???н????????????????????????????????????????????????????     

һ���µ�GPS����������ֵ����

???ù?????????????GPS???????????в???????????????3????????????????Lagrange???????????б?????????????????б???????????????????????????н???????     

�ػ�GPS�ɽ�ˮ������2011�걱��������

?????????GPS???????????????????????????2011-07-24-26???????????????GPS???????仯???????о??????????GPS????????仯???????????3????????????????????????????????????????С?????????????????????????????н?????????????????????п?????????????????????????????????????????????κ???????????????????????????У????????С?????????????5???GPS???????仯???????????GPS????????仯????????????????????????????     

��˺�������GPSʱ�����ϴ����е�Ӧ��

?о???????????????????????1????GPS???????????к??????????????????????????2???????????????????2???????????3?????п???????????????????????????????4???????????????????????????5???????????????GPS????????????????????????????????????????????????????     

���ڷ���Ͼ��ܵ��㶨λ��GPS��Ƶ���ݷ���

??????÷????PPP???????GPS??????棬???GPS??????????????????????????????????????????????y???????????L5?????????棬???????????????????λ???????????0.2?????????????????С??????????????????????GPS???????????????????????????????????????????о???     

�߾�����б�ǵ��Զ��������

???????????б???????????????????????????????????·????????????б??????????б?????????????????????????200 mV??????????? 2000 mV????     

GPS/PWV����������̨��Ϯ���ڼ����������

???GPS???????????PWV????????2013?????????????????????仯???????ж?????????,GPS/PWV???????????????????????????????????????????????仯?????????磬PWV?????????????仯???????????????????????????к????????|????????磬PWV????????????仯???????????????????估??????????????PWV???????????仯??????????????????     

Ƕ��ʽ����ǰ�׹۲���������ӿ�ϵͳ���

???????塱???????????DSC??й???????????????????????????????????TCP/IPЭ??????????????????豸????EP95??IP?????????????????塱???????????????????????????豸???????????塱?淶?????????????????WEB????????????????????????????????????????????????????????     

���ڸ���������ϺͶ�������ƫ����

???????????????????????????????????Gauss??Markov ????????????μ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????Σ?????????????????????????????????????????????????????     

MSE准则下岭-主成分组合估计与LS估计的比较与选择

研究了测量平差Gauss—Markov模型中岭-主成分组合估计与LS估计的比较与选择问题。首先在均方误差（MSE）准则下对岭-主成分组合估计与LS估计进行了比较,得到了岭-主成分组合估计优于LS估计的椭球条件;然后运用Monte Carlo方法对这些条件进行了假设检验;最后通过数值实验说明,在一定显著性水平下当原假设被接受时,可采用岭-主成分组合估计对LS估计做出比较有效的改进,当原假设被拒绝时,应该仍采用LS估计。     

抗差部分岭估计及其在GPS快速定位中的应用

针对GPS快速定位中观测资料含有粗差且因观测信息不足造成设计阵“部分病态”的实际情况,对现有的抗差有偏估计进行改进,提出了一种新的抗差有偏估计——抗差部分岭估计,并讨论了抗差部分岭估计中“部分岭参数”的选择方法。计算结果显示,新估计与现有的抗差有偏估计相比,具有精度高、速度快、稳定性好的特点。     

基于Neumann级数的有偏估计方法

针对病态最小二乘问题,提出基于Neumann级数的有偏估计方法。由该方法建立的有偏估计公式,包含现有的最小二乘估计、岭估计和广义岭估计公式,建立有偏估计和无偏估计的本质联系,并可以据此引申出一系列新的有偏估计形式。在这一系列的有偏估计中,存在着比岭估计或广义岭估计更接近于真值的解。以一个病态方程组为例对该方法进行验证表明,当观测向量中含有误差时,由最小二乘估计所得结果和真值误差较大,而各级有偏估计的结果和真值更加接近,且二级和三级有偏估计结果比相应的岭估计更接近于真值。     

病态数据处理的岭估计迭代解法

岭估计通常无法单次计算使得均方误差达到最小,因此提出岭估计迭代法。将岭估计参数估值代入平差模型,更新观测向量,再次用岭估计法求解参数。依此迭代,每次迭代计算方差和偏差,当均方误差达到最小或收敛时终止。模拟算例验证结果表明,该方法有效、可行。     

正则化方法的统一

对最小二乘估计作线性变换,使得新估计是真值的最优拟合,并且包含模型参数的先验误差协方差阵。从滤波因子的角度对正则化方法进行统一,提供了常见的Tikhonov正则化方法、截断奇异值法、广义岭回归方法等的滤波因子与对应的误差协方差阵的特征值。     

���򻯷�����ͳһ

????С?????????????任??????1????????????????????????????????????????Э????????????????????????????????????????????Tikhonov?????????????????????????????鷽?????????????????????Э??????????????     

�����԰����ģ����С���˺˹��Ʋ���������ͳ������

??????????????????С??????????????????????????????????????????????????￡????????????????н???????????????????????????????????????????????     

室内地磁基准图构建的优化算法研究

对比分析4种室内地磁基准图的构建算法,选取两种场景进行实验,并采用均方差、交叉验证法、积分均方误差等评价指标进行分析。结果表明,协同克里金插值算法有更高的精度,但构建速度较慢;标准高斯过程回归有更快的构建速度,但精度略低。因此,对于有高精度需求的场合可采用协同克里金算法;对于实时性要求高的情况,标准高斯过程回归更能满足需求。     

����EEMD��GPS�߳�ʱ����������ʶ������ȡ

?????????EEMD??GPS???????????????????????????????????????徭??????????????????????????????????????????????????????????????????????й?????CORS??????????????????????????飬??????????????????????????????????????????????????????????????????????????